双树复小波稳健滤波在工程表面粗糙度评定中的应用

讨论了现有工程表面粗糙度评定基准滤波方法的优缺点。提出双树复小波变换(DT-CWT)具有近似的平移不变性和改进方向选择性等优点适合用于三维表面基准滤波,但其滤波过于理想化易导致滤波基准在野点处畸变。为此,进一步提出将空域双边滤波思想引入DT-CWT来增强双树复小波变换在提取基准面野点处的稳健性。通过低频重构得到基准信号,并对每层重构系数进行双边滤波,最终增强DT-CWT滤波基准的稳健性。仿真结果显示:改进的DT-CWT能很好地抑制异常值干扰引起的滤波基准在野点处产生的畸变,其得到的基准面的精度误差为0.183 2×10-10 m,重构误差为0.016 1×10-10 m,低于传统方法所得。对实测数据进行处理结果表明,双树复小波稳健滤波能很好地克服边界效应并抑制工程表面上深沟对滤波结果的影响。提出的方法为工程表面粗糙度评定提供了一种新方法。     

稳健样条滤波快速算法及其在磨损表面的应用研究

基于国际标准ISO/TS 16610-22中提出的样条滤波理论,针对磨损表面形貌数据量庞大导致滤波方程求解时间长的问题,提出了一种基于追赶法的样条滤波快速算法.通过对磨损表面的仿真和实验测量数据的滤波进行计算,结果表明:该算法计算效率高、占用内存少;将该算法应用于基于M估计的稳健样条滤波求解中,既能有效避免因磨损表面畸...     

小波滤波及奇异性分析在三维表面形貌评定中的应用

在机械加工领域,表面信息对于表面加工的指导作用至关重要。相对于表面二维信息,三维表面结构信息更能充分反映加工表面的实际特征,是热点研究问题。由于测量仪器的机械传动系统和测量环境等震动因素的存在,接触式测量方法得到的表面信号往往包含震动带入的误差信号,而这些信号存在其自身特点——奇异性特征。目前,小波变换是用于信号处理的有效工具。为透彻分析表面信号并剔除震动误差信号,本文介绍了通过小波变换对奇异信号进行检测的原理,并且给出了具体算法。在实验中利用该方法对表面测量信号进行预处理,并用小波滤波将表面结构分解得到粗糙度尺度轮廓,对其三维典型参数进行了计算,并与高斯滤波得到的粗糙度评定参数进行了比对。计算和比对表明小波奇异性分析是有效的,可得到更加合理的评定结果。     

一种快速稳健高斯回归滤波算法

针对稳健高斯回归滤波器运行速度过慢的问题,利用截断高斯权函数的快速卷积提高了算法运行速度。在详细分析稳健高斯回归滤波器和卷积函数的基础上,推导了截断高斯权函数,并通过实验确定了合适的参数值。实验结果表明,截断高斯权函数能使稳健高斯回归滤波器在精度损失很小的情况下运行时间明显缩短。     

基于噪声方差估计的稳健融合算法

给出一种基于噪声方差估计的稳健融合算法.针对集中式多传感器融合结构,利用随机逼近算法分析了各传感器权的最优分配原则,并给出了一种基于方差估计的权的自适应调整算法.结合多传感器融合跟踪系统,为了提高非线性系统的跟踪性能,滤波算法采用了非线性逼近能力更好的Unscented卡尔曼滤波算法.通过计算机仿真实验,获得了良好的融合效果.与经典的加权方法相比,在相同仿真航路条件下,融合精度和跟踪精度都得到了显著提高.     

小波firm阈值滤波的光谱实时采集方法

为了提高微型光谱仪光谱采集精度,提出了一种利用小波域firm阈值滤波去除随机噪声的方法。首先采集2次光谱谱线,取均值作为待处理谱线。然后计算出这两次谱线的噪声标准差取代传统小波去噪中的噪声标准差估计,运用通用阈值法 作为上阈值。调整下阈值将待处理谱线小波firm阈值滤波,并判断滤波后偏差是否在计算的噪声方差内。实验结果表明：优于传统10次平均法,在高采集精度的基础上提高了采集速度。在以光纤光谱仪为主体的微型生化分析仪样品检测过程中的应用表明：提高了检测精度,减少了检测时间,提高效率4-5倍。     

磨损表面的稳健高斯滤波评定方法研究

磨损表面形貌的评定方法,对于磨损表面状态评定、摩擦特性的分析有着重要的作用,而表面形貌数据的滤波方法,是评定方法中的关键组成之一。采用Tukey、Hampel、IGGI和QC 4种典型稳健权函数分别与高斯滤波结合组成的稳健高斯滤波方法,对由实验得到的黏着磨损和磨料磨损盘表面采集的数据进行稳健滤波分离;通过由稳健高斯滤波与标准高斯滤波得到的三维磨损表面低频基准面的对比分析,以及从磨损表面滤波分离出的高频评定参数的影响分析,研究稳健高斯滤波的滤波稳健性和滤波效率;从滤波后的高频功率谱密度分布特性方面,进一步探讨滤波的稳健性;讨论磨损表面形貌数据中特异值与磨损特征的关系。研究表明：Tukey和Hampel稳健高斯滤波具有良好的滤波稳健性,能有效地分离磨损表面的低频评定基准和包含磨损特征的高频信息;而磨损特征主要分布在高频信息的低频段区间,其功率谱密度函数与表面磨损状态及其摩擦学特性相关。     

基于小波变换的中值滤波图像去噪

针对含噪图像提出了一种更为有效的去噪方法,即先对图像进行小波变换,然后对变换后的各频带子图像进行自适应中值滤波,接着再进行小波反变换,可得到降噪后的图像,同时较好地保持了图像的边缘信息.实验结果表明该方法是有效的.     

