经验模态分解在电力绝缘气体SF6红外光谱去噪中的应用

经验模态分解(EMD)是以信号极值特征尺度为度量的时空滤波器,它充分保留了信号本身的非线性和非平稳特征,在信号去噪中具有较大的优势。本文以电力绝缘气体SF6为研究对象,在介绍E MD分解方法的基础上,首先对含噪的SF6光谱信号做EMD分解,得到各阶本征模态函数(IMF),然后对高频的IMF分量用阈值法进行处理,把经过阈值处理后的高频I MF分量与低频IMF分量叠加重构得到去噪后的信号。分析了在不同噪声水平上与小波阈值去噪方法的处理效果。实验结果表明EMD阈值去噪法有效地去除了噪声,较好地保留了光谱的细节信息,与小波阈值去噪方法相比较具有自适应的优势。     

基于ICEEMDAN的曲波阈值地震数据去噪方法研究

地震数据去噪对地震资料的品质的提升有重要的作用,因此对地震数据噪声的压制非常必要.本文提出一种基于ICEEMDAN与曲波阈值相结合去噪处理的方法,该方法解决了经验模态分解的模态混叠问题,使ICEEMDAN分解出来的模态分量特征更明显,然后通过曲波阈值对模态分量进行去噪并对处理的模态分量进行重构,利用信噪比(SNR)、均...     

基于曲波变换和快速非局部均值的地震数据随机噪声压制

在常规的地震勘探中,由于受到激发、接收环境或仪器等因素影响,地震数据中会不可避免地混杂随机噪声,导致有效信号被淹没,从而无法被清晰识别,因此随机噪声的压制至关重要.本次研究提出一种改进曲波变换阈值去噪结合快速非局部均值去除地震随机噪声的方法:首先将循环平移和块状复数域阈值方法引入到曲波变换阈值去噪中,改进传统的曲波阈值...     

基于ICEEMD的地震信号去噪

ICEEMD是CEEMD的一种最新扩展,其有效解决了CEEMD在信号分解过程中产生的诸多问题,如分解模态中的残留噪声和模态混叠。基于ICEEMD提出一种新的地震信号去噪方法,含噪信号经过ICEEMD分解之后,有效信号集中在更少的模态中,通过重构信号固有的模态可以有效实现地震信号去噪。合成信号例子阐明了ICEEMD去噪方法的效果,并与传统的基于CEEMD的去噪方法进行了对比。实际数据处理结果进一步验证了文中提出方法的优势,即在有效压制随机噪声提高地震资料信噪比的同时,能够最大程度地保护有效信号。     

联合VMD和Shearlet变换的去噪方法研究

地震数据中的噪声信号会很大程度上降低地震数据的信噪比,对后续的处理和解释工作造成一定的难度,因此研究一种去噪方法具有十分重要的意义。本文构建一种变分模态分解(Variational Mode Decomposition, VMD)和Shearlet变换联合去噪的方法,首先通过VMD将地震数据分解为一系列不同中心频率分布的模态分量(Intrinsic Mode Function, IMF),然后使用Shearlet变换对含噪的IMF分量进行去噪并对处理后的分量进行重构,最终达到去噪目的。该方法引入基于稀疏表示的地震数据去噪方法,兼顾VMD和Shearlet变换的优点,可以有效去除噪声。经过合成信号、模型及实际数据测试结果表明,本文方法处理合成信号结果显示,与VMD和小波变换方法相比,信噪比分别提高1.69、1.87,均方误差数值上减少近一半,在去除噪声的同时能更好地保留地震数据特征,提高地震资料的信噪比。     

基于自适应维纳滤波和2D-VMD的声呐图像去噪算法

声呐图像易产生对比度低、分辨率低、边缘失真等问题,所以在去除声呐图像噪声时难以将有效信号与噪声准确分离,从而导致去噪后图像对比度降低、边缘轮廓不清晰、细节丢失严重等问题.本文提出一种基于自适应维纳滤波和2D-VMD(二维变分模态分解)的声呐图像去噪算法.首先通过二维变分模态分解对含噪图像进行分解,得到一系列不同中心频率的模态分量,利用相关系数和结构相似度筛选出有效的模态分量,并使用自适应维纳滤波处理有效的模态分量,最后将滤波后的模态分量进行重构,从而去除图像中的噪声.实验结果表明:所提图像去噪算法在相关系数(CC)、结构相似度(SSIM)这两项客观数据上表现最优,峰值信噪比(PSNR)略低于NSST域去噪,综合客观数据与视觉效果,本文所提算法去除噪声后的图像细节和边缘保持能力效果最佳.     

