基于软阈值和小波模极大值重构的信号降噪

软阈值小波降噪是一种常用的非平稳信号特征提取方法.为了改进软阈值小波降噪法的性能,提出一种基于软阈值和二进小波变换模极大值的新小波降噪方法.首先,对信号进行二进小波变换,再对小波系数进行软阈值处理;然后,选择由信号产生的小波系数模极大值点;最后,用交替投影算法重建信号.理论分析表明,该方法能有效地降低软阈值小波降噪法的误差下界.仿真试验表明,该方法提高了降噪结果的信噪比,且较好地保留了信号中的奇异性.将该方法和二进小波变换软阈值降噪法结合起来,应用于滚动轴承故障振动信号降噪.结果表明,该方法能有效地提取到信号中的冲击特征.     

基于双树复小波变换与样本熵的自适应降噪法

为了实现工程机械结构监测信号降噪效果的评价,将样本熵的概念引入双树复小波分解中,提出基于双树复小波变换（dual?tree complex wavelet transform, 简称DT?CWT）与样本熵（sample entropy,简称SE）相结合的监测信号自适应降噪方法（DT?CWT?SE）。首先,采用双树复小波变换对含有噪声的监测信号进行多层分解;其次,分别计算双树复小波分解所得的各尺度细节分量样本熵与相邻尺度细节分量的样本熵的差值,通过比较相邻各尺度样本熵之差的大小确定双树复小波最优分解层数;最后,根据各尺度样本熵的变化规律确定各层小波系数的降噪阈值,对降噪后的小波系数进行重构以实现信号自适应降噪。仿真分析与实验对比结果表明：该方法对监测信号去噪较彻底,且降噪后的信号失真度小,降噪效果以及保留原信号信息完整性的能力明显优于传统小波阈值降噪法。     

自适应Morlet小波降噪方法及在轴承故障特征提取中的应用

分析了Morlet小波变换的滤波特性及其时频分辨率,利用Morlet小波良好的时域和频域特性及奇异值分解技术,提出了一种基于自适应Morlet小波和SVD的降噪方法。针对滚动轴承故障在振动信号中表现为冲击衰减波形的特点,采用修正的Shannon熵方法同时优化Morlet小波的中心频率与带宽参数,实现其与冲击特征成分的最优匹配;针对根据小波系数矩阵奇异值曲线的过渡阶段求取最佳变换尺度的方法存在着不够快捷方便的不足,将其与小波系数奇异值比方法相结合来快速方便地求得最佳变换尺度;最后对信号进行降噪处理提取故障特征。对仿真信号和实际轴承内外圈故障信号的应用分析表明,该方法具有良好的降噪性能,能有效地提取出滚动轴承的微弱故障特征。     

平稳小波变换在轴承振动信号去噪中的应用

为有效提取振动信号中的故障特征,提出了一种基于平稳小波变换的降噪方法,阈值大小取决于不同尺度上故障信号的小波分解系数的峭度。实例分析表明,该方法具有良好的去噪性能,并能很好地提取振动信号中的故障特征。     

小波神经网络在柴油机异响故障诊断中的应用

由于活塞敲缸响和活塞销响是两种常见的、却难以区分的柴油机异响故障，这里对EQ6BT柴油机这两种故障的缸体振动信号进行Morlet连续小波变换，作出小波变换系数的尺度-能量谱，并提取出尺度为3～20范围内的最大尺度能量作为BP神经网络的输入向量，实现了对该柴油机两种异响故障的诊断。结果表明，利用文中所设计的小波神经网络能非常准确地诊断出EQ6BT柴油机活塞敲缸响、活塞销响两种异响故障及其故障的严重程度。     

基于最优Morlet小波的滚动轴承故障诊断

将最优Morlet小波和阈值降噪法相结合,进行强噪声背景下滚动轴承故障诊断.依据峭度最大准则确定最优Morlet小波基.利用连续小波变换和软阈值法对振动信号降噪.试验表明,该方法具有良好的去噪性能,并能更好地提取滚动轴承振动信号中的故障特征.     

谱图小波阈值降噪及其在滚刀主轴振动信号分析中的应用

通过分析谱图小波变换在平面图像、三维实体分析中的应用,提出一种用于一维数字信号分析的谱图小波阈值降噪方法。该方法将一维数字信号定义到路图上,利用谱图小波变换将其分解成尺度系数和谱图小波系数,对谱图小波系数进行阈值过滤处理,再进行谱图小波逆变换得到降噪信号。首先,利用四种典型仿真信号进行降噪试验,并分析不同分解层数对降噪性能的影响;接着,将其与经典小波阈值降噪方法进行仿真对比;最后,采用该方法进行滚刀主轴振动信号降噪,并与经典小波阈值降噪方法对比。仿真及试验结果表明,该方法实现了一维数字信号的快速非迭代降噪,且降噪信号平滑度高、畸变小,优于经典小波阈值降噪方法。     

静态小波相关滤波法在振动信号处理中的应用

为了有效提取振动信号中的故障特征,本文提出将静态小波变换和尺度相关滤波相结合的方法.先对信号进行静态小波分解,再利用尺度相关法分离信号与噪声,提出了一种针对振动信号的噪声能量阈值估计算法.利用连续小波变换和尺度相关对振动信号降噪.实例分析表明,该方法具有良好的去噪性能,并能更好的提取振动信号中的故障特征.     

