基于模极大值和尺度理论的音频降噪方法

在数字化时代,音频的转录或录制都会引入噪音,但是历史音频保存和音频资料处理需要纯净的音频信号,因此音频降噪研究有着重要的现实意义。该文首先介绍了二进小波和奇异性指数,并阐述了尺度跟踪和模极大值重构等理论,在Mallat工作的基础上,提出了一种基于小波滤波的音频降噪方法。该方法首先引入补偿因子削减二进小波变换对系数造成的影响,并计算带噪音频的小波系数和模极大值;然后基于信号和噪声奇异指数不同的特点,结合阈值降噪和尺度跟踪理论,采用层间相关搜索去除噪声的模极大值;最后利用交替投影算法,重建音频信号。本文用该方法处理带click和hiss噪声的音频信号,跟小波阈值方法和小波包方法相比,能达到较好的听觉效果和信噪比。同时观察信号的波形图及模极大值演示图,发现本方法都表现出优异的降噪效果。     

二代小波变换在肌电信号消噪中的应用

为了更好地消除混杂在表面肌电信号中的噪声,提出了一种基于二代小波变换的表面肌电信号消噪方法.利用提升算法进行表面肌电信号二代小波分解,得到多层的信号高频细节系数,分别运用软、硬阈值进行处理,对滤波后的信号进行小波重构,恢复消噪后的原始信号.通过对加噪正弦信号和真实表面肌电信号的消噪实验,结果表明:二代小波是一种明显优于一代小波的消噪方法,且硬阈值法优于软阈值法.     

小波变换在流量计阶跃响应信号消噪中的应用

讨论了小波变换对空气质量流量计阶跃响应信号的消噪方法,选取具有5阶消失矩的Daubechies小波对含有噪声的原始信号进行逐层分解,对各层细节信号分别进行阈值处理,重构出消噪后的信号。最后与巴特沃斯数字低通滤波器的消噪效果进行比较,证实了小波变换消噪的效果更好。     

小波和希尔伯特变换在脑电信号消噪中的对比研究

为了更好地消除混杂在脑电信号中的噪声,完成脑电分析,对小波和希尔伯特变换（HHT）的脑电信号消噪效果进行了对比研究。在HHT消噪方法中,利用经验模态分解（EMD）算法对脑电信号进行8尺度分解,得到固有模态函数（IMF）分量的组合,经过滤波和信号重构,得到消噪后的脑电信号。实验结果表明,HHT方法能较好地去除脑电信号中的噪声。运用评价准则比较了HHT方法和小波变换方法的消噪效果,发现HHT方法的脑电信号消噪效果优于传统的小波变换消噪,且算法的效率更高。     

振动台试验测试信号去噪的小波变换方法

本文利用小波变换下有效信号和随机噪声在多尺度空间中模极大值不同的传播特性，对地震模拟振努台试验测试信号进行去噪处理，取得良好效果。     

声-超声检测信号的消噪处理

声-超声检测信号中存在的大量系统和环境噪声,严重影响回波信号的读取。采用平均滤波和小波包变换的方法进行消噪。利用二阶Daubechies小波函数建立一小波包消噪模型,对信号进行分解重构。经过处理后,消噪效果比较明显,能更加完整地保留有用信息。     

基于小波包的振动信号去噪应用与研究

小波包分析算法对上一层的低频部分和高频部分同时进行细分,具有更为精确的局部分析能力。基于小波包变换的优良时频分析特性,论述小波包分析的基本原理,研究小波包在振动检测信号消噪处理中的应用,给出应用小波包变换对基于MSP430F449单片机的信号采集电路所检测到的振动信号进行消噪处理的实例。结果表明小波包变换的方法可以降低系统噪声影响,通过变换分解出高频噪声部分,利用小波包收缩的阈值量化方法能够更好地去掉高频部分,从而达到有效去除信号中噪声的目的。     

双树复小波和局部投影算法在齿轮故障诊断中的应用EI北大核心CSCD

齿轮故障振动信号往往表现为非线性非平稳特性,并且早期故障振动信号往往包含较强的背景噪声,不利于故障特征的提取。针对该问题,提出了基于双树复小波变换和局部投影算法的齿轮故障诊断方法。首先,对故障信号进行双树复小波变换,得到不同尺度下的小波系数和最后一层的尺度系数,并计算各层小波系数的模与相角。然后,选择模周期性较强的小波系数或尺度系数进行局部投影算法处理,得到周期性增强的系数的模,并选择合适的阈值进行软阈值处理。最后,利用处理后的系数进行双树复小波重构,从而提取出齿轮故障特征信号,进行希尔伯特包络解调分析便能准确地得到故障特征频率。仿真信号和工程应用表明,该方法能够有效地提取齿轮故障特征信息,提供了一种齿轮故障特征提取的新方法。     

