EMD和FSWT组合方法在爆破振动信号分析中的应用研究

针对传统经验模态分解EMD时频分析功能不足的缺陷,提出了基于经验模态分解EMD和频率切片小波变换FSWT组合的爆破振动信号分析方法。对实际工程采集到的爆破振动信号进行EMD分解,根据相关性系数确定优势分量实现信号重构,并获取重构信号全频带FSWT时频特征。利用FSWT逆变换能切割任意频率区间的特点,将重构信号选择时间、频率切片区间进行了更为细化时频特征提取。研究了EMD-FSWT组合方法、Hilbert-Huang变换(HHT)、小波变换(WT)三种方法的消噪滤波效果,并与短时Fourier变换(STFT)、重排平滑Wigner-Ville分布(RSPWVD)两种传统时频方法进行了对比。分析结果表明:EMD-FSWT组合方法,对瞬态信号在时频域上的分辨率更高,消噪和滤波效果好,适于对爆破振动信号进行更为精细化的时频特征分析。     

一种新的窄带信号去噪方法仿真分析

采用基于线性组合器的一种谱线增强算法,对窄带振动信号进行消噪处理。针对传统自适应谱线增强算法的不足,本文提出一种输出反馈的LMS算法,将滤波器输出的历史信息与线性组合器的输出加权后迭加,构成新的滤波器输出,从而构成新的滤波算法。利用MATLAB仿真了该新型组合滤波器消噪效果,仿真分析中将该消噪方案用于仿真信号实际采集的信号。通过仿真验证,新算法的去噪性能优于原来算法。     

基于小波系数变换的小波阈值去噪算法改进

小波阈值去噪是近年兴起的一种较好的去噪算法,其一关键点在于准确的选取阈值将细节信号和噪声信号区分开来。提出了一种算法对小波系数进行变换,将难以区分信号和噪声的区域放大,以利于阈值的选取,从而达到改进小波阈值去噪的目的。通过使用传统阈值去噪算法和该改进算法进行仿真,结果表明改进算法对去噪指标SNR、SME（平均方差）都有所改善。另外本文实验也表明改进算法可以更好的去除噪声,且较好的重现原信号的细节特征。     

基于噪声水平自适应估计的往复压缩机振动信号局部投影降噪方法

局部投影降噪算法在其应用过程中,邻域的选择对降噪效果有较大影响。提出了改进算法以解决传统算法中邻域难以选取的问题。该方法利用小波包分解技术,依据频带能量的差异将原始信号分解为噪声频带和系统信号频带,将噪声频带能量占原始信号能量的比值估计为噪声水平。在一定程度内逐步增加分解层数,直至该噪声水平收敛。根据收敛时的噪声水平估计相空间中相点的邻域半径,此外利用该噪声水平可实现对原始信号的盲信噪比估计。对含噪的Lorenz和Rossler序列进行数值仿真,结果表明该方法的降噪效果优于一些传统方法和基于定量递归分析的局部投影降噪算法。对实测往复压缩机振动信号的降噪研究,进一步表明了该方法的有效性。     

基于改进形态-小波阈值降噪的轴承复合故障声学诊断

现场采集的滚动轴承复合故障声学信号存在噪声来源复杂、背景噪声强、非线性等特点,导致已知的自适应多尺度形态滤波不能很好的适用于轴承复合故障的盲分离。针对上述问题,提出一种基于改进的自适应多尺度多结构形态滤波(IAMSCMF)、改进的小波阈值降噪方法(IWTDM)和稀疏量分析(SCA)相结合的滚动轴承复合故障特征盲提取方法。首先利用IAMSCMF和IWTDM构造滤波器进行滤波及提高信噪比(SNR);其次利用SCA分离信号;最后用FFT进行频谱分析。仿真分析和滚动轴承现场采集声学信号分析结果均清晰的提取出了轴承故障特征,验证了算法的有效性。     

