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。     

频域组稀疏滚动轴承特征提取方法

针对时域非平稳振动信号模式混叠、信噪比低,以及传统稀疏表示算法模型复杂、优化求解算法难以确定,导致故障特征提取难的问题,提出了频域组稀疏和群桥约束改进迭代收缩阈值优化的故障特征提取方法（Group Sparse Representation in Frequency Domain,GSRF）。将振动信号转换至频域并对变量分组,构造施加群桥约束的最小二乘回归模型,准确筛选冲击相关变量;引入迭代重加权系数简化方程,以软阈值收缩优化求解频域稀疏信号;对重构的时域稀疏信号进行包络频谱分析提取故障特征。试验结果表明,提出的频域组稀疏算法优于传统的结合L21范数约束的组稀疏索套方法,可有效提取微弱故障特征,实现稀疏域下的轴承故障诊断。     

采用BP神经网络优化的振动信号压缩感知方法

无线传感网络逐渐应用于结构健康监测,但是因能耗问题难以实现长期、高频的数据采集工作。压缩感知技术可利用少量的采样点重构原始信号,有望降低无线传感网络的能耗。实测振动信号因受到噪声干扰而导致稀疏性有限,常用于压缩感知的LASSO算法难以精确求解稀疏系数,进而影响振动信号重构效果。引入BP神经网络优化LASSO算法解得的稀疏系数,BP神经网络经ADAM优化算法训练后,可有效提升振动信号重构精度。用三层框架结构的模拟加速度数据和广州塔的监测加速度数据验证方法的有效性,并探讨了正则化参数和优化迭代次数的影响。结果表明,基于BP神经网络优化的压缩感知方法的信号重构效果在不同压缩率下均优于非优化的压缩感知方法。     

OVMD-MPE群稀疏全变分去噪算法研究

轴承振动数据在采集过程中易受噪声干扰,无法有效突出微弱局部故障脉冲,从而影响轴承故障诊断效率.针对这一问题,提出了一种OVMD-MPE的群稀疏全变分去噪算法.首先,利用变分模态分解分解信号,再利用蚱蜢优化算法获得变分模态分解的最优参数;然后,计算各模态分量的经验模态分解,分离出噪声主导分量和有用分量;最后,通过群稀疏全...     

基于波原子变换的三维地震信号盲去噪

基于波原子变换的三维地震信号盲去噪算法,利用基于块的噪声估计算法估计信号噪声,采用循环平移处理信号并进行波原子变换,利用估计的噪声标准差按不同尺度分层设置阈值并进行修正,再采用改进的阈值函数处理波原子变换系数,进行波原子反变换与逆循环平移,得到去噪后三维地震信号。对含噪的合成与实际地震信号去噪,并与小波、双树复小波、曲波及传统波原子变换的去噪结果对比;结果表明,该算法较其它对比算法有明显优势,且随含噪量的增加,去噪优势愈加明显。从输出信噪比、均方误差以及峰值信噪比等评价指标可知,基于波原子变换的三维地震信号盲去噪算法去噪效果最佳,其次为传统波原子变换算法,然后为曲波变换与双树复小波变换算法,传统小波变换算法的去噪效果最差。     

基于小波基稀疏信号特征提取的轴承故障诊断EI北大核心CSCD

轴承弱故障振动信号中的瞬态成分极易被强背景噪声湮没而无法及时检测,结合稀疏表示原理提出一种基于小波基的稀疏信号特征提取方法,从而实现信号中瞬态特征成分的提取。通过构建原始信号瞬态成分稀疏表示模型,对原始信号采用相关滤波法获取最优小波原子,并构建最优冗余小波基底,实现小波基与信号故障特征的最优匹配;设计二次严格凸函数并运用优化最小(Majorization Minimization,MM)算法求解模型中的目标函数,将信号中的瞬态冲击成分转化为稀疏表示系数,实现强背景噪声下弱特征的有效提取。仿真信号及轴承微弱故障试验验证了该方法能有效地检测和提取强背景噪声下的微弱瞬态成分。     

基于最大相关熵准则的水下生物脉冲噪声消除方法

近海生物噪声表现为脉冲噪声,这一类噪声显著降低了水声通信系统的性能。结合水声信道的稀疏特性,提出一种基于最大相关熵准则的级联滤波器算法,该算法实现了脉冲噪声的消除及稀疏信道估计。第一级自适应滤波器完成对噪声的消除工作,第二级滤波器对去噪后的信号进行稀疏信道估计。该方法的优势在于无需知道信号和噪声的相关信息。仿真结果表明,提出的方法比单一的滤波器结构和传统信道估计算法性能更加优越。     