邻域比较数字滤波与小波变换在脑电信号消噪中的应用

提出了邻域比较与小波变换相结合的脑电信号消噪方法,并利用这种方法对含有脉冲噪声的脑电信号进行消噪。首先介绍了邻域比较滤波的算法和小波变换消噪的原理,然后对实测的10例脑电信号进行消噪处理,最后将两种方法相结合的消噪效果与小波变换的消噪效果进行对比。实验结果表明,无论是信噪比还是均方根误差,两种方法相结合的消噪效果均优于小波变换的消噪效果。     

基于提升小波变换和AdaBoost的超声信号消噪技术

为了提高超声无损检测(UNDT)和无损评价(UNDE)中基础数据的信噪比(SNR),提出了一种基于提升小波变换和AdaBoost模式识别理论的超声信号消噪技术.该技术在研究材料内部散射体引起的结构噪声产生机理,以及分析传统裂谱分析算法局限性的基础上,利用提升小波变换将原始超声检测信号分解到小波空间后,通过采用AdaBoost算法构成的信噪分离器对信号和噪声进行识别、分离来消除噪声,得到高信噪比的超声回波信号.实验结果表明,与传统裂谱分析算法相比,该技术提高了消噪性能的稳定性,增强了湮没材料内部各种散射体散射中的缺陷回波信号能力.     

改进经验小波变换与最小熵解卷积在铁路轴承故障诊断中的应用

经验小波变换是一种小波框架下的自适应信号分解方法,对旋转机械的非线性、非平稳振动信号有很好的分解作用。针对传统经验小波变换过程中频谱划分过多的问题,提出根据互信息值对频谱进行重新划分与合并的方法,能有效减少频带数量;选择峭度值最大的分量进行信号重构,再使用最小熵解卷积对重构信号进行降噪;对降噪后的信号进行包络分析,能够有效地诊断出滚动轴承的微弱故障。通过仿真信号与铁路货车轮对轴承实验信号验证了该方法的有效性,为下一步工程应用奠定了基础。     

基于小波降噪和短时傅里叶变换的主轴突加不平衡非平稳信号分析

针对主轴运行过程中突加不平衡而产生的非平稳信号无法采用传统的傅里叶变换对信号进行分析处理的问题,提出一种采用小波降噪与短时傅里叶变换相结合对主轴振动特征信息进行准确提取的方法,该方法利用小波降噪技术对非平稳信号进行滤波处理,再对滤波处理后的信号进行重构,最后通过短时傅里叶变换精确获取主轴振动幅值,通过仿真和实验验证了该方法的有效性。     

水下爆炸作用下船体结构应变信号修正方法

提出了用小波变换对水下爆炸作用下船体结构应变信号进行畸变和漂移修正的方法,采用db8小波函数对原始信号,进行6层分解,对分解出的细节信号进行重构并对原始信号和修正信号进行功率谱分析,与传统的多项式最小二乘法和滑动平均法进行修正的结果进行了对比分析,分析结果表明:采用小波变换方法能够准确地分离出代表信号趋势的低频成分,对...     

汽轮机轮缘超声相控阵检测中缺陷方向识别

利用超声相控阵检测系统对含有裂纹缺陷的外包菌型低压汽轮机叶轮圆盘实验试块进行检测.针对超声波脉冲反射法中缺陷方向难以确定,尺寸容易误判等问题,提出一种频谱分析方法,研究线状缺陷方向变化对于超声回波的影响.对于3种倾斜角度的裂纹缺陷回波信号,分析其功率谱并进行小波包的分解和重构,用"频率-能量"的方法提取各方向缺陷回波信号的能量特征.实验结果表明,各方向缺陷回波信号的能量特征差别明显,并绘制出声束轴线与缺陷的夹角和高频带所占能量之间关系曲线.该方法实现了缺陷方向的识别,并为后续线状缺陷的准确定量提供依据.     

Research on the Signal Reconstruction of the Phased Array Structural Health Monitoring Based Using the Basis Pursuit Algorithm

The signal processing problem has become increasingly complex and demand high acquisition system, this paper proposes a new method to reconstruct the structure phased array structural health monitoring signal. The method is derived from the compressive sensing theory and the signal is reconstructed by using the basis pursuit algorithm to process the ultrasonic phased array signals. According to the principles of the compressive sensing and signal processing method, non-sparse ultrasonic signals are converted to sparse signals by using sparse transform. The sparse coefficients are obtained by sparse decomposition of the original signal, and then the observation matrix is constructed according to the corresponding sparse coefficients. Finally, the original signal is reconstructed by using basis pursuit algorithm, and error analysis is carried on. Experimental research analysis shows that the signal reconstruction method can reduce the signal complexity and required the space efficiently.     