基于新的模态单元滤波消除地震信号中的汽车噪声

由于地震信号采集环境和采集仪器存在干扰,采集到的地震波形中通常包含很多噪声信号,严重影响了地震信号的应用。模态单元滤波（Mode Cell Filter：MCF）无需先验基函数,是一种自适应的消噪算法。本文将MCF引入到地震信号消噪中,提出了一种基于MCF的汽车干扰消除算法,并设计对仿真信号和实际信号的消噪试验。仿真试验中,MCF消噪性能优于最优小波基算法,而在实际信号消噪中,MCF算法性能优于IIR数字滤波器,与改进最优小波基方法相当。     

基于ICA-CEEMD小波阈值的传感器信号去噪

针对传感器在采集信号时混入不同的噪声,提出一种基于ICA-CEEMD小波阈值的组合去噪算法。该方法是对一维含噪信号进行剪切分段、平移和拼接,得到几个不同的含噪信号作为独立分量分析(ICA)的输入通道信号。通过ICA的盲源分离技术使得信号和噪声进行初步分离。再利用互补集合经验模态分解(CEEMD)对分离信号进行分解去噪,由于不同的高频和低频噪声,需要对分解的高阶和低阶固有模态函数(IMF)进行处理。对第一层和最后一层IMF利用3σ原则提取细节信息,进一步抑制模态混叠影响,重构去噪信号。最后,利用小波阈值对重构信号做去噪处理,提升去噪效果和性能指标。为验证该方法的有效性,进行了仿真和中北大学汾机实测实验,结果表明,该方法在去噪效果和性能指标上都优于小波软阈值去噪和基于CEEMD的小波阈值去噪方法,是一种有效的信号去噪新方法。     

一种新的小波阈值函数及其在振动信号去噪分析中的应用

摘要：研究一种新的小波收缩阈值函数用于信号的去噪分析,对比分析了硬阈值、软阈值和新收缩阈值函数的优缺点,给出了收缩阈值函数法中的阈值计算详细过程,基于虚拟仪器LabVIEW构建检测齿轮箱系统的振动与噪音检测系统,在MATLAB平台上利用收缩阈值方法开发了对齿轮箱振动和噪声信号进行去噪处理的软件,试验数据的分析表明：基于新的小波阈值函数的信号降噪分析方法去噪效果明显,且保留了原始信号的细节特征,是一种较传统经典去噪手段更为优越的方法,具有较高的实用价值。
     

调制FFT及其在离散频谱校正技术中的应用

提出了一种调制快速傅立叶变换(FFT),通过时域调制对实信号进行移频,打破频域内的对称性,再进行传统的FFT.该算法克服了直接进行FFT计算结果有一半冗余的缺点.将频率分辨率提高了一倍.提高了频率定位的精确度,从而减小了最大的幅值和相位误差,并进一步提高了抗噪性能.以比值校正法和相位差法为例,将调制FFT应用到离散频谱校正技术中,解决了基于FFT的离散频谱校正方法由于噪声影响而出现的一些问题,进一步提高了校正精度和抗噪性能.理论分析和Monte Carlo计算机模拟实验验证了上述结论的正确性.     

高阶局部投影算法及其在滚动轴承故障诊断中的应用

针对局部投影降噪算法中邻域相点的质心选取问题,分析了邻域质心的选取对降噪效果所产生的影响。提出了一种高阶邻域质心的选取方法,利用高阶多项式对邻域质心进行了更为精确地估计,更好地适应了吸引子的几何形状,进一步抑制了噪声,提升了局部投影算法的降噪效果。通过数值仿真信号进行了验证,并与同样基于相空间重构的非线性时间序列降噪方法做了对比,说明了高阶局部投影算法的优越性。最后将其运用于工业现场的风机轴承故障诊断中,从频域成功地提取出了滚动轴承的故障特征。     

基于自适应均值的图像滤波算法

目的为了提高激光三维成像系统中的图像质量,有效滤除图像中噪声,提出一种自适应均值漂移的图像滤波算法。方法在传统算法基础上对均值漂移滤波算法进行改进,选取领域内像素的均方差为控制参量对带宽矩阵h大小进行自适应调控。根据宽带矩阵h的大小,选择合适的像元值参与到计算均值过程中,以提高结果的计算精度。结果实验结果表明改进后的算法能够有效滤除图像中的噪声,提高图像清晰度。结论该算法具有良好的保边去噪特性。     

