小波阈值降噪算法中最优分解层数的自适应确定及仿真

小波阈值降噪算法是一种有效的从测试信号中去除噪声的方法.通过对有用信号和噪声信号在小波空间上传播特性的不同进行分析,提出了一种基于小波去相关白噪声检验的最优分解层数自适应确定算法.该算法可以根据含噪声信号的特点和信噪比,自适应的选择小波变换的最优分解层数以达到最优的降噪效果.最后,在MATLAB环境下进行了仿真实验,并进行了工程应用.仿真实验和工程应用结果表明,该方法可以有效的确定合理分解层数得到最优的信噪比.     

液压泵故障的小波变换诊断方法

分析了小波变换的时 -频局部化特性及基于多分辨分析的信号小波分解重构算法 ,研究了信号局部奇异性在小波变换下的特性。根据故障信号和噪声的局部奇异性在小波变换下的模极大值在不同尺度上的传播特性不同的特点 ,并利用小波分解重构算法 ,对泵壳振动加速度信号进行了分解、去噪和重构。大大改善了监测信号的信噪比 ,对故障特征信号进行了时域定位 ,提取了故障特征频率。     

分数阶小波包时频域的信号去噪新方法

为了提高信号去噪的效果,提出了一种基于分数阶小波包变换(FRWPT)的信号去噪新方法。该方法根据输出信号信噪比的大小,用迭代法寻找分数阶小波包变换的最优分数阶p值,通过分数阶小波包变换将带噪信号映射到最优分数阶小波包时频域内,对变换后的信号进行窄带通滤波,最后通过分数阶小波包逆变换对信号进行重构,实现分数阶小波包时频域内的信号去噪。以带噪Bumps信号和语音信号为例的去噪实验结果表明,采用该方法去噪后的信号信噪比明显提高,在抑制噪声的同时可以有效保持细节信息。     

基于小波包变换和小波阈值消噪的语音特征提取

为了实现强噪声背景下语音信号的特征提取,根据小波变换的多分辨率特性,以及与人耳耳蜗滤渡相一致的特性,利用小波包变换,在各语音特征频率段上,提取出包含丰富的非平稳信息的语音特征;并在小波包分解去噪的基础上,构造了模糊阈值函数,利用小波模糊阈值去噪,得到了信噪比较高的语音信号.研究结果表明,小波包变换和小波阈值去噪,较好地消除了强噪声背景下的噪声,并有效地提取出了语音信号特征.     

超声探测弱信号提取方法

为了在超声检测中排除噪声干扰，从强噪声背景中提取弱回波信号，利用小波变换技术从超声探测信号中提取弱缺陷回波信号，建立了超声缺陷回波的数学模型，并进行了仿真实验，其特有的“变焦距”特性使得小波分析在时域和频域中具有良好的分析能力。结果表明，利用小波变换方法能够很好地抑制噪声，提高信噪比，提取强噪声背景中的弱回波信号，且该方法原理简单，易于实现，在工程上有较高的应用价值。     

自适应改进双树复小波变换的齿轮箱故障诊断

针对双树复小波变换存在频率混叠以及参数需自定义的缺陷,提出自适应改进双树复小波变换的齿轮箱故障诊断方法。首先,利用双树复小波变换将信号进行分解和单支重构,采用粒子群算法将分解后分量峭度值作为适应度函数,选择双树复小波的最优分解层数;其次,对重构出的低频信号进行频谱分析提取故障特征,将单支重构后的各高频分量进行变分模态分解,通过峭度值获得各高频分量经变分模态分解后的主频率分量信号;最后,分析各主频率分量信号的频谱,识别齿轮箱的故障特征。结果表明,该方法与双树复小波变换和变分模态分解相比,不仅消除了频率混叠现象,提高了信噪比和频带选择的正确性,而且还提高了从强噪声环境中提取瞬态冲击特征的能力。     