基于改进的EEMD实现地震信号去噪

EEMD(Ensemble Empirical Mode Decomposition)是EMD的一种新扩展,为克服EMD本身存在的模态混叠而产生。传统EEMD去噪通常是将由噪声引起的IMF(Intrinsic Mode Function)直接舍掉,然后利用剩余的IMF重构信号,然而这种作法仅仅是压制了部分噪声,去噪效果不够理想。基于此本文提出一种改进的EEMD随机噪声消除方法,该方法结合了平移不变量小波阈值滤波压制高频噪声的优点以及Savitzky-Golay滤波去除低频噪声的优势。结果表明该方法不仅可以很好地衰减随机噪声,有效提高地震资料的信噪比,而且能够较好地保持有效信号。     

基于EMD方法的心电信号带内噪声滤除

为解决心电信号去噪过程中有用信号被削减的问题,提出了基于经验模态分解(EMD)滤除心电信号带内噪声的方法.该方法用EMD方法处理含噪分量,保持有用信号的功率基本不变,大大消弱噪声的功率,达到去噪目的.实验表明:与传统EMD阈值滤波相比,该方法在滤除噪声的同时能保留真实信号的完整性,证实了该算法对低信噪比微弱信号带内噪声滤除的有效性.     

基于VMD-SSA的埋地输气管道泄漏声波信号降噪研究

针对埋地输气管道泄漏声波信号沿土壤介质传播过程中易受噪声干扰的问题,提出基于变分模态分解结合奇异谱分析的联合降噪方法。先对含噪信号进行VMD分解,并根据能量熵分布图重构去除高频噪声。再对余下含中低频噪声的信号分量进行SSA分析,结合奇异值差分谱和能量贡献选取最优奇异值重构得到最终降噪信号。实验结果表明,相较于小波阈值、变分模态分解等降噪方法,改进方法降噪前后信噪比均增量提高27.1%,均方根误差均减量提高13.8%,是一种更有效的降噪方法。     

基于曲波噪声估计的K-SVD字典学习地震资料去噪

常规K-SVD字典学习方法在处理实际地震资料的过程中,往往无法得到地震随机噪声的先验信息,使得相关的误差参数无法确定,只能通过大量调参来实现最优去噪效果。基于此提出了一种基于曲波噪声估计的K-SVD字典学习地震资料去噪方法,旨在通过对地震资料进行曲波变换,选取尺度系数最大且对应方向上噪声能量最大的曲波系数,来估计随机噪声标准差,再利用K-SVD字典学习方法自适应获得超完备字典,并在重构过程中根据所得噪声标准差确定最优迭代误差参数,从而进行去噪处理。理论模型和实际地震资料的处理结果表明,该算法相较于传统的去噪方法,能在压制随机噪声的同时,最大限度地保护有效信号不被切除。     

一种新的基于小波变换的语音消噪方法

提出一种新的语音消噪处理方法:二次小波分解全局阈值法.该方法不同于传统阈值消噪方法,首先对语音信号高频部分做了二次分解,然后应用阈值消噪的方法对信号进行消噪处理.该方法在MATLAB上进行了模拟实验.试验结果表明该种方法鲁棒性很好,提高了信噪比,去除了大部分噪声,同时有效信号的能量也相当完整地保留下来,能够很好地解决噪声对语音信号的干扰问题.     

基于经验模态分解的小波阈值滤波去噪

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,首先对带噪信号做EMD分解,得到各阶本征模函数(IMF)分量,然后对高频的IMF分量用小波去噪中的阈值方法进行处理,把经过阈值处理的高频IMF分量和低频的IMF进行叠加,得到重构后的信号,即去噪信号。通过三次样条包络分离数据的高阶成份和趋势项。利用EMD的这种特性,提出一种基于EMD变换的阈值去噪算法。仿真实验表明基于EMD变换的去噪具有较好的自适应能力,形式简单,应用方便灵活,不受傅立叶变换及小波函数选择的限制等。     

基于变分模态分解和奇异值分解的局部放电信号去噪方法

为有效抑制局部放电信号中的复杂噪声干扰,提出一种基于变分模态分解和奇异值分解的去噪方法。首先通过泄露能量确定VMD算法中的模态分解个数,对局部放电信号进行分解,得到数个有限带宽的固有模态分量;然后基于峭度指标选择包含有用信息的分量进行信号重构,将周期性窄带干扰去除;最后采用奇异值分解去噪方法抑制信号中剩余的高斯白噪声。运用该方法对含噪局放信号进行去噪处理,并通过时变峰度法对信号初至时刻进行拾取。与传统的小波方法和经验模态分解算法进行对比,该方法能有效抑制局放信号的复杂噪声干扰,去噪后信号波形畸变较小,信号拾取精度较高。     