基于模糊控制的小波包多阈值语音减噪新算法

在分析小波包传统阈值去噪算法的基础上,提出了一种基于模糊控制的小波包多阈值语音减噪新算法。该算法采用改进的多阈值选取方式来代替传统的阈值选择;应用一种新阈值函数对经小波包变换后的最底层频率系数进行量化处理以确保噪声尽可能地被滤除;模糊控制器可用于对信号中的幅值跳变以及边缘粗糙等问题进行优化与修正。综合以上3种方法即可自适应地进行语音增强处理。经实验结果验证,与传统阈值算法相比,该算法能够最大程度地还原纯语音信息,有效提高了语音去噪的准确度与信噪比。     

泡罩药品包装视觉检测系统图像滤波算法

目的有效滤除泡罩药品包装视觉检测系统中的图像噪声,以保证后续泡罩包装药品的图像分割、特征提取等任务顺利开展。方法分析引导滤波的数学模型,并在此基础上对其进行改进,提出一种自适应高斯引导的新型泡罩药品包装图像滤波算法。采用更加理性的参数优化算法,且用高斯窗口来代替传统的盒窗口。结果自适应高斯引导滤波算法能够有效滤除图像中的噪声,同时最大程度地保留原始图像中的边缘和细节等信息。结论该算法对后期泡罩药品包装的图像处理和分析有一定的指导意义。     

Moore响度的三种计算方法

简单介绍了Moore响度模型的计算过程,针对该模型以参数化方式输入信号频谱的特点,提出了直接FFT(快速傅里叶变换)频谱算法、FFT校正频谱算法和1/3倍频程谱算法等3条Moore响度计算路线,分析对比了3种不同算法对典型信号响度计算精度的影响。分析结果表明:对纯音或复合音信号,可采用FFT校正频谱算法或点数为4096的直接FFT频谱算法计算响度;对带宽较宽的噪声信号,建议采用1/3倍频程谱计算响度。     

换挡加速度信号的EMD和小波阈值降噪方法

针对采集的换挡工况加速度信号中存在的噪声对换挡品质评价指标值提取的准确性和复杂性产生较大影响的问题,提出一种基于经验模态分解(EMD)和小波阈值方法结合的信号降噪方法。首先利用EMD将含噪的原始信号分解为有限个本征模态函数(imf)分量,然后对高频imf分量进行小波阈值降噪,并将降噪后高频分量和低频分量利用EMD进行重构得到降噪后的信号。最后对某一换挡工况的加速度信号进行降噪试验。试验结果表明,在换挡加速度信号降噪方面,基于EMD和小波阈值的降噪方法与传统的EMD分解降噪、小波阈值降噪相比,能够更好地保留原始信号特征形态,降噪效果更明显。该方法为换挡加速度信号的降噪处理提供了一种可行的思路,为后续整车驾驶性评价创造了条件。     

Robust brain MRI denoising and segmentation using enhanced non‐local means algorithm

Image denoising is an integral component of many practical medical systems. Non‐local means (NLM) is an effective method for image denoising which exploits the inherent structural redundancy present in images. Improved adaptive non‐local means (IANLM) is an improved variant of classical NLM based on a robust threshold criterion. In this paper, we have proposed an enhanced non‐local means (ENLM) algorithm, for application to brain MRI, by introducing several extensions to the IANLM algorithm. First, a Rician bias correction method is applied for adapting the IANLM algorithm to Rician noise in MR images. Second, a selective median filtering procedure based on fuzzy c‐means algorithm is proposed as a postprocessing step, in order to further improve the quality of IANLM‐filtered image. Third, different parameters of the proposed ENLM algorithm are optimized for application to brain MR images. Different variants of the proposed algorithm have been presented in order to investigate the influence of the proposed modifications. The proposed variants have been validated on both T1‐weighted (T1‐w) and T2‐weighted (T2‐w) simulated and real brain MRI. Compared with other denoising methods, superior quantitative and qualitative denoising results have been obtained for the proposed algorithm. Additionally, the proposed algorithm has been applied to T2‐weighted brain MRI with multiple sclerosis lesion to show its superior capability of preserving pathologically significant information. Finally, impact of the proposed algorithm has been tested on segmentation of brain MRI. Quantitative and qualitative segmentation results verify that the proposed algorithm based segmentation is better compared with segmentation produced by other contemporary techniques.     

