基于偶树复小波和改进型阈值函数的降噪方法 及其应用

为更好地保留原有用信号信息,有效恢复强噪声背景下微弱故障信号,提出了一种基于对偶树复小波和改进型阈值函数的降噪方法,将其应用于机械故障诊断,取得了较好效果。运用对偶树复小波变换滤波器设计方法和改进型阈值函数,以实施降噪的具体步骤。该法充分利用了对偶树复小波变换的平移不变的优良特性,同时,改进型阈值函数与传统软、硬阈值降噪算法相比,克服了软阈值信号失真和硬阈值信号不连续、振荡等缺点。实验表明：此法有效去除了噪声,是一种较好的提取微弱故障信号的方法。     

分层自适应小波阈值轴承故障信号降噪方法

针对轴承振动信号易受到噪声干扰的问题,提出了一种分层自适应小波阈值降噪方法。首先将轴承振动信号进行小波分解,获得各分解层的小波系数;之后保留低频信号的小波系数,对高频信号的小波系数进行分层自适应阈值处理;最后将阈值处理后的小波系数进行小波重构,得到降噪后的信号。通过构建一种在阈值处连续且在小波域内可导的分层自适应阈值函数,可以改进传统阈值函数重构偏差和过度降噪的缺陷。轴承故障仿真信号的降噪实验结果表明,该方法的信噪比和均方根误差均优于其他方法,有更好地降噪效果;机械故障模拟实验台的轴承故障信号降噪实验结果表明,该方法在降噪的同时保留了更多的故障信息,能够有效提升故障诊断率,更有利于轴承故障信号的降噪。     

基于Shannon熵的自适应小波包阈值函数去噪算法研究

小波包去噪算法的关键问题在于对信号进行去噪时,如何有效地消除噪声且尽可能地保留原始信号的小波包系数。传统阈值函数由于无可调节参数,其去噪形式固定,无法根据小波包分解系数的噪声成分自适应地进行调整,去噪效果有待提升。据此,将Shannon信息熵作为调节参数引入小波包阈值函数中,提出一种基于Shannon熵的自适应小波包阈值去噪算法,对信号进行小波包分解并计算最大分解尺度小波包系数的Shannon熵值,依据该值对阈值函数进行调整,以实现在强噪声背景下对小波包系数进行大尺度的收缩,而在弱噪声背景下实现阈值收缩的平滑过渡。采用该方法对仿真信号与轴承振动实验信号进行去噪分析,并与其它小波包阈值去噪算法相对比,结果表明该方法去噪效果更好且在滤除噪声的同时有效地保留了信号的原始特征。     

改进的小波阈值函数滤波分析

小波分析作为一种优秀的时频分析方法，越来越多地应用于信号、图形处理以及故障诊断等领域。在噪声处理领域，基于小波变换的阈值函数较多，但效果不一。基于二进小波变换，在Sigmoid函数基础上，建立介于软硬阈值函数之间新的阈值函数，即通过改变新阈值函数中不同的参数，能够不同程度地逼近软硬阈值函数。从应用不同阈值函数对六种噪声信号滤波效果分析可知，采用改进的阈值函数能够使滤波后的信号在提高信噪比的同时，更接近于真实信号。     

多小波阈值降噪法在钢丝绳缺陷检测中的应用

在介绍多小波理论和分析传统多小波阈值函数存在的问题的基础上,提出了一种新的多小波阈值函数. 详细地讨论了该函数的数学性质,该函数对大于阈值的小波系数采取缓变的压缩策略,压缩量随着小波系数的增大而减小. 将其应用于钢丝绳缺陷信号的降噪中,与传统多小波阈值函数的降噪进行了比较. 实验结果表明,该阈值函数降噪后重建信号的信噪比(SNR)高,能检测到钢丝绳缺陷信号中的全部小奇异点,其降噪效果优于传统多小波阈值函数法.     

基于改进阈值函数的小波去噪算法研究

针对用小波变换进行信号去噪的阈值函数设定问题,在传统软、硬阈值函数去噪的基础上,提出一种改进的阈值函数方法,并与极大重叠离散小波包变换相结合,从而得到一种改进阈值函数的小波去噪方法。[Matlab]仿真结果表明：去噪方法提高了重构信号的信噪比,有效除去噪声,且保留原始信号的细节特征,是一种较好的信号消噪方法,在股票去噪中具有较高的实用价值。     

基于改进小波阈值函数的安全阀排放声信号降噪

在安全阀测试中,安全阀排放声信号是检验阀门是否合格的重要信息来源。鉴于安全阀排放声信号易受到周边机械系统噪声的干扰,影响测试的准确性,利用指数型函数的衰减特性,提出一种改进的自适应小波阈值降噪方法。在不同尺度上根据小波分解的噪声水平自适应的选取最佳阈值;构建一种在阈值处连续的阈值函数,引入调节因子,优化了传统阈值函数过度降噪、不连续等缺陷。采用该方法分别对仿真信号与安全阀实测信号进行降噪分析,并与传统小波阈值降噪、低通Butterworth滤波降噪进行对比。结果表明该方法降噪效果更好,验证了改进降噪方法的有效性。     