基于NIC-DWT-WOASVM的齿轮箱混合故障诊断

由于齿轮箱中振动信号的复杂性和非平稳性,致使齿轮箱混合故障诊断工作具有一定难度。针对这一问题提出基于NIC-DWT-WOASVM的齿轮箱混合故障诊断方法。首先通过窄带干扰消除(Narrow Band Interference Canceller, NIC)滤除原始信号中齿轮啮合和转轴等窄带干扰信号,接着对信号进行离散小波变换(Discrete Wavelet Transform, DWT),重构小波系数得到小波分量,提取分量的方差作为特征参数构成特征矩阵样本。针对传统优化支持向量机收敛速度慢及容易局部最优等问题,提出鲸鱼算法优化的支持向量机(Whale Optimization Algorithm Support Vector Machine, WOASVM),运用训练样本对WOASVM进行训练得到优化分类模型,将测试样本输入到优化模型中得到诊断结果。为验证方法的有效性,开展了变工况下齿轮箱混合故障实验,通过实验分析及与其他方法的比较,证明方法对于齿轮箱混合故障诊断是有效的。     

Wavelet‐based denoising and its impact on analytical SPECT reconstruction with nonuniform attenuation compensation

In single photon emission computed tomography (SPECT), the nonstationary Poisson noise in projection data (sinogram) is a major cause of compromising the quality of reconstructed images. To improve the quality, we must suppress the Poisson noise in the sinogram before or during image reconstruction. However, the conventional space or frequency domain denoising methods will likely remove some information that is very important for accurate image reconstruction, especially for analytical SPECT reconstruction with compensation for nonuniform attenuation. As a time‐frequency analysis tool, wavelet transform has been widely used in the signal and image processing fields and demonstrated its powerful functions in the application of denoising. In this article, we studied the denoising abilities of wavelet‐based denoising method and the impact of the denoising on analytical SPECT reconstruction with nonuniform attenuation. Six popular wavelet‐based denoising methods were tested. The reconstruction results showed that the Revised BivaShrink method with complex wavelet is better than others in analytical SPECT reconstruction with nonuniform attenuation compensation. Meanwhile, we found that the effect of the Anscombe transform for denoising is not significant on the wavelet‐based denoising methods, and the wavelet‐based de‐noise methods can obtain good denoising result even if we do not use Anscombe transform. The wavelet‐based denoising methods are the good choice for analytical SPECT reconstruction with compensation for nonuniform attenuation. © 2013 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 23, 36–43, 2013     

基于小波变换的裂谱分析法

 为了提高超声无损检测（UNDT）和无损评价（UNDE）中基础数据的信噪比（SNR）,提出了一种基于小波变换多分辨率分析的裂谱分析新方法．该方法在分析传统裂谱分析（SSP）方法原理及其局限性的基础上,通过采用小波变换多分辨率分析能力将原始超声回波信号进行等Q子带分解,然后按照一定的信噪分离规则来消除噪声,达到提高信噪比的目的．实验结果表明,与传统裂谱分析方法相比,该方法提高了消噪性能的稳定性,增强了湮没晶粒(或其他散射体)散射中的缺陷回波信号能力．     

基于约束独立成分分析的轴承复合故障特征提取方法

为从复合故障信号中提取各故障特征,提出一种离散小波变换(DWT)和约束独立成分分析(CICA)相结合的单通道复合故障诊断方法。首先通过DWT方法将单通道振动信号进行小波分解后,利用小波重构函数重构各层分解信号。然后取重构信号的包络信号作为CICA算法的输入矩阵,基于滚动轴承先验知识建立参考信号,从而分离出轴承各故障信号,提取故障特征。最后,在滚动轴承故障模拟实验台上进行了方法验证。结果表明:该方法可有效分离滚动轴承外圈和滚动体故障,实现了轴承复合故障的诊断。     

基于小波包和LMS自适应降噪的柴油机振动诊断

由于柴油机振动信号的特征频带和噪声频带存在重叠现象,利用小波阈值消噪时难以选取合适的小波阈值,针对该问题提出一种基于小波包的LMS自适应滤波降噪方法。该方法将小波包与LMS自适应滤波相结合,首先利用小波包变换对信号进行多层分解,然后以噪声干扰对应尺度上的第一层“细节”分量及最大分解尺度上的逼近分量重构信号,将重构后的信号作为LMS自适应滤波器原始输入信号,再以小波包最大分解尺度上的高频细节信号作为自适应抵消器的参考输入信号,进行LMS自适应滤波降噪处理。仿真计算和工程应用表明,该方法参数设置较少,易于控制,不涉及小波阈值降噪中阈值的选取问题,对比试验信号的分析验证了方法的有效性,将该法应用在柴油机振动诊断中提高了故障识别率。