基于小波包改进阈值方法的电能质量信号消噪

为了改善暂态电能质量扰动信号的消噪效果,提出了一种小波包改进阈值的消噪方法。在分析了软阈值消噪方法和硬阈值消噪方法的基础上,对阈值量化函数进行了改进,并通过小波包变换对消噪效果进行了强化。改进后的新阈值消噪法能有效克服＂硬阈值法不连续、软阈值法有偏差＂的缺点。对暂态电能质量扰动信号消噪处理的仿真结果表明,该新方法在消噪的同时能够减少信息的损失,在不同信噪比下都能有效地去除白噪声,其消噪效果优于软阈值函数消噪法。     

基于最优小波包分析的肌电信号消噪

为了清除表面肌电信号(SEMG)夹杂的生理噪声,提出了一种基于最优小波包分析的消噪处理方法.该方法以受试者做内旋动作,采自尺侧腕屈肌的SEMG信号为例,基于symlet5小波函数,分别采用小波方法、小波包方法和最优小波包方法进行了消噪处理.分析比较结果表明,该消噪处理方法能更有效地去除肌电信号中的噪声.     

基于小波理论的电机电流信号消噪研究

小波分析是当前应用数学和工程学科中一个迅速发展的新领域。小波分析具有良好的多分辨分析能力,因而已广泛应用于信号和图像的消噪。而对电机电流信号进行消噪对于整个工程系统的分析具有很重要的意义,因此采用小波阈值消噪法对电机的电流信号进行了消噪。首先介绍了小波阈值消噪法的原理,然后用noisbump信号验证小波阈值消噪法的可行性,之后再用该方法对实验测取的电机电流信号进行消噪。消噪的效果表明:采用小波阈值消噪法对电机电流信号进行消噪,是一种可行的方法。     

最佳小波包基改进软阈值的消噪方法及应用

在讨论基于小波包变换消噪方法的基础上,针对传统小波方法消噪中阈值选取方法的优缺点,提出了一种基于最佳小波包基改进的软阈值消噪方法,并将该方法应用于电机故障信号的消噪。试验结果证实,与传统的阈值选取方法相比,基于最佳小波包基的改进软阈值消噪方法对非平稳的电机故障信号消噪效果更好。     

基于蚁群算法优化选取阈值的EMD消噪方法

为了改进经验模式分解(EMD)算法的消噪性能,在传统EMD消噪分解的基础上,参照小波阈值的消噪方法,提出了一种基于自适应阈值的EMD消噪方法。首先,建立去噪阈值和均方误差之间的对应函数,在所选阈值保证均方误差最小的前提下,利用具有较好全局搜索性的蚁群算法,根据建立的函数搜索阈值,克服了传统方法中硬阈值和软阈值固定选取的缺陷,实现了最优阈值的选取。仿真信号分析和实际轴承故障信号分析表明,该方法与传统的EMD消噪方法、软硬阈值分析方法相比,消噪效果更加明显。     

进化小波消噪方法及其在滚动轴承故障诊断中的应用

阈值是小波阈值消噪方法中决定消噪结果的关键因素,传统阈值估计方法存在抑制噪声污染与保留信号细节间的矛盾,难以实现对滚动轴承故障信号的有效消噪.为准确估计阈值以改善小波阈值消噪方法的消噪性能,提出一种基于小波变换的进化阈值消噪方法.该方法以小波变换作为含噪信号分解与重构工具,构造含噪信号在各小波分解尺度上硬阈值收缩均方误差的近似函数,利用粒子群优化进化搜索与其最小值对应的最优阈值,以近似实现均方误差最小意义下的最优消噪.模拟信号消噪分析与滚动轴承故障信号消噪实例表明,该方法可有效消除噪声对信号的干扰,并准确提取淹没在噪声背景中的故障特征,消噪性能在信噪比与均方误差意义下优于传统小波阈值消噪方法.     