滚动轴承早期冲击性故障特征提取的综合算法研究

针对滚动轴承早期微弱冲击性故障信号特征难以提取的问题,提出了共振解调结合小波包系数熵阈值降噪的综合算法,用于准确确定并提取早期微弱冲击性故障引起的共振调制边频带。该算法应用时延相关和小波包系数熵阈值算法实现信号的双重降噪,并依据共振带能量比确定小波包分解的最佳分解尺度和选取熵阈值的最佳阈值,寻求共振带的最优解,然后进行共振解调提取故障信号特征。实验数据分析结果表明了该算法对滚动轴承早期冲击性故障提取的可行性和有效性。     

DT-CWT相关滤波在齿轮箱故障诊断中的应用

根据小波系数的相关分析理论,提出了基于双树复小波变换的小波相关滤波法。该方法根据相邻层小波系数的相关性,通过迭代过程自适应地进行滤波,能够在达到良好降噪效果的同时保留微弱故障特征信息。对降噪后的信号进行希尔伯特包络分析便可准确得到故障特征频率。试验信号分析与工程应用结果表明,该方法能够有效提取强背景噪声下的齿轮箱轴承早期故障特征信息。     

Image noise variance estimation using the mixed Lagrange time-delay autoregressive model

The mixed Lagrange time-delay estimation autoregressive (MLTDEAR) model is proposed as a solution to estimate image noise variance. The only information available to the proposed estimator is a corrupted image and the nature of additive white noise. The image autocorrelation function is calculated and used to obtain the MLTDEAR model coefficients; the relationship between the MLTDEAR and linear prediction models is utilized to estimate the model coefficients. The forward-backward prediction is then used to obtain the predictor coefficients; the MLTDEAR model coefficients and prior samples of zero-offset autocorrelation values are next used to predict the power of the noise-free image. Furthermore, the fundamental performance limit of the signal and noise estimation, as derived from the Cramer-Rao inequality, is presented.     

一种基于NSCT变换的超声图像降噪新算法

为有效抑制超声仪器成像中固有的斑点噪声,提出了一种基于非降采样Contourlet变换(nonsubsampled Contourlettransform,NSCT)域中边缘信号系数区提取和最小均方误差(minimum mean square error,MMSE)估计的超声图像的降噪算法。根据NSCT变换的细节信息刻画能力和平移不变性,对其各高频子带中系数进行分类,提取出边缘信号和平缓信号系数区;对超声图像的乘性斑点噪声进行推导研究,在边缘信号系数区和平缓信号系数区,根据各自噪声项的性质分别得出满足贝叶斯最小均方误差估计的降噪滤波方程;最后,对降噪后的系数进行NSCT反变换重建得到降噪图像。仿真图像和临床超声图像的实验结果证实,该算法与传统方法相比,不但能更有效地对斑点噪声进行抑制,也更好地保留了图像的细节信息。     

小波包分析在语音信号压缩中的应用

小波包分析是一种比多分辨分析更加精细的分析方法,具有十分广泛的应用价值。语音信号经过小波包分解后,通过作用阈值过滤掉不是信号主要性质的细节系数,然后利用低采样率的近似系数,加上少量关心的细节系数来恢复语音信号,从而实现语音信号的压缩。选择不同的作用阈值,可以实现不同的压缩性能要求。     

循环统计量方法在滚动轴承故障诊断中的应用

为了处理滚动轴承故障振动信号中的调制现象，利用循环统计理论，分析了二阶统计量循环自相关函数和循环谱密度的特性。基于故障调幅信号模型推导出循环自相关函数的解调原理，指出调幅信号各成分在循环谱密度中的分布频段，提出在循环频率域中提取调幅信号的调制源的方法。该原理和方法通过仿真信号进行验证，应用于滚动轴承的内、外圈及滚动体的故障诊断，有效地提取出故障特征频率。     