超声波测距系统中的小波去噪方法研究

针对远距离超声波测距系统中回波信号信噪比低的问题,采用小波变换对超声波的回波信号进行去噪处理。为取得较好的去噪效果,对小波变换的参数选取进行了研究。根据小波基的特性,通过能量与能量熵选取最优小波基;基于回波信号噪声的白噪声特征,采用白噪声检验自适应确定分解层数;引入参考噪声信号,确定小波系数处理阈值,并选用一种结合软、硬阈值函数的改进阈值函数进行小波系数处理。为验证方法的有效性,搭建基于NI数据采集卡和LabVIEW的超声回波信号采集平台,利用MATLAB小波工具包完成回波信号的去噪处理,并通过信噪比、均方根误差等指标对去噪效果进行综合评判。实验表明小波去噪可以达到很好的去噪效果,为大量程超声测距提供理论基础。     

小波变换的流体压力信号自适应滤波方法研究

为了有效地消除流体压力信号中的噪声,提出了一种基于小波变换的自适应滤波算法,该算法针对信号和噪声经小波变换后在不同尺度上的特征不同,先对信号进行小波多尺度分解,然后对各尺度分解的信号分别选用不同的滤波参数,进行自适应滤波处理,并用该方法对液压系统运行中采集的压力信号进行降噪处理.试验结果表明,该方法比普通的自适应滤波方法能更有效地消除流体压力信号中的噪声.     

基于小波阈值的动车组模型脉动压力提取方法研究

研究表明脉动压力是引起气动噪声的主要根源,因此动车组减振降噪要先探究其表面脉动压力。针对微压阻式压力传感器特性及动车组模型试验环境建立了传感器输出模型;利用小波阈值方法进行降噪,通过尺度系数与原始信号的相关性来确定分解层数,根据3σ准则进行小波分解的阈值选取;根据相关系数分离出振动压力和风机噪声压力,最终提取出脉动压力,并利用脉动压力对测点处气动噪声进行预测。研究表明:提取出的脉动压力所预测的气动噪声和传声器所测的噪声变化趋势基本一致,转折频率都为120 Hz,验证了该脉动压力提取方法的正确性,为后续高速动车组压力测量以及减振降噪的研究提供了参考。     

基于支持矢量机的小波域超声信号消噪技术

为了提高超声无损检测与无损评价基础数据的信噪比,提出一种基于支持矢量机模式识别理论的小波域超声信号消噪技术.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,利用小波变换方法将原始超声检测信号分解到小波空间,并通过采用以高斯函数为核函数的支持矢量机所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.试验结果表明,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.     

一种轴承故障诊断的改进型小波包包络方法

小波包包络法是轴承振动信号分析中的一种重要方法,使用该方法可以对包含有故障特征频率的各频段信号进行分析,能够滤去噪声信号,有效地提取轴承的故障信息。在小波包分解时,对小波包细节信号的选取目前常用的是基于细节系数能量的方法,但该方法在信噪比较小的情况下对信号分析效果一般,结合自相关和互相关的特性,提出了一种改进型的小波包包络方法,为小波包分解中细节信号的选取提供了一定的理论依据,提高了小波包在轴承故障诊断中的判断准确度。     

基于小波分解灰关联的热波检测图像增强

针对热波检测图像存在的高噪声、低对比度等问题,提出一种基于小波分解和灰关联分析的图像增强方法。该方法首先采用小波变换对待处理的热波图像进行三级小波分解,得到图像相应的低频分量和高频分量,然后利用图像中干扰信号和有用信号在分解后不同分量上的分布规律,采用灰色理论中的灰色关联分析理论来区分高频分量中的干扰信号和有用信号,从而实现对图像中噪声的抑制以提高图像的质量。实验结果表明:提出的方法与常规的滤波方法、小波阈值去噪增强等方法相比,图像的对比度得到明显改善,峰值信噪比最大,因此该方法可用于热波检测图像的增强处理中。     

机械微弱振动信号检测的研究

研究了信号局部奇异性在小波变换下的特性。根据故障信号和噪声的局部奇异性在小波变换下模极大值在不同尺度上的传播特性不同的特点，利用小波分解重构算法，对机械振动信号进行了分解、去噪、重构和谱分析。实验表明，小波减噪方法非常适于机械微弱振动信号的检测。     

基于小波分析的信号噪声的处理

分析了通信系统信号处理中噪声的小波分析特性,用一维小波分别对平稳信号和非平稳信号进行了分析和研究;提出了基于小波分析理论,利用小波变换对含噪信号进行小波分解,然后选取适当的阈值,对小波分解系数进行阈值量化,最后再对高低频系数重构,实现信号的降噪。并通过实例验证了小波分析方法对信号噪声处理的有效性。     