双小波非凸稀疏正则化去噪算法研究

针对航空发动机ECT滑油监测数据在采集传输过程中易受噪声干扰而影响数据有效特征提取的问题,提出了一种双小波去噪算法。在2个小波域下对数据进行分解,通过阈值函数进行滤波,利用小波系数的分布差异,迫使2个小波域下的去噪信号相同,反正切函数作为罚函数,得到更加稀疏的系数表达。实验结果表明:与传统的小波去噪方法相比,连续信号和阶跃信号的平均信噪比提高了约2.3dB和4.2dB,去噪效果得到优化。     

基于峭度的阈值降噪方法及其在振动信号分析中的应用

分析了常用的小波去噪方法,在此基础上提出了一种基于振动信号峭度的阈值降噪方法。阈值大小取决于不同尺度上故障信号的小波分解系数。在综合了软、硬阈值函数的优点的基础上提出了一种新的参数可调阈值函数。与常用小波去噪方法进行了对比分析,结果表明该方法有效的提取信号中冲击成分,为正确识别故障特征提供了有力保证。     

汽机监测信号小波消噪的改进算法研究

文章针对传统软阈值法、硬阈值法和现有折中算法的缺点,提出了一种基于软硬阈值改进折中算法。与传统的软硬阈值算法相比,其阈值函数具有更加灵活多变的形式,便于进行各种数学处理,同时它克服了硬阈值函数不连续的缺点,减小了软阈值函数中的估计小波系数与分解小波系数之间存在的恒定偏差。通过仿真实验结果表明,改进算法的消噪性能优于传统软阈值法和硬阈值法,同时将此算法应用于实际的振动信号消噪处理,进一步证明了提出的改进算法的有效性。     

采用离散余弦变换的小波图像去噪方法

提出一种通过对小波域中噪声能量的估计来进行去噪的新方法。算法采用离散余弦变换(DCT)提取小波系数的主要特征,无需对噪声方差进行估计。对图像进行小波分解,利用 DCT对高频子带进行局部特征提取;利用部分 DCT 系数对小波系数进行重建,并以重建系数的平均能量作为局部噪声能量的估计;去除原小波系数中的噪声分量后,进行小波逆变换,得到去噪后的图像。实验证明,其峰值信噪比(PSNR)比通常的阈值萎缩法提高了 2-4dB。     

基于改进小波阈值去噪的深度学习水下目标分类

由于海洋环境噪声复杂,噪声等级高,水下待识别目标信噪比低,从而造成了特征提取困难,目标识别率低的问题。基于此,文章提出了基于改进小波阈值的深度学习水下目标分类方法。此方法在传统小波阈值去噪的基础上提出了一种新的小波阈值函数,对于所采用的具体阈值将其与分解尺度相联系,从而实现降低背景噪声,提升水下目标分类识别率的目的。此方法对实测舰船辐射噪声信号进行小波分解,提取每一层的高频小波系数并对其进行处理;对处理完的信号再提取时频特征,最后将其输入后续的深度学习网络中。实验结果发现：在利用原有数据集情况下,利用基于改进小波阈值的深度学习进行水下目标的分类识别,采用卷积神经网络算法可达到88.56%的分类识别率。对前述实验结果进一步分析后,采用生成对抗网络的方法扩充数据样本,可达到96.673%的分类识别率。     

双正交小波弱目标提取

Haar小波边缘提取对弱小目标和噪声很难辨别,双正交小波继承了haar小波的优点,其滤波器系数比haar小波更长,所以双正交小波抗噪性强。提出采用双正交小波提取弱目标边缘,利用形态学滤波消除边缘提取后的孤立点噪声。实验结果表明:当目标对比度下降到一定程度时,sobel算子和haar小波无法提取出弱目标,此时双正交小波提取目标效果较好;对同一组图像序列采用不同算子边缘提取后,haar小波相关度在0.75~0.85,sobel为0.8~0.85,双正交小波为0.85~0.95,双正交小波目标提取稳定可靠,速度快。     

小波域降噪方法及其在历史音频保护中的应用

提出基于小波包变换的自适应多阈值音频降噪法,从小波包最佳分解树的各个终端结点选择不同的最佳阈值。而最佳阈值的选取是基于贝叶斯理论,并且采用折中阈值函数。实验和应用表明,相比小波包全局阈值降噪算法,此种降噪方法能使降噪后的音频保留尽可能多的原始音乐信号,较好地适合听众的听觉效应,满足历史音频资料数字化保存的需要。     

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。     

桥梁健康监测采样信号 EMD小波相关降噪研究

为了进一步降低桥梁健康监测采样信号的噪声水平,根据其信号特征,在传统EMD小波阈值降噪算法的基础上,提出一种改进的降噪算法,称为EMD小波相关降噪算法。该算法综合了EMD、小波变换和相关检测三种方法的优点,首先对各阶IMF小波降噪前后的分量分别进行整体和局部相关检测,并以前三阶整体相关系数的均值作为降噪阈值,最后进行局部相关阈值降噪,得到降噪后的信号。将该算法与EMD小波阈值降噪和小波默认阈值降噪算法进行数值仿真和有限元仿真试验对比,结果表明,提出的EMD小波相关降噪算法具有更好的降噪效果,能够用于桥梁健康监测采样信号降噪处理。