小波变换在压电陀螺仪信号去噪中的应用

提出了基于小波变换的陀螺仪信号的去噪方法.陀螺仪作为重要的敏感测量器件,其测量信号的精度很大程度上决定了系统的性能.利用信号与噪声进行小波变换后在各尺度空间呈现的不同特性,应用Daubechies四阶正交小波(db4)对噪声信号进行多层小波变换,逐层估计小波变换的各层细节信号的阈值,分别进行软阈值滤波处理,然后进行小波逆变换重建信号以达到对信号消噪和恢复的目的.采用该方法可以有效提高陀螺仪噪声环境下的测量精度.     

小波变换在压电陀螺仪信号去噪中的应用

提出了基于小波变换的陀螺仪信号的去噪方法.陀螺仪作为重要的敏感测量器件,其测量信号的精度很大程度上决定了系统的性能.利用信号与噪声进行小波变换后在各尺度空间呈现的不同特性,应用Daubechies四阶正交小波(db4)对噪声信号进行多层小波变换,逐层估计小波变换的各层细节信号的阈值,分别进行软阈值滤波处理,然后进行小波逆变换重建信号以达到对信号消噪和恢复的目的.采用该方法可以有效提高陀螺仪噪声环境下的测量精度.     

小波变换在机械系统非线性信号消噪中的应用

噪声的去除一直是信号处理中较为关键的技术之一。小波变换在时、频两域都具有表征信号局部特征的能力，突破了传统Fourier分析的局限性，很适合检测信号的奇异现像。用Daubechies小波和Fourier变换分别对洛仑兹混沌信号以及撞击流反应器压力波动非线性信号进行去噪分析，结果表明，二者的去噪效果有较大的不同，突出了小波变换用于非线性信号去噪的性能。因而，将小波用于信号消噪具有重要的意义。     

基于小波变换与均值滤波的渐进成形力信号处理研究

成形力是渐进成形过程的重要参数。在渐进成形力的检测过程中,针对渐进成形力信号中含有脉冲干扰、白噪声等混合噪声的问题,提出了将小波变换与均值滤波相结合的去噪方法。描述了基于小波变换与均值滤波相结合的算法步骤,针对成形力信号对小波阈值去噪参数选取进行了研究,并通过实验对比说明了新方法的可靠性与有效性。     

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。     

小波变换在输油管道漏油实时监测中的应用

在输油管道漏油监测系统中，如何将测量到的应力波信号进行处理，对人为打孔漏油的信号特征和模式进行识别，是决定检测准确度的关键。介绍了防盗定位实时监测系统的基本方案以及用于信号处理的小波变换方法，重点讨论了利用信号小波系数与信号奇异性关系进行去噪的方法，给出了一个去噪实例。进行了现场验证试验，结果表明，该法可以很好地去除噪声，提高了系统检测的准确度。     

基于改进阈值小波算法的汽车轮速信号处理

在汽车制动过程中,轮速信号中的噪声对制动有着直接的影响,运用小波理论可以对轮速信号中的噪声进行去噪处理。噪声的幅值随着小波变换尺度的增加会逐渐减小,而信号的幅值与小波变换的尺度变化无关。在Donoho的软、硬阈值去噪方法基础上,提出了一种新的阈值函数量化法,该方法克服了硬阈值法不连续性和软阈值法有偏差的缺点,并把它们应用在汽车轮速信号的去噪上。新的阈值函数具有物理意义清晰、表达式简单等优点。实际信号处理结果表明,这种经改进的方法可以有效地去除噪声干扰,在信噪比指标上也明显优于常用的软、硬阈值去噪算法。     

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。     

基于平移不变小波的声发射信号去噪研究

小波阈值去噪算法在信号的奇异点处会产生Pesudo-Gibbs现象。平移不变小波去噪方法是对闽值法的改进，该方法可以有效地抑制Pesudo-Gibbs现象，而且能够减少原始信号和估计信号的均方根误差，提高信噪比。将该方法用于声发射信号的去噪处理，并与闽值法进行了比较。仿真结果表明该研究方法可以有效地去除噪声，提取声发射信号的特征信息，具有较强的工程实用性。     

基于小波分析的齿轮箱振动信号消噪处理

基于小波变换具有良好时频分析的特点,介绍了小波变换用于去除噪声的原理和方法,建立齿轮箱齿轮人工点蚀故障模拟实验台,通过Matlab对故障振动信号进行小波分析,并且和没有经过信号消噪就进行小波分解进行对比,从而得出对含噪声的非平稳信号进行消噪,再进行小波分解可以较好的提取齿轮点蚀故障特征频率的结论。     

提升小波包渐变式阈值选择与量化降噪方法

为了实现移动装备发动机缸盖振动信号的在线处理,提出一种基于提升小波包变换的渐变式阈值降噪方法。分析了移动装备发动机缸盖振动信号的时频特性,介绍了插补细分提升小波包变换算法。提出一种渐变式阈值选择与量化策略,以适应信号与噪声特点。引入基于类可分离性测量的降噪效果评价标准,实现了复杂实测信号降噪效果的量化评价。应用实例表明,渐变式阈值与量化策略,能在全频带内很好地消除噪声并保留有用信息,具有更好的降噪效果。     