稳健稀疏反褶积方法研究

地震勘探数字信号处理领域中一个重要而基本的方法是地震信号的反褶积方法.在地震数据的采集过程中往往会遇到异常点的干扰,这种干扰严重影响了利用反褶积方法对真实反射系数与地震子波的重构效果.本文在Canadas等人提出的针对高斯噪声的贝叶斯反褶积数学框架的基础之上,提出一种能够克服异常点干扰的稳健稀疏反褶积方法.新方法针对具有重尾分布的异常点噪声与稀疏的反射系数建模,并使用交替迭代与线性规划的算法求解.最后,通过实验证明该方法在克服异常点噪声的基础上,能实现对地震子波与反射系数的同步估计,所得到的估计有效地消除了重尾分布异常点噪声的影响,提高了地震信号反褶积处理的精度.这也能证明所提算法是收敛的,并且模型是有效的.     

微弱裂纹信号的稀疏编码提取

针对重大技术装备中关键基础部件早期裂纹信号提取困难这一问题,提出一种基于独立分量分析（ICA）的稀疏编码收缩（SCS）去噪方法,即采用泛化高斯模型（GGM）在ICA空间中估计信号独立系数的概率密度函数（PDF）,并利用最大后验（MAP）估计方法进行非线性去噪的微弱信号提取方法。通过对不同信噪比的含噪微弱裂纹信号的提取研究,结果表明,此方法能提取出输入信噪比低于-27dB的微弱信号,且波形与频谱均能较好的和原信号保持一致。同时,其去噪效果远远好于小波降噪方法,是一种较好的微弱信号提取方法。     

基于改进极限学习机的水轮机运转状态识别

针对水轮机远程运行状态监测困难的现状，提出了基于模拟退火算法的粒子群算法(simulated annealing algorithm-particle swarm optimization, SA-PSO)优化极限学习机(extreme learning machine, ELM)的方式，建立水轮机运转状态识别模型SA-PSO-ELM。对水轮机信号进行互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)获得IMF分量，引入皮尔逊相关系数计算各个IMF分量与水轮机信号的相似度，判断信号主导模态和噪声主导模态的分界点，用小波去噪对噪声主导模态降噪，并与其余的IMF分量重构得到去噪信号，同时对去噪后的信号进行分解，计算每个IMF分量的排列熵，构建特征向量。由于SA-PSO精度高不易陷入局部最优的特点和ELM的性能受权值、阈值共同影响的特点，用SA-PSO优化ELM的权值和阈值，构建水轮机运转状态识别模型SA-PSO-ELM。对不同工况下采集的水轮机压力脉动数据，分析了基于PSO-ELM、ELM及SA-PS...     

最大相关峭度解卷积结合稀疏编码收缩的齿轮微弱故障特征提取

针对强背景噪声环境下齿轮早期故障诊断问题,提出了最大相关峭度解卷积结合稀疏编码收缩的微弱故障特征提取方法。由于最大相关峭度解卷积算法的处理结果同时受滤波器长度参数及解卷积周期参数的影响,为自适应地实现最佳的解卷积效果,利用粒子群算法优良的寻优特性,对最大相关峭度解卷积算法的最佳影响参数组合进行搜索。原故障信号经影响参数优化的最大相关峭度解卷积算法处理后,冲击特征会明显增强,为剔除剩余噪声,对所获解卷积信号做进一步稀疏编码收缩降噪处理,并通过分析降噪信号的包络谱来识别故障特征频率成分。实例分析结果验证了该方法的有效性和可靠性。     

结合阈值去噪与边缘优化的图像增强算法

针对图像在传输过程中容易出现干扰的问题,该文通过研究图像的增强技术,通过对比分析,提出了一种结合阈值去噪与边缘优化的图像增强算法,该算法结合小波Contourlet 变换与人眼的视觉固有特性,有效地对分解后的图像系数进行分类,并结合改进边缘优化算法的增益因子来优化边缘区信号;而非边缘区采用改进后的软阈值去噪算法进行去噪处理.经实验,该算法具有准确性高与去噪能力强的特性,能够在去噪的同时有效保护边缘信号,与预期目标相符,具有一定的实用价值.     

小波阈值去噪法在超声信号处理中的应用研究

研究了小波阈值去噪方法在超声信号处理中的应用.在对用超声方法测得的信号进行去噪处理的过程中,探索了不同的小波基和阈值选取准则对阈值去噪结果的影响.通过对去噪信号的图形以及统计特性的分析和比较,选用Sym小波系中的Sym8小波和“Minimaxi”阈值选取准则对测得的信号进行去噪处理.实验结果表明：小波阈值去噪方法在超声检测去噪中能够取得较好的效果.     