基于小波相关排列熵的轴承早期故障诊断技术

针对机械系统早期故障诊断困难的问题,引入滤波效果良好的小波相关滤波法(Wavelet transform correlation filter,WTCF)和对信号微弱变化特征敏感的排列熵算法,定义一种新的小波相关排列熵(Wavelet correlation permutation entropy,WCPE)的概念,并提出基于WCPE的特征提取方法。对采集到的设备振动信号进行WTCF处理,得到信噪比较高的各层小波系数,在此基础上计算小波系数的排列熵复杂度,构造信号沿各小波分解层分布的WCPE特征矢量,并据此分析振动信号的微弱变化。通过对滚动轴承全寿命振动数据的分析,证明基于WCPE提取的信号特征不但能够准确表征轴承由正常状态到故障状态的详细变化过程,还能及时检测出轴承的早期故障。对比小波熵及小波相关特征尺度熵等其他早期故障诊断方法,该方法可显著提前滚动轴承早期故障的检出时间。     

基于POVMD和CAF的低转速齿轮箱故障诊断

针对低转速齿轮箱齿轮故障特征频率低、故障特征频率易被背景噪声淹没,使其难以准确提取的问题,提出了基于参数优化的变分模态分解(parameter optimization variational mode decomposition,简称POVMD)和循环自相关函数(cyclic autocorrelation function,简称CAF)结合的故障诊断方法。首先,通过POVMD对原始信号进行分解,选用余弦相似度度量选取敏感的本征模态函数(intrinsic mode function,简称IMF);其次,计算其循环自相关函数谱,获得包含调制特征的循环自相关函数谱切片;最后,使用Teager能量算子(Teager energy operator,简称TEO)算法对切片解调,提取故障特征频率。同时将本方法与相关方法进行了对比分析,特征频率提取效果更加显著,仿真信号和实验数据分析验证了该方法的有效性和可靠性。     

Rolling element bearing faults diagnosis based on optimal Morlet wavelet filter and autocorrelation enhancement

The fault diagnosis of rolling element bearing is important for improving mechanical system reliability and performance. When localized fault occurs in a bearing, the periodic impulsive feature of the vibration signal appears in time domain, and the corresponding bearing characteristic frequencies (BCFs) emerge in frequency domain. However, in the early stage of bearing failures, the BCFs contain very little energy and are often overwhelmed by noise and higher-level macro-structural vibrations, an effective signal processing method would be necessary to remove such corrupting noise and interference. In this paper, a new hybrid method based on optimal Morlet wavelet filter and autocorrelation enhancement is presented. First, to eliminate the frequency associated with interferential vibrations, the vibration signal is filtered with a band-pass filter determined by a Morlet wavelet whose parameters are optimized by genetic algorithm. Then, to further reduce the residual in-band noise and highlight the periodic impulsive feature, an autocorrelation enhancement algorithm is applied to the filtered signal. In the enhanced autocorrelation envelope power spectrum, only several single spectrum lines would be left, which is very simple for operator to identify the bearing fault type. Moreover, the proposed method can be conducted in an almost automatic way. The results obtained from simulated and practical experiments prove that the proposed method is very effective for bearing faults diagnosis.     

Pedestrian detection algorithms based on an analysis of the autocorrelation function of a seismic signal

A pedestrian detection algorithm based on an analysis of the autocorrelation function of a seismic signal is proposed. The efficiency of this method in terms of detection and false alarm probabilities is shown. Approaches to reducing the complexity of the proposed algorithm are considered. A comparative study is made of the effects of the point sampling frequency and the method of calculating the autocorrelation function on the performance and complexity of the pedestrian detection algorithm.     

A method of noise removal using the inverse transform of an image autocorrelation function

A method for a reversible transform between an image and image autocorrelation function has been devised, and it has been applied to the reduction of random noise in a microscope image. Object-related features of an image signal as well as noise features are overlapped at the vicinity of the origin of an image autocorrelation, and a peak is formed at this position. The present method removes the noise contribution in this peak and returns the autocorrelation function, thus corrected, to the image. An autocorrelation function is computed by two Fourier transforms as based on the convolution theorem. The inverse transform from the image autocorrelation function is made possible by performing two Fourier transforms in reverse to the above. This method has been developed to remove random noise more accurately from a single image (especially for nonperiodic images) than other image-processing methods such as smoothing techniques and low pass filtering.     

非整周期采样信号频率估计的相频匹配方法

为提高非整周期采样信号的频率估计精度,提出一种非整周期采样信号频率估计的相频匹配方法。首先,为抑制信号非整周期采样对自相关的影响,对采样信号进行加窗自相关;其次,根据加窗自相关信号初相位为零的特点生成参考信号,实现参考信号与加窗自相关信号的相位匹配;最后,根据柯西不等式,利用参考信号和加窗自相关信号构造反映参考信号和加窗自相关信号频率匹配程度的误差函数,误差函数最小值对应的频率即为信号频率估计值。计算验证和LFMCW雷达测距实验表明该方法不受信号非整周期采样的影响,有效地提高了非整周期采样信号的频率估计精度,改善了LFMCW雷达的测距精度。