表面粗糙度的稳健提取方法研究

在讨论现有表面粗糙度高斯滤波方法的优缺点的基础上，推导了高斯回归滤波及高斯稳健滤波的卷积算法和快速傅里叶算法过程，编写了算法的C语言代码。对实测数据进行处理的结果表明，稳健滤波能很好地克服边界效应并抑制表面上深谷对滤波结果的影响。     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。     

基于小波阈值滤波的轴承故障诊断

针对软阈值滤波和硬阈值滤波的缺陷,设计出了-个线性和非线性相结合的新的阈值函数.在试验仿真后,将其用于实际的振动信号处理.实践证明,此方法不仅滤除了大量的噪声,而且很好地保留了信号的细节,为提取到清晰的故障特征以及分析故障特征创造了条件.     

基于小波变换和自适应中值滤波的图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。该文尝试把小波变换与自适应中值滤波这两种去噪方法相结合,对同时含有高斯噪声和椒盐噪声的图像进行了去噪研究。实验结果表明,此方法在去除噪声的同时也较好地保留了原始图像的边缘信息,效果不仅优于单一的小波变换或普通中值滤波的方法,更优于将小波变换与普通中值滤波相结合的方法。     

基于小波理论的动平衡信号滤波方法研究

动平衡是旋转机械必须解决的一个基本共性问题,传统动平衡方法主要从硬件的滤波和离散傅里叶变换算法来提取振动的基频信号,但傅里叶变换算法无法分析信号显著局部特征,硬件滤波容易受干扰。采用小波理论的软件滤波方法,以ATmega64芯片为核心来实现振动信号的滤波,并取得很好的效果。     

应用小波Firm阈值滤波实现光谱实时采集

提出了一种利用小波域Firm阈值滤波去除随机噪声的方法,以提高微型光谱仪的光谱采集精度。首先,采集2次光谱谱线,取均值作为待处理谱线;然后,计算出这两次谱线的噪声标准差取代传统小波去噪中的噪声标准差估计,运用通用阈值法确定上阈值。调整下阈值对待处理谱线进行小波Firm阈值滤波,并判断滤波后偏差是否在计算的噪声方差内。选用标准溶液以2种浓度做相对吸光度实验(标准值是A=0.3204),分别用传统10次平均方法和Firm阈值滤波法进行去噪。实验结果表明,提出的方法优于传统10次平均法,标准差从0.00796降低到了0.00697,提高了采集速度。在以光纤光谱仪为主体的微型生化分析仪样品检测过程中的应用表明:该方法提高了检测精度,减少了检测时间,提高效率4～5倍。     

高斯滤波在三维表面评定中的应用

表面粗糙度是影响物质表面技术性能的重要物理特征之一,随着现在工程表面要求的不断提高,二维评定已不能满足要求.高斯滤波为当今用滤波技术中的主要方法.本文分析了高斯滤波法在评定三维表面信息时的数学模型并给出高斯滤波本身的不足.为克服其缺点,本文引入了稳健高斯滤波原理并给出算法,最终通过实验证明了其有效性.     

高斯滤波技术提取表面粗糙度信息

在传统高斯滤波理论的基础上,提出稳健高斯滤波算法,引入M估计中的权函数对高斯滤波进行稳健处理,并结合高斯滤波逼近理论,在高斯滤波稳健算法基础上,构建高斯滤波的算法模型和零件表面形貌特征模型。利用MALTAB软件编程和仿真模拟系统,模拟出零件表面原始轮廓信号,并采用simulink系统仿真设计出FIR型数字高斯滤波器。将原始轮廓信号通过高斯滤波器,通过一次有效滤波分离提取出零件表面的粗糙度信号和滤波中线,实现高斯滤波的过程,提取粗糙度信息来评定零件表面质量。     

基于小波神经网络的设计阶段成本估计

机械产品的成本构成复杂，在其设计阶段进行成本估计十分必要。在使用神经网络进行成本估计的基础上，利用小波分析对网络进行了改进，提高了收敛速度，并给出例子，在Matlab中进行了计算。     

基于小波模极大值的心电信号滤波算法

提出一种以R波为优先准则,结合小波模极大值的逐心拍滤波算法;并证实了这种方法在有效改善信噪比的同时,能显著提高信号的分辨率.     

应用谐波小波滤波识别转子系统临界转速

介绍了谐波小波分析及其滤波方法，并运用该方法对转子系统振动信号进行分析，提取信号特征，识别转子临界转速。实践表明，该识别方法具有较的工程实用价值。     

基于小波-强跟踪滤波的陀螺漂移在线预测

为进一步提高陀螺漂移预测精度,根据陀螺一次项漂移系数非平稳时间序列的特点,针对其数据的突变和趋势相较强的问题,提出一种基于小波和多重次优渐消因子强跟踪滤波相结合的非平稳时间序列在线预测方法,并将其应用于陀螺一次项漂移系数预测。实验结果表明,该方法能有效改善数据突变和较强趋势项所带来的状态估计不准、进而造成预测不准的问题,提高了预测精度。