基于多重自相关算法的微弱正弦信号检测技术

离散小波变换具有时频分析特性,可把信号的细微变化反应出来,可明显提高信号的信噪比,在用小波变换进行预处理的前提下,利用正弦信号的特殊性质,在信号未知的情况下通过多重自相关运算可检测出埋没于噪声中的微弱正弦信号。讨论了多重自相关法在白噪声背景下、有色噪声背景下等情况的检测效果,并给出仿真结果。     

基于改进双树复小波变换的轴承多故障诊断

针对双树复小波变换产生频率混叠的缺陷,提出了改进双树复小波变换的轴承多故障诊断方法,该方法综合利用了双树复小波包变换和经验模态分解技术。首先,利用双树复小波变换将振动信号分解成不同频带的分量;然后,将各小波分量进行经验模态分解,获得各小波分量的主频率分量信号;最后,计算各小波分量的主频率分量信号的包络谱,根据包络谱识别齿轮箱轴承的故障部位和类型。通过仿真信号和齿轮箱轴承多故障振动实验信号的研究结果表明,该方法不仅消除了频率混叠现象,提高了信噪比和频带选择的正确性,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效识别轴承的故障类型。     

混沌与噪声信号的谐波小波分析

研究周期信号的理想工具为Fourier变换。但对于非周期信号,需要一种具有良好时频特性的函数基来进行分解,Fourier变换所用的三角函数基不能满足此要求。而近些年提出的小波函数很好地解决了非周期信号的时频分解问题。混沌信号与噪声之间差别过于微小,人们在工作和实验中常常将他们混淆。在本文中通过对混沌信号与噪声进行谐波小波分析,最后根据分解结果,可从时频特性方面对混沌与噪声的差别作进一步说明。     

时间差型磁通门敏感单元巴克豪森噪声处理研究

敏感单元是时间差型磁通门传感器的核心,磁芯在交变磁场激励下产生巴克豪森噪声,该噪声直接影响后续电路输出信号质量及时间差检测,限制了磁通门稳定性和灵敏度的提高。针对时间差型磁通门的工作原理,对巴克豪森噪声特点进行分析,研究该噪声与磁芯磁导率之间的关系。在Simulink仿真平台上以动态反正切磁滞回线模型为基础,搭建敏感单元巴克豪森噪声模型。根据噪声分布规律将小波滤波应用到感应信号去噪处理中,利用时间差信噪比对比分析不同滤波方法的效果。仿真及实测结果表明,小波滤波能有效去除巴克豪森噪声,时间差信噪比提高133倍,时间差波动小于35μs,为提高时间差型磁通门敏感单元检测精度和稳定性提供了依据。     

时间差磁通门敏感单元巴克豪森噪声处理研究

敏感单元是时间差型磁通门传感器的核心,磁芯在交变磁场激励下产生巴克豪森噪声,该噪声直接影响后续电路输出信号质量及时间差检测,限制了磁通门稳定性和灵敏度的提高。针对时间差型磁通门的工作原理,对巴克豪森噪声特点进行分析,研究该噪声与磁芯磁导率之间的关系。在Simulink仿真平台上以动态反正切磁滞回线模型为基础,搭建敏感单元巴克豪森噪声模型。根据噪声分布规律将小波滤波应用到感应信号去噪处理中,利用时间差信噪比对比分析不同滤波方法的效果。仿真及实测结果表明,小波滤波能有效去除巴克豪森噪声,时间差信噪比提高133倍,时间差波动小于35 μs,为提高时间差型磁通门敏感单元检测精度和稳定性提供了依据。     

线阵CCD信号小波降噪方法研究及MatLab仿真

随机噪声是影响CCD器件输出信号信噪比的主要因素,它包括1/f分形噪声和白噪声。小波变换是一种具有一定时间和频率分辨力的方法,它能够较好地滤除分形噪声。阐述其基本原理,利用MatLab小波工具箱,选择合适方法实现CCD信号的小波消噪。结果表明了该方法的有效性。