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。     

基于改进小波域阈值法的平移不变振动信号去噪

针对含噪振动信号的去噪问题,采用了目前最有效的小波算法。在传统小波域阈值法的基础上,克服了软、硬阈值的缺陷,采用了新的闽值函数,并通过平移不变小波变换对去噪效果进行了强化。通过与几种方法去噪效果的仿真对比,其结果表明,新的去噪方案可以获得最大的信噪比（SNR）,其去噪效果明显优于传统的软、硬阈值函数,并在实际振动信号的处理中得到了很好的应用。     

基于平移不变小波阈值算法的经验模态分解方法

针对经验模态分解(EMD)处理存在间断事件的数据会引起模态混叠的问题,提出了一种经验模态分解与小波去噪相结合的新方法.由于传统的小波变换去噪会使信号在间断事件处产生人为的振荡现象,故先用平移不变小波去噪算法对信号进行预处理,消除间断信号对EMD方法的影响,再对信号进行EMD分解.理论计算及实验研究表明:只有在有效消除异常干扰的情况下才能获得可靠的IMF分量,采用本文的方法消除间断信号对EMD分解的影响是有效可行的.     

基于小波阈值去噪方法的研究

系统地研究了小波的软阈值去噪、硬阈值去噪、garrote阈值去噪以及semisoft阈值去噪等四种阈值去噪方法,并把它们应用到典型的含噪信号中进行比较,最后对去噪的影响进行了阐述.     

基于平移不变多小波变换的齿轮故障诊断

机械设备发生故障时,反映设备故障特征的振动信号常淹没在背景噪声中,直接做频谱分析,很难提取其故障特征。将平移不变多小波降噪方法应用到仿真加噪冲击信号,提取出隐藏在噪声中的冲击特征。然后将该方法应用于齿轮箱试验台信号分析中,试验结果表明,平移不变多小波降噪方法能够有效地提取出齿轮箱断齿故障的冲击特征频率,诊断出齿轮箱的断齿故障,为故障诊断提供了准确的依据。仿真与试验分析验证了平移不变多小波降噪方法在故障诊断中的有效性。     

基于小波分解的信号去噪方法

本文对热电偶动态校准中红外探测器输出信号的去噪方法进行了研究。首先分析了经典滤波器方法的不足,介绍了小波分析方法在动态测试信号降噪中的应用。接着讨论了小波分析的理论基础以及小波基的选择、分解级数和阈值的确定。最后在Matlab平台下对红外探测器信号进行了去噪实验。实验结果表明,该方法有效去除了固定频率噪声和高频噪声,去噪后信号与原始信号中有用信号成分是同步的,这对于热电偶的建模分析具有重要意义。     

模糊小波阈值去噪方法的研究

为了避免由于阈值选取不当造成信号失真,将模糊理论引入到小波阈值去噪中,利用两个常用隶属函数构造了两种模糊阈值去噪方法.仿真结果表明上述方法有效地避免了小波阈值法误判的缺陷,去噪效果明显.     

基于小波变换的信号去噪研究

介绍了小波变换理论,系统地研究了小波变换在信号处理尤其是信号滤波去噪方面的应用。根据不同类型的噪音．给出了基于不同小波变换的滤波算法并且对基于小波变换的滤波原理进行了分析。     

基于LabVIEW的织物疵点检测的小波去噪方法研究

本文以LabVIEW (Laboratory Virtual Instrument Engineering Workbench)为软件开发平台,运用小波变换理论,对织物疵点检测的去噪方法进行研究。同时结合LabVIEW编程语言详细分析小波去噪的原理及小波去噪的具体设计。实验结果表明,小波变换能有效去除织物图像中的噪声,突出并增强织物的疵点部分,为后续图像的进一步处理提供有力的帮助。     

CEEMDAN-小波阈值联合的球磨机筒体振动信号去噪方法研究

针对球磨机振动信号非线性、非平稳性特点及总体平均经验模态分解方法(CEEMDAN),舍弃高频分量降噪方法和小波阈值降噪方法存在的不足,提出了一种基于CEEMDAN-小波阈值联合的球磨机筒体振动信号去噪方法。首先运用CEEMDAN算法将信号分解成一系列IMF分量;其次采用连续均方误差准则确定含噪声较多的高频IMF分量;然后采用小波阈值去噪方法对含噪声较多的高频IMF分量进行去噪处理;最后将去噪后的IMF分量和去噪的IMF分量进行重构,从而得到去噪后的信号。通过对实测球磨机筒体振动信号进行去噪分析,结果表明本研究提出的联合去噪方法去噪后信号的信噪比更高、均方根误差更低,证明该方法具有更高的去噪精度。     