基于FSWT细化时频谱SVD降噪的冲击特征分离方法

为有效提取滚动轴承故障振动信号的故障冲击特征,提出了基于FSWT细化时频谱SVD降噪的冲击特征分离提取方法。首先对原始信号进行频率切片小波变换得到全频带下的时频分布,然后根据时频谱能量分布特点选择出感兴趣的时频区域,再以较高的时频分辨率对感兴趣的时频区域进行细化分析得到细化的时频谱,从而分割出含有故障特征时频区域。为克服噪声对细化时频谱精度的影响,FSWT细化分析过程融入SVD降噪,通过对FSWT细化时频谱系数矩阵进行奇异值差分谱阈值降噪,使得FSWT细化时频谱的冲击特征更加明显,最后通对降噪后的细化时频谱进行FSWT逆变换重构,分离出故障冲击信号。仿真分析和故障诊断实例表明,基于FSWT细化时频谱SVD降噪的冲击特征分离提取方法能够成功从低信噪比信号中提取出周期性的冲击特征,有效地实现对滚动轴承各种故障的诊断。     

基于同步压缩小波变换的滚动轴承故障诊断

针对滚动轴承故障诊断中存在的非平稳故障信号的特征提取困难这一难题,提出利用同步压缩小波变换(SWT)对故障信号的监测数据进行处理的方法。首先对信号进行连续小波变换(CWT),其次对小波变换系数进行同步压缩变换(SST),然后对SST系数进行自适应阈值去噪,之后在有效信号数据的频率中心附近进行积分提取,最后用提取到的有效信号进行重构。对实测的滚动轴承故障信号进行处理验证,结果表明,SWT具有较高的信号提取精度以及降噪能力,同时具有较高的时频分辨率,能够将故障信号转换为高分辨率的时频谱,弥补了CWT在这方面的不足。     

三坐标测量机测量数据的降噪

小波变换是一种新的信号时频分析方法,在时频两域均有良好的局部性。根据小波变换多分辨率的特点,提出应用小波技术进行点云数据的降噪。该方法首先对点云数据进行小波分解,然后对细节系数作用软阈值,最后进行小波重构。试验表明,该方法在保留原数据相似性的基础上,有效地抑制了噪声。     

基于小波变换圆度误差的检测方法

针对圆度误差在非接触检测过程中噪声对原始信号产生干扰的问题,提出采用小波变换进行采样信号的降噪处理,小波变换具有多分辨率分析的特点,在信号分析处理中能有效区分信号中的噪声,具有良好的去噪能力;讨论了快速小波变换算法及小波阈值降噪法的基本原理和处理实测信号的具体步骤;分析了基于小波变换的最小二乘圆法评定圆度误差的算法,并推导了最小二乘圆的理论模型;运用Matlab小波工具箱并通过试验说明了小波分析处理圆度误差的方法和效果。     

Study on denoising filter of underwater vehicle using DWT

In the step processing a digitalized signal,noises are generated by internal or external causes of the system.In order to eliminate these noises,various methods are researched.Among these noise elimination methods,Fourier fast transform （FFT） and short-time Fourier transform （STFT） are widely used.Because they are expressed as a fixed time-frequency domain,they have the disadvantage that the time information about the signal is unknown.In order to overcome these limitations,by using the wavelet transform that provides a variety of time-frequency resolution,multi-resolution analysis can be analysed and a varying noise depending on the time characteristics can be removed more efficiently.Therefore,in this paper,a denoising method of underwater vehicle using discrete wavelet transform （DWT） is proposed.     

基于小波消噪和优化支持向量机的板形模式识别

提高板形模式识别的精度利于得到高精度的控制效果。针对实测的板形信号中混有噪声信号的问题,利用双变量阈值小波去噪,克服了软硬阈值函数在处理小波系数方面存在的缺点,使得去噪的效果更好。将去噪后的板形信号离散化,作为支持向量机的学习样本,建立识别模型。引入布谷鸟算法优化支持向量机的参数。仿真结果表明,相比于粒子群和遗传算法,布谷鸟优化算法所需匹配的参数少,而获得的最优解更好。     

WEIS wheel speed real-time measuring method for VOSM

Wheel speed is one of the key parameters of vehicle operating attitude. To solve the problems in traditional wheel speed measuring methods, such as low measurement precision and the lack of real-time monitoring of the vehicle’s operating attitude, a wheel embedded intelligent sensors (WEIS) wheel speed measuring method for vehicle operating safety states monitoring (VOSM) is innovatively proposed. Radial acceleration signal is obtained through a WEIS module embedded in the hub. Using wavelet packet to implement wavelet de-noising for the non-stationary acceleration signals, and adopting short-time Fourier transform (STFT) algorithm to extract the signal characteristics, the wheel speed measurement can be achieved. The experimental result shows that under experimental conditions the speed measurement error is − 2.05%, and the speed measuring response time is 0.45 s.