Image Denoising with Adaptive Weighted Graph Filtering

Graph filtering, which is founded on the theory of graph signal processing, is proved as a useful tool for image denoising. Most graph filtering methods focus on learning an ideal lowpass filter to remove noise, where clean images are restored from noisy ones by retaining the image components in low graph frequency bands. However, this lowpass filter has limited ability to separate the low-frequency noise from clean images such that it makes the denoising procedure less effective. To address this issue, we propose an adaptive weighted graph filtering (AWGF) method to replace the design of traditional ideal lowpass filter. In detail, we reassess the existing low-rank denoising method with adaptive regularizer learning (ARLLR) from the view of graph filtering. A shrinkage approach subsequently is presented on the graph frequency domain, where the components of noisy image are adaptively decreased in each band by calculating their component significances. As a result, it makes the proposed graph filtering more explainable and suitable for denoising. Meanwhile, we demonstrate a graph filter under the constraint of subspace representation is employed in the ARLLR method. Therefore, ARLLR can be treated as a special form of graph filtering. It not only enriches the theory of graph filtering, but also builds a bridge from the low-rank methods to the graph filtering methods. In the experiments, we perform the AWGF method with a graph filter generated by the classical graph Laplacian matrix. The results show our method can achieve a comparable denoising performance with several state-of-the-art denoising methods.     

Measuring power system harmonics and interharmonics by an improved fast Fourier transform-based algorithm

The fast Fourier transform (FFT) has been widely used for the signal processing because of its computational efficiency. Because of the spectral leakage and picket-fence effects associated with the system fundamental frequency variation and improperly selected sampling time window, a direct application of the FFT algorithm with a constant sampling rate may lead to inaccurate results for continuously measuring power system harmonics and interharmonics. An improved FFT-based algorithm to measure harmonics and interharmonics accurately is proposed. In the proposed algorithm, a frequency-domain interpolation approach is adopted to determine the system fundamental frequency, and the interpolatory polynomial method is applied to reconstruct the sampled time-domain signal; it is followed by using the FFT to calculate the actual harmonic components. Then, the frequency-domain interpolation is again applied to find the interharmonic components. The performance of the proposed algorithm is validated by testing the actual measured waveforms. Results are compared with those obtained by directly applying a typical FFT algorithm and by the IEC grouping method. It shows that the solutions determined by the proposed algorithm are more accurate, and a reasonable computational efficiency is maintained.     

水下单边带语音多通道增强技术

船舶噪声是影响水下语音通信质量的主要因素。为了提高单边带语音信号的信噪比和语音质量,采用多通道自适应增强算法对语音信号进行研究。该算法运用自适应信号增强技术,具有运算量小、易实时实现、消噪效果显著等优点,并且能够有效利用不同换能器接收到的信息。从理论上对该算法进行了分析,并结合海试数据进行验证。结果表明,低信噪比、非平稳噪声环境下,该算法有效抑制了接收信号中的尖锐噪声,并且当系统收敛时,使其趋于白化,明显提高了系统的输出信噪比,显著改善了语音质量,在性能上明显优于传统的信号相干叠加算法。     

基于复解析带通滤波器的复调制细化谱分析的算法研究

在采用复解析带滤波器宽度为fs／2D、隔D点选抽一点、移频和作N点谱分析的方法进行细化谱分析的原理基础上，研究了基于复解析带通滤波器复调制细化谱分析的算法。讨论了算法的核心部分－复解析带通滤波器的构造，滤波器外扩的原理，一级选抽及二级选抽滤波器的设计。仿真研究表明，采用一级FIR数字滤波器，当半阶数为500时，最大细化倍数可达150，仍能保证幅值分析误差在1％以内，采用二级FIR滤波器最大细化倍数可达2000倍以上，运算速度也有较大幅度的提高。