基于小波变换的微弱生命信号去噪问题研究

为了解决生命探测雷达回波中微弱生命信号提取难的问题,采用小波变换的阈值去噪法对强噪声背景下的微弱的人体心跳信号时域波形进行了提取,在MATLAB环境下,利用软件程序对实采的人体心跳信号进行去噪处理,得到了较好的人体心跳时域波形,验证了小波变换可以在生命探测雷达回波中微弱生命信号的提取时发挥重要作用。     

基于小波变换的汽车节气门位置信号去噪

传统的汽车节气门位置信号(throttle position sensor,TPS)处理方法不易消除发动机舱内电磁信号及周边环境的干扰。根据TPS的特征,在MATLAB中选用Daubechies五阶正交小波(dB5)对TPS噪声信号进行4层小波分解,再对分解后得到的各层系数用软阈值法量化处理,最后利用小波重构,实现对信号去噪。最后将获得的去噪信号用于发动机控制,并将控制结果与采用未去噪信号的发动机进行实车对比试验。试验表明:发动机采用去噪的TPS信号运行更平稳,小波变换后的去噪TPS信号对发动机控制具有良好的效果。     

基于小波包变换的齿轮箱降噪方法研究

应用小波包变换理论和小波包降噪原理,对轧机齿轮箱的振动信号进行小波包降噪,有效地从含噪信号中提取出故障特征。通过对计算机仿真信号的降噪效果比较和实例分析,显示了小波包降噪的优越性。最后对齿轮箱降噪前后小波包各频带能量向量的比较,进一步表明了小波包降噪在消除高频干扰,凸显故障特征方面的有效性。     

基于小波变换的磁共振图像去噪方法研究

小波变换用于图像去噪的思想20世纪90年代就已经提出,然而前人所提出的这种方法对于磁共振图像去噪的效果并不理想.磁共振图像经这种小波变换去噪后,纹理特征被弱化,图像的边缘变得模糊.针对以上问题,提出了基于小波变换的图像去噪新方法.此去噪方法与经典的小波去噪方法不同,该方法不依赖图像大小来判断门限,不需方差信息.采用本方法处理的噪声图像与经典方法相比,图像的边缘信息更清晰,纹理特征增强,去噪能力也得到增强.     

基于小波变换的偏微分方程求解

偏微分方程在计算流体力学和许多化工过程建模中有广泛的应用.当在空间位置出现突变时,偏微分方程的经典解法如有限元法和加权残差法等无法保证解的精度和收敛性.在此基于内插小波变换,研究了改善偏微分方程求解精度的方法.     

中值滤波与小波变换的指纹图像混合去噪的算法

图像去噪是指纹图像预处理中的重要内容,直接影响着指纹识别系统的准确率.结合中值滤波与小波去噪分别去除椒盐噪声和高斯噪声中的优势,提出了一种指纹图像混合去噪算法,并对其中的关键步骤进行了详细分析.仿真结果表明:相对于单一使用一种去噪方法,混合去噪算法能更有效地去除指纹图像中的椒盐和高斯混合噪声,获得了较好的峰值信噪比增益.     

基于小波分析的局部放电信号消噪研究

由于强烈的窄带周期干扰、白噪声和脉冲干扰等外部干扰,局部放电信号提取是变压器局部放电在线监测技术中的难题,应用小波去噪技术研究了局部放电在线监测中的噪声抑制方法,对母小波及阈值的选择进行了研究,通过以MATLAB为平台对几种母小波比对分析和基于小波变换的阈值去噪仿真实验,验证了小波去噪比较理想的效果.     

基于子波变换的单支重构法在涡街流量传感器中的应用

基于子波变换消噪原理,结合涡街流量传感器的实际应用,提出了一种适用于涡街流量传感器频率计数的子波滤波方案,同时给出了滤波级数的选取方法.基于涡街流量传感器工作原理,这种改进的重构计数能够达到计量要求.通过对实测信号的分析,证实了方法的有效性.     

基于小波去噪和Hilbert-Huang变换在齿轮箱故障诊断中的应用

为了从混有大量噪声的信号中准确地提取故障信息,利用小波去噪和Hilbert-Huang变换相结合的方法。首先利用小波去噪作为信号的预处理,通过经验模式分解和Hilbert变换求得边际谱,确定故障的特征。该方法克服了直接运用经验模式分解方法由于大量噪声带来的不必要的干扰,更好地辨识出故障的局部特征信息。通过实例分析表明了该方法的有效性和实用性。