利用粒子群优化的小波简化交叉验证消噪

阈值是小波阈值消噪方法中决定消噪结果的关键因素。针对被高斯噪声污染的信号消噪问题,提出一种用于估计最优阈值的简化交叉验证方法。该方法利用信号奇偶划分后,奇序列与偶序列间的相似性减少了交叉验证方法的计算代价,并结合粒子群优化实现最优阈值的进化搜索。模拟信号消噪分析与转子故障信号消噪实例表明,该算法显著提高了交叉验证方法的计算效率,且消噪性能与交叉验证方法相近。     

基于小波包分解的阈值消噪在 车载CAN总线上的应用

为了实现在车载CAN总线控制器故障产生不可预知干扰信号的情况下正确读出CAN总线上的故障码,提出了一种基于小波包分解的阈值消噪方法。将信号进行基于最小Shannon熵原理的最佳树小波包分解后,针对CAN总线传输信号特点,对高频和低频系数采取不同阈值处理的混合阈值消噪处理。对于高频系数,采用基于Stein无偏似然估计原理的自适应阈值;在干扰信号的统计特性未知的情况下,对低频系数阈值的选取采取保持频率单一和能量损耗小的双重标准。最后,由阈值处理后的系数重构信号,得到正确的传输码。实验结果表明,该混合阈值消噪处理方法对消除这种由CAN总线上的控制器故障引起的干扰,较传统的消噪技术提高1/3以上的信噪比,增加了后期读取CAN总线故障码的准确率。     

小波域双谱分析方法在故障诊断中的应用

针对双谱分析不能抑制非高斯噪声缺点以及小波阈值消噪法没有统一的阈值选取标准的不足,利用小波包多分辨率分解技术,将小波包与双谱结合,给出了小波域双谱分析方法,该法不但有效抑制噪声和其他高频成分的干扰,反映故障特征,而且避开了小波阈值法消噪存在的不足。     

小波分析中4种去噪方法的分析比较

分析了基于小波分析的4种不同的去噪方法,并在其中寻找最适宜在实际中应用的心电信号中肌电干扰的去除方法。4种去噪方法分别采用软、硬及改进等3种阈值函数,通过MATLAB对MIT-BIH数据库中所提供的心电信号进行实验分析,根据去噪效果及所需时间对比结果判断最适宜的去噪方法。离散小波变换阈值法在采用3种阈值函数时去噪效果均较差,平移不变量小波阈值法本身运算量过大,平稳小波变换阈值法与提升小波变换阈值法在采用改进阈值函数时去噪效果好且所需时间相对较少。采用改进阈值函数的平稳小波变换阈值法与采用改进阈值函数的提升小波变换阈值法为4种方法中最适宜在心电信号肌电干扰去除中应用的方法。     

空域相关滤波在下肢表面肌电信号中的应用

针对消噪过程中信号细节难以保留的问题,采用了一种基于小波变换的空域相关消噪方法。通过运用信号小波分解后与噪声的小波系数随尺度变化规律不同的特性,实现了信号与噪声的分离,同时给出了表面肌电信号噪声能量阈值的估计算法。实验结果表明,该消噪处理方法不仅能有效地去除肌电信号中的噪声,而且可以较好地保留肌电信号的边缘特征,为下肢表面肌电信号特征的提取创造了良好的条件。     

基于轴承仿真信号的小波阈值及阈值函数的优化

针对传统小波阈值法在轴承信号去噪效果不佳的难题,对阈值和阈值函数采用层层递进的方法进行降噪研究。阈值函数方面,在软阈值函数基础上提出了指数阈值函数,在指数阈值函数的基础上结合硬阈值函数,提出了带有收缩性指数的阈值函数。阈值方面,给出了估噪阈值,在估噪阈值的基础上,结合噪声的小波系数,随着分解层的增大而减小并引入调节量,给出了分层估噪阈值,表征去噪效果优劣指标为SNR&RMSE。通过选取估噪阈值、分层估噪阈值、软阈值函数、指数阈值函数和收缩指数阈值函数进行去噪试验,结果表明,收缩指数阈值函数和分层估噪阈值去噪效果较好。从阈值函数选取上看,收缩指数阈值函数去噪效果最好(32.3118&0.0141),其次是指数阈值函数(30.4301&0.0175),最后是软阈值函数(23.5500&0.0385);从阈值选取上看,分层估噪阈值去噪效果最好(33.9360&0.0117),其次是估噪阈值(32.3118&0.0141)。该方法去噪效果好,可从噪声中提取有用信息,可用于对大型轴承运转的有效诊断。     

