基于EMD的激光雷达信号去噪方法

针对激光雷达回波信号较弱易于被各种噪声污染的特点,本文提出利用经验模态来模态分解(EMD)这一非线性、非平稳信号处理方法,对Mie散射激光雷达信号进行多尺度分解.该方法是利用信号内部时间尺度的变化做能量与频率的解析,采用这种方法能够将噪声污染的激光雷达信号分解成若干个线性、稳态的本征函数(IMF),通过对本征函数的重构,去除包含高频噪声的IMFs,从而达到去噪目的.实验结果表明,这种方法的去噪能力强,并且具有自适应的特点,从而说明了这种方法在信号去噪中的优势.     

基于EMD算法的光栅莫尔条纹信号去噪方法研究

针对计量光栅莫尔条纹信号的质量问题,提出了基于经验模态分解（EMD）算法对非平稳光栅莫尔条纹信号模型的去噪方法。建立非平稳的光栅时变信号模型,利用EMD算法不需要定义滤波器参数的自适应性优点,对添加不同噪声的多组光栅信号模型进行了滤波分析的仿真实验,其信噪比和均方根误差两项指标优于均值滤波、小波阈值去噪方法。对两路正余弦理想信号添加高次谐波分量,通过对比EMD算法抑制高次谐波前后的李萨如图形,验证了该方法在去噪过程中对光栅莫尔条纹信号正弦性误差补偿的良好效果。     

适于泥石流除噪的EMD联合小波阈值除噪方法

次声传感器采集到的泥石流次声信号中包含有大量的无关干扰信号,严重影响信号的分析与评估。针对含噪泥石流信号中无法准确确定噪声频段的特点,以及传统经验模态分解(Empirical Mode Decomposition, EMD)联合小波阈值去噪方法无法智能分辨噪声所在频段的缺点,提出了信号经EMD分解后,基于相关性选择噪声频段的方法。首先利用EMD分解获取信号的固有模态函数(Intrinsic Mode Function, IMF)分量,然后计算各个IMF分量与原始信号的相关性,根据相关性大小确定IMF噪声频段,然后采用小波阈值去噪方法对噪声频段进行处理,最后对处理后的信号进行重构得到去噪泥石流信号。通过模拟实验分析,证明该方法具有智能选择噪声频段的能力,是一种更适于泥石流信号的去噪方法。     

基于小波去噪和经验模态分解算法的足尺人造板动态称重研究

为了在振动状态下测量出足尺人造板质量,提出了一种基于小波去噪和经验模态分解的动态称重方法。采用小波去噪对力传感器的采样信号进行预处理,降低噪声对经验模态分解产生的影响;采用更合理的本征模函数筛选停止准则和端点效应抑制方法,提高动态称重精度;利用LabVIEW编写动态称重程序并进行试验。结果表明,该方法可以有效测得自由振动状态下的足尺人造板质量,且最大称重误差在0.4%以内。     

瞬态诱发耳声发射信号的小波去噪方法

在真实的瞬态诱发耳声发射信号中,加上合理的噪声信号,模拟采集的瞬态诱发耳声发射信号。用传统的和小波变换去噪方法对模拟信号进行去噪处理,分析去噪效果。找到了合适的小波参量,使去噪后的相关率和信噪比指标提高,减少了检测时间。     

小波变换在冲击信号去噪应用

由于冲击信号测试环境的复杂性,噪声干扰的存在对信号分析的结论有一定影响.本文基于小波变换下设计了一种实用的针对冲击信号小波去噪方法.     

基于小波分析联合VMD的超声信号去噪方法研究

超声信号在空气中传播效率低、气固界面耦合时透射率差,且易受到接收电路固有噪声和材料晶粒散射噪声的影响,导致接收的信号信噪比低。针对这一问题,结合小波分析“信号显微镜”的优点和变分模态分解(VMD)在窄带谐波信号提取方面的优势,提出一种基于小波分析联合VMD的超声信号去噪方法,并且对小波的阈值做改进,以减少信号的损失。利用改进阈值的小波分析对信号预处理,实现信号和噪声的初步分离,然后用VMD分解信号,提取所需频带的分量,对小波处理的结果进行优化,达到最终去噪的目的。实验数据表明,处理后的超声信号与原始信号相比,SNR平均提高1.84 dB,MSE减小34%,改进阈值后时域峰值损失减少7%,信号能量损失减少13%。该方法去噪彻底,有用信号保留完整,为超声信号的去噪提供新思路。     

基于二维EMD和小波阈值的掌纹图像去噪

为有效抑制掌纹图像中含有的噪声、提高特征提取的精度,提出一种基于二维经验模式分解和小波阈值去噪相结合的掌纹图像去噪新方法。首先,对含有噪声的掌纹图像进行二维EMD分解,得到不同特征尺度的本征模函数子图像;然后对中高频成分的IMF进行小波多阈值去噪;最后将去噪处理后的各IMF与残差图像通过加和进行重构。实验结果表明,该方法与单独的二维EMD滤波及小波阈值去噪相比,去噪效果更明显,提取的主线和细节特征更清晰,因而均方误差最小、峰值信噪比最高。     