基于PCNN区域分割的图像邻域去噪算法

针对小波图像去噪方法中使用的NeighShrink方法,本文提出了一种有效的保护图像边缘的图像去噪算法.主要改进了NeighShrink方法中固定的邻域范围,根据图像自身的性质,自适应分割成不同的邻域对图像进行去噪处理;并进一步结合小波层内相关性,对各个不规则邻域加上固定的窗口,选择了几何距离更为接近且在同一不规则邻域内的系数,以完善NeighShrink方法.该算法采取平稳小波对含噪图像进行分解,以保持相位不变性,并对低频子带利用脉冲耦合神经网络模型进行图像分割,按照一定的规则将性质相似的像素点相接,得到原图像分割后的信息.在处理过程中利用得到的分割信息对边缘予以保护.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的边缘信息,是一种有效的去噪方法.     

语音消噪应用研究

从时域与频域对比研究了低信噪比语音消噪问题,时域采用LMS自适应消噪,频域分析选用小波技术,对两种消噪方法进行了系统全面的分析,对比讨论了各自的优势及不足,对实际信号进行了仿真消噪并与原始语音取样信号相比较,研究表明选用消噪方法对低信噪比语音消噪是明显有效的,LMS自适应消噪及小波消噪具有很强的实际应用价值。     

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。     

Improving performance of wavelet-based image de-noising algorithm using complex diffusion process

Abstract

Image enhancement and de-noising is an essential pre-processing step in many image processing algorithms. In any image de-noising algorithm, the main concern is to keep the interesting structures of the image. Such interesting structures often correspond to the discontinuities (edges). In this paper, we present a new algorithm for image noise reduction based on the combination of complex diffusion process and wavelet thresholding. In the existing wavelet thresholding methods, the noise reduction is limited, because the approximate coefficients containing the main information of the image are kept unchanged. Since noise affects both the approximate and detail coefficients, the proposed algorithm for noise reduction applies the complex diffusion process on the approximation band in order to alleviate the deficiency of the existing wavelet thresholding methods. The algorithm has been examined using a variety of standard images and its performance has been compared against several de-noising algorithms known from the prior art. Experimental results show that the proposed algorithm preserves the edges better and in most cases, improves the measured visual quality of the de-noised images in comparison to the existing methods known from the literature. The improvement is obtained without excessive computational cost, and the algorithm works well on a wide range of different types of noise.     

基于低秩稀疏分解算法的航空锥齿轮故障诊断

锥齿轮是航空发动机传动系统改变传动方向和传递功率的核心部件,常工作于高速、重载的条件下,不可避免发生齿面损伤及疲劳断裂等故障,其故障模式复杂、背景噪声强烈,难以有效诊断。针对上述问题,研究了旋转机械特征的自相似属性,分析了观测信号中干扰信息和特征信息的奇异值分布差异性,建立了二维特征矩阵的奇异值稀疏低秩先验,并将其建模为稀疏核范数正则描述,进而构建了低秩稀疏分解模型,提出了基于广义块坐标优化理论的模型求解算法框架。将算法用于滑油附件锥齿轮的故障诊断,有效地辨识了潜在的故障,并与经典的稀疏正则和标准的谱峭度算法进行对比分析,结果证实了算法的优越性。     

基于信息融合与FastICA的轴承故障提取方法

针对振动传感器监测信号易受噪声干扰的问题,提出一种基于FastICA算法与信息融合的轴承故障诊断方法。算法对各通道测得的信号采用FastICA算法进行降噪处理,采用自适应线性加权算法对降噪后信号进行数据层信息融合,最后基于谱峭度指标设计自适应带通滤波器,进行特征提取。此方法解决了低信噪比条件下的轴承故障特征提取问题。使用了仿真和实验轴承故障信号验证了算法的有效性。     

输油管道应力波检测中的小波去噪方法研究

本文介绍了一种适用于油田输油管道应力波检测的小波去噪方法。在盗油实时监测时，利用冲击激励产生的应力波到达两个检测传感器的波达时刻的差对冲击激励点进行定位。由于小波变换具有多尺度分析的优点，根据有用信号和噪声奇异性的不同及其在小波变换不同尺度下的传递特性的不同，区分信号和噪声，进行小波系数的阈值选取后，利用剩余的小波系数重建信号，得到有用信号的波形。试验发现，该法可以很好地去除噪声，从而使应力波的波达时刻的计算的准确度提高。