基于集合经验模态分解的MEMS矢量水听器联合去噪算法

针对MEMS矢量水听器的噪声去除问题,将集合经验模态分解(EEMD)、小波阈值去噪(WT)和奇异谱分析(SSA)相结合,提出了一种联合EEMD-WT-SSA去噪算法.该算法首先将含噪信号分解为一系列固有模态函数(IMF),然后,用连续均方误差准则(CMSE)对高频和低频进行区分,对高频信号进行小波阈值去噪,再和低频信号...     

集合经验模态分解的稳健滤波方法研究

为了消除野值和噪声信号对观测数据的影响,给出一种基于集合经验分解的具有稳健性的滤波算法：首先用滑动中值滤波算法剔除原始数据中的野值,然后采用集合经验模态分解算法,抑制数据中的噪声。数值仿真和实际工程应用表明,该方法不仅能剔除野值,抑制信号中的噪声,提高信噪比,还能够有效消除模态混叠问题,将被测信号中不同的频率成分独立分解在不同的固有模态函数中,从而得到更清晰的时频分布,有利于实际数据处理中的信号分析和故障诊断。     

基于经验模态分解的超声波管外测压信号去噪

在超声波管外测压中,回波信号往往受到噪声的干扰,所以在提取信号特征时,需对回波信号进行去噪。提出了一种基于经验模态分解（EMD）的超声波信号去噪方法,首先利用EMD求出信号的本征模态函数（IMF）,然后通过对比分析,利用反映信号主要特征的模态分量对信号进行重构以实现去噪。实验结果表明,该方法能够有效地去除噪声,提高超声回波信号的信噪比。     

基于变分模态分解的静电监测信号去噪方法研究

受外界环境中的电磁等因素的影响,机械设备的有效静电信号往往被噪声淹没,使其故障特征难以提取.针对这一问题,提出一种基于变分模态分解的静电监测信号的去噪方法.首先,通过迭代计算出变分模态分解的最优解;然后,通过得出的最优解对静电监测信号进行重构;最后,对选取的分量进行故障特征提取并进行去噪得到变分模态方法去噪后的信号.通...     

经验模态分解去噪技术及其在兰姆波检测中的应用

经验模态分解(EMD)是一种新出现的处理非线性、非稳态数据的信号分析方法,通过三次样条包络分离数据的高阶成分和趋势。利用EMD的这种特性对超声兰姆波检测中的实测信号作去噪处理,并与小波去噪结果进行了对比,表明EMD去噪具有更强的自适应能力,且需知的原信号先验信息更少。     

改进的小波阈值去噪方法及其在MATLAB中的仿真

对比分析各种小波去噪方法,在此基础上构造一个新的阈值函数,并对阈值的选取做了一定的改进利用MATLAB软件进行信号降噪仿真实验,结果证明改进后的方法优于传统方法,取得较好的去噪效果。     

一种改进的小波阈值去噪算法研究

研究小波去噪算法中软阈值函数与硬阈值函数的方法,针对一些可变阈值函数的运算复杂的问题,提出一种新的阈值函数。经仿真测试,改进的小波阈值去噪算法的信噪比为20.103,去噪后,数据的均方误差为0.1152。     

基于CEEMD低通的隧道爆破振动信号去噪

为了消除隧道爆破振动信号中无规则混杂的噪声,引入了一种基于CEEMD(互补集合经验模态分解)的低通去噪方法。首先对模拟正弦信号进行EMD、EEMD、CEEMD分解,验证CEEMD分解方法的优越性,然后使用EMD和CEEMD低通方法分别对新鼓山隧道爆破信号进行去噪处理,结果表明该方法不仅克服了小波类去噪基函数选择困难和EMD模态混叠的问题,还能够使爆破波形保留其真实性和完整性,为爆破信号的精确处理奠定了基础。     

爆破振动信号3种经验模态分解差异性研究

为了准确评估冻结立井爆破对井壁产生的影响,采用井壁预埋法对大药量爆破下井壁的振动响应进行了监测。利用EMD、EEMD和CEEMD典型经验模态算法对井壁信号进行了分析,并结合时频谱对分解和重构效果进行了综合评价。分析结果表明:受测试环境影响,爆破信号中普遍含有噪声等干扰成分。EMD分解存在明显模态混叠和端点效应,EEMD分解虽对模态混叠现象有所改善,但去噪效果仍不理想,CEEMD分解对模态混叠和噪声消除方面均具有很好的处理效果。CEEMD重构信号时频谱能够深刻揭示爆破能量在时频域上的分布且对干扰成分不敏感,适合用于批量信号的预处理过程。分析结果对于爆破能量识别和振动损伤控制具有积极的现实意义。     

爆破振动信号3种经验模态分解差异性研究

为了准确评估冻结立井爆破对井壁产生的影响,采用井壁预埋法对大药量爆破下井壁的振动响应进行了监测.利用EMD、EEMD和CEEMD典型经验模态算法对井壁信号进行了分析,并结合时频谱对分解和重构效果进行了综合评价.分析结果表明:受测试环境影响,爆破信号中普遍含有噪声等干扰成分.EMD分解存在明显模态混叠和端点效应,EEMD...     