基于matlab的小波变换去噪性能的研究

文章分析了在小波变换下,信号和噪声所具有的小波系数性质的不同,对用户接收的信号进行噪声的滤除。小波的多分辨特性能将信号在不同尺度下进行多分辨的分解,并将交织在一起的各种不同频组成的混合信号分解成不同频段的子信号,针对信号经小波变换后在不同分辨率下呈现不同的规律,那么就在不同分辨下设定不同的阀值门限,通过调整小波系数,达到去噪的目的。     

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。     

经验模态分解去噪技术及其在兰姆波检测中的应用

经验模态分解(EMD)是一种新出现的处理非线性、非稳态数据的信号分析方法,通过三次样条包络分离数据的高阶成分和趋势。利用EMD的这种特性对超声兰姆波检测中的实测信号作去噪处理,并与小波去噪结果进行了对比,表明EMD去噪具有更强的自适应能力,且需知的原信号先验信息更少。     

利用小波分析和EMD的机械故障特征提取

故障特征提取是机械设备故障诊断的关键所在。利用小波变换多分辨率分析和经验模式分解的时频特性,将某机械运转机构的振动信号进行分解及重构,得到原始信号在不同频段上分布的详细信息,进而对不同尺度下的细节信号进行频谱分析,通过对比提取出运转过程中的失步故障特征。     

基于子波变换的涡街流量传感器信号分析

长期以来 ,如何提取潜在噪声下的涡街流量信号一直是个问题。流体流速脉动 ,局部阻力 ,随机振动———所有这些因素都给解决这一问题带来难度。文章应用子波变换消噪理论 ,从软件滤波的角度分析了强噪声干扰下的涡街流量信号 ,并提出了单支重构计数方法。分析结果表明 ,这种方法对低流速流量计量效果很好 ,能够有效地扩展量程下限     

基于EMD与AR谱的轧机主传动系统故障诊断研究

针对轧机故障信号的非线性、非平稳特征,研究了一种基于经验模态分解和AR模型功率谱相结合的分析方法。该方法首先对轧机主传动系统的故障信号进行EMD分解,然后通过选取含有故障信息的IMF分量进行AR模型的功率谱分析,从而提取出故障频率,判断引起故障的原因。通过仿真信号和实例验证了该方法的有效性。     

基于局部均值分解和极值延拓的旋转机械故障特征提取方法

局部均值分解对非平稳、非线性故障信号进行平稳化处理时表现出特有的分析能力,能够有效获得故障信号的时频特征,然而局部均值分解过程中存在的端点效应严重影响信号的分解效果。针对这一问题,提出了一 种基于局部均值分解和极值延拓的旋转机械故障提取方法。首先采用极值延拓方法处理信号的两个端点,左、右端点均分别延拓2个极大值和2个极小值,然后对延拓后的信号进行局部均值分解,提取信号中包含的故障特征。仿真结果表明,经过极值点延拓后,局部均值分解过程中的端点效应得到了有效抑制,最后以轴承内圈故障为例在 实验平台进行了实验研究,实验结果表明,该方法能有效提取出旋转机械故障特征。     

全封闭设备舱对隧道内160 km/h地铁气动声源影响#br#

随着地铁列车速度提升至160 km/h，隧道环境下地铁列车表面气动激励显著增强。应用大涡模拟对隧道内160 km/h 地铁列车脉动流场结构和表面气动噪声源进行数值仿真，定量评估全封闭设备舱设计对地铁列车气动声学性能的优化效果。结果表明：全封闭设备舱设计能够疏导车底气流，使车底气流更多集中在转向架舱两侧溢出，同时引起车下主要涡结构尺度增大。对应的，列车整车车体气动噪声源能量减小约2.9 %；其中头车、中车1 分别增大5.7 %和9.4 %，中车2 和尾车分别减小4.2 %和13.8 %，各节车体声源能量分布更加均匀；列车高频声源能量减小，整车800 Hz峰值频谱能量减小约4.0 %。研究成果将为160 km/h地铁列车气动降噪设计提供参考。     

自适应二进小波去噪法

本文通过引入一类新的可微阈值函数,建立了信号的能量同它的二进小波变换系数之间的关系.利用Stein无偏风险估计和梯度下降法,给出了迭代求解各尺度二进小波系数最优阈值的自适应去噪算法.数值实验结果表明,同现存的小波去噪技术相比,该算法的去噪结果具有更高的重构信噪比和更光滑的外观.     

基于正交小波包的瞬时频率检测

本分析了瞬时信号及噪声的时频特性和小波变换特性。根据小波包变换具有的优良时频分析能力,通过引入阈值熵来定量地描述瞬时信号在时频空间中的分布。理论分析和实验结果表明本方法简单,可靠,且易于检测。     

基于小波收缩策略的一种新阈值去噪方法研究

分析了信号处理中相干噪声的特点,针对小波变换标准软阈值去噪法处理相干噪声能力相对差的弱点,介绍了一种基于SURERisk理论建立的自适应阈值去噪法,但其数字计算能力较差。基于同样理论,提出一种新的阈值函数,具有二阶导数和实际应用数字特性。并在此基础上确定了自适应阈值计算方法,建立了新的阈值去噪法,可用于去除相干噪声。计算机仿真表明,对于受相干噪声干扰的数字信号,该方法能较大提高信噪比,较好恢复信号。