奇异值小波降噪法在柱塞泵振动信号处理中的应用

针对小波阈值和奇异值分解降噪法的不足,研究一种新的小波阈值函数。提出一种基于改进阈值的奇异值小波降噪方法,该方法利用奇异值分解技术,将噪声非均匀分布的信号正交分解为噪声分布相对均匀的分量,并对每个分量进行小波阈值降噪,重构降噪后的分量,得到降噪信号。仿真实例证明,该方法与小波软、硬阈值及改进阈值法相比,不仅提高信噪比,而且能够更好地消除高斯噪声。利用该方法对柱塞泵不同状态振动信号进行降噪,结果表明,该方法能有效抑制噪声,为柱塞泵振动信号预处理提供一种更为有效的方法。     

一种改进的小波域去噪算法

在Donoho D L和Johnston IM提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的双变量阈值函数。采用新的阈值函数的去噪效果无论在视觉效果,还是在信噪比增益和最小均方意义上均优于传统的硬阈值和软阈值,克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点。通过仿真实验结果,表明该方法的有效性和优越性。     

基于改进平移不变量小波阈值法的齿轮泵振动信号降噪

齿轮泵的振动信号中含有大量噪声,在对其进行应用之前必须降噪处理。传统的小波阈值降噪法在信号的奇异点附近会产生振荡现象,为此研究了一种新的小波阈值函数,把新的阈值函数和平移不变量相结合,提出了改进小波阈值法的平移不变量降噪方法。该方法克服了软、硬阈值的缺陷,同时抑制阈值法降噪时产生的伪吉布斯(Pseudo-Gibbs)现象。利用该方法对仿真信号和实测齿轮泵振动信号进行降噪处理,并与小波软、硬阈值法及新阈值法进行了对比。结果表明:该方法具有更好的降噪效果,可应用于齿轮泵振动信号降噪处理。     

CEEMD和小波半软阈值相结合的滚动轴承降噪

针对滚动轴承振动信号降噪处理时如何保证信号边缘信息完整性的问题,提出将互补集合经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)与小波半软阈值相结合的信号降噪方法,对滚动轴承故障高频振动信号进行降噪处理。首先,采用CEEMD方法对故障振动信号进行分解,针对信号特点自适应获取不同频段模态分量;其次,将对包含噪声污染的高频信号模态分量进行相关性分析,得到含噪成分较高的高频模态分量,进一步采用小波半软阈值进行降噪处理;最后,将降噪后的模态分量同残余分量进行信号重构,完成降噪过程。分析结果表明,相对于传统小波阈值降噪和CEEMD强制降噪方法,提出的方法能够有效去除高频信号的噪声,且最大程度地保证了原始信号的完整性,降噪效果更好。     

一种自适应小波消噪方法

为了消除噪声对被测信号的干扰,有效提取信号中的有用成分,根据信号和噪声小波变换系数的不同特性,在分析了传统阈值方法局限性的基础上,提出了一种自适应小波消噪方法.该方法首先对被测信号进行小波分解,并改进了阈值量化公式,使其具有能量分布自适应的降噪能力;然后,利用类别方差作为判别依据,选取使得类别方差最大和类内方差最小的阈值作为最佳的阈值.并根据每层分解后的小波系数进行自适应的阈值确定;最后,对信号进行重构,通过分解、阈值处理和重构等过程实现小波消噪.仿真信号和轴承故障诊断的实例结果表明该方法可在强噪声背景下消除噪声干扰,有效提取出滚动轴承的早期故障频率.     

一种改进的小波包阈值去噪法在压缩机振动信号分析中的应用

结合变频涡旋压缩机振动小,噪声低的特点,利用一种改进阈值的小波包函数进行去噪处理,克服了硬阈值去噪不连续的缺点,同时还克服了软阈值函数去噪中的估计小波系数与分解小波系数之间存在着恒定偏差的缺陷。通过Matlab仿真分析比较了这3种去噪效果。