基于偶树复小波和改进型阈值函数的降噪方法 及其应用

为更好地保留原有用信号信息,有效恢复强噪声背景下微弱故障信号,提出了一种基于对偶树复小波和改进型阈值函数的降噪方法,将其应用于机械故障诊断,取得了较好效果。运用对偶树复小波变换滤波器设计方法和改进型阈值函数,以实施降噪的具体步骤。该法充分利用了对偶树复小波变换的平移不变的优良特性,同时,改进型阈值函数与传统软、硬阈值降噪算法相比,克服了软阈值信号失真和硬阈值信号不连续、振荡等缺点。实验表明：此法有效去除了噪声,是一种较好的提取微弱故障信号的方法。     

自适应二进小波去噪法

本文通过引入一类新的可微阈值函数,建立了信号的能量同它的二进小波变换系数之间的关系.利用Stein无偏风险估计和梯度下降法,给出了迭代求解各尺度二进小波系数最优阈值的自适应去噪算法.数值实验结果表明,同现存的小波去噪技术相比,该算法的去噪结果具有更高的重构信噪比和更光滑的外观.     

小波域隐Markov树模型降噪算法的改进

提出了适应于更一般情况的基于小波域隐Markov树(HMT)模型信号降噪的改进算法。通常算法以数个零均值高斯函数加权之和描述信号小波系数统计分布,在有些情况下可能带来严重失真。改进算法以一般统计模型描述信号小波系数分布,以最优估计方式对其降噪,能够避免不适当统计模型可能带来的潜在失真。数据仿真表明该算法有时可以减少降噪信号的MSE(均方误差)80％以上。     

小波域降噪方法及其在历史音频保护中的应用

提出基于小波包变换的自适应多阈值音频降噪法,从小波包最佳分解树的各个终端结点选择不同的最佳阈值。而最佳阈值的选取是基于贝叶斯理论,并且采用折中阈值函数。实验和应用表明,相比小波包全局阈值降噪算法,此种降噪方法能使降噪后的音频保留尽可能多的原始音乐信号,较好地适合听众的听觉效应,满足历史音频资料数字化保存的需要。     

改进小波阈值去噪法的对比性仿真实验与分析

针对多种有代表性的改进小波阈值去噪法进行对比性仿真研究。分析软、硬阈值去噪法和各种改进小波阈值去噪法,并在此基础上提出构造改进小波阈值去噪法的必要条件以及新的改进方法,然后用4种带Gaussian白噪声的典型输入信号对各阈值去噪法进行仿真实验,评价改进阈值去噪法的有效性与优越性。通过对比研究,简要总结了改进阈值去噪法的共有特点。     

一种高效的图像去噪算法

针对图像去噪的速度以及可能出现的阶梯效应等问题进行了研究,提出了一种高效的图像去噪算法.该算法在贝叶斯框架下,首先引入调和模型作为原始图像的先验模型,并用伽马分布作为未知参数的先验分布模型;然后,用变分近似的方法推导最大后验概率;基于此推导过程,同步地估计原始图像和未知参数的最优值,实现图像去噪.实验结果证明了该算法的高效性,通过与其它算法的比较,该算法体现了速度快、效果好的优点,且去噪后的图像不会出现阶梯效应等问题.     

Bandelet变换在金属断口图像去噪中的应用

Bandelet变换是一种基于边缘的图像表示方法,能自适应地跟踪图像的几何正则方向。本文中首先用小波去噪方法对带噪声的金属断口图像进行预处理,利用软阀值函数获得阀值T,进而获取去噪后图像的四叉树结构,并沿Bandelet块的最佳几何方向进行曲波变换,最后利用SUREShink 计算各Bandelet块的自适应阈值,然后采用多层软阈值去除噪声,进行Bandelet逆变换重构图像。实验表明同传统的小波子带多阈值去噪法相比, 该算法不仅提高了去噪后图像的峰值信噪比(PSNR),而且具有更强的边缘保持能力。     

自适应小波降噪在轴承故障诊断中的应用

针对轴承振动的非平稳性特点和频谱成分的混杂性,提出了基于小波的信号自适应阈值降噪法。自适应阈值降噪法首先对信号进行离散正交小波多层分解,对分解后的各层细节系数中模小于某阈值的系数进行处理,然后将处理完的小波系数再进行反变换,重构出经过降噪后的信号。用仿真信号进行降噪处理,结果表明:通过选择合适的小波基和阈值选择规则,可以实现信号的完美降噪;实测轴承振动信号用小波降噪方法进行预处理,提高了信噪比,进一步作频谱分析得到了故障特征信息,为诊断决策提供了依据。     

一种改进的三维块匹配图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,改进三维块匹配算法,提出一种新的图像去噪算法。方法首先,该算法将含噪声图像用图像块之间的相似性构建三维矩阵。然后,在图像块之间进行硬阈值滤波降低噪声,对图像块集合加权平均重建得到初步估计去噪图像。最后,对初步估计结果图像进行块匹配,在图像块内和图像块之间进行维纳滤波和加权中值滤波,得到最终去噪图像。结果仿真结果表明,该算法对图像采集的常见噪声均表现出理想的去噪效果,PSNR值均大于31 d B。对比维纳滤波、中值滤波、硬阈值小波滤波,文中算法对高斯噪声、椒盐噪声和混合噪声的去噪结果 PSNR值为31.5334~36.6466 d B,均高于其他算法,最高差值达到12.08 d B。结论结合中值滤波和三维块匹配算法的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。