小波变换在地震信号噪声处理中的应用

常规小波域阈值去噪方法未能充分利用地震信号相关性的特点进行去噪，只能去除地震信号中部分随机噪声，为此提出了一种小波域分时分频相关结合阈值去噪处理方法。该方法首先对小波变换后多个尺度上小波系数进行分时分频相关去噪处理，然后对处理后小波系数进行重构，并可去除大部分不相关随机噪声。对重构后地震信号再进行常规小波域阈值去噪处理以进一步去除噪声。模型测试和实际资料处理效果表明：使用该方法可以有效地改进地震信号去噪处理效果。     

陀螺飞轮信号的EMD/LPF混合去噪方法

为提高陀螺飞轮系统的标定与辨识精度进而保证姿态测量性能,对其信号去噪方法进行研究以便从复杂噪声中提取标定辨识所需的有用信息.首先基于噪声产生机理对陀螺飞轮信号的噪声特性进行分析.其次,在不影响信号低频特性的前提下,采用传统低通滤波（LPF）方法对信号进行预处理以抑制高频周期噪声.然后应用经验模态分解方法（EMD）对LPF预处理后的信号进行分解,根据信号和各模态分量的概率密度函数的相似性度量,给出一种模态判定准则.在此基础上,结合现有阈值滤波方法,提出一种EMD/LPF混合去噪方案. 结果表明:所提出的基于相似性度量的模态判定准则在不同信噪比条件下均能够实现分界点的准确判定;将所研究的去噪方法分别应用于标准测试信号和陀螺飞轮实测信号;所提出的混合去噪方法相比于现有去噪方法更为有效.     

基于EMD的激光超声信号去噪方法

基于连续均方误差的准则,提出了一种基于经验模态分解(EMD)的激光超声信号去噪方法.该方法将经验模态分解得到的固有模态函数(IMF)分为信号分量起主导作用,模态与噪声分量起主导作用模态,利用反映信号主要结构的模态对信号进行部分重建实现去噪.将该方法应用于测试信号与实际激光超声信号的去噪,实验结果表明该方法能够有效地去除噪声,并且不受主观参数的影响,具有自适应的特点.     

基于EMD的激光超声信号去噪方法

基于连续均方误差的准则,提出了一种基于经验模态分解（EMD）的激光超声信号去噪方法．该方法将经验模态分解得到的固有模态函数（IMF）分为信号分量起主导作用,模态与噪声分量起主导作用模态,利用反映信号主要结构的模态对信号进行部分重建实现去噪．将该方法应用于测试信号与实际激光超声信号的去噪,实验结果表明该方法能够有效地去除噪声,并且不受主观参数的影响,具有自适应的特点．     

基于曲波域的软硬阈值折中地震信号去噪

噪声衰减是地震资料处理中的关键步骤之一。根据曲波变换对于光滑且二阶连续可微函数所具有的最优逼近性能,给出了曲波域随机噪声衰减的软硬阈值折中方法。基于模型讨论了有效信号和随机噪声在曲波域不同方向上的分布差异;最后,将该方法应用于实际地震资料处理。结果表明,本文方法不仅有效地压制了地震资料中的随机噪声,提高了地震资料的信噪比,而且较好地保留了地震数据中的有效信号。     

基于经验模式分解与小波软阈值的联合去噪法

为获得往复运动摩擦副摩擦力信号良好的去噪效果,在分析传统的经验模式分解去噪和小波阈值去噪的优缺点的基础上,提出在模式相关系数准则下,将经验模式分解去噪与小波软阈值去噪结合起来的综合去噪方法。首先利用经验模式分解出若干个固有模式函数分量,在模式相关系数准则下找出由噪声主导和由信号主导的固有模式函数分量的分界点,接着对由信号主导的模式函数分量分别进行小波软阈值去噪,然后再进行重构从而获得去噪信号。实验结果表明,此去噪方法具有良好的自适应性和稳定性,提高了信噪比,并较好地保留了原信号的细节信息。     

小波包变换和EEMD结合的信号去噪方法

超声波采样信号中的噪声也会参与经验模态分解(EEMD),造成各分解分量IMFs失真,针对于此,利用小波包分解能同时处理高频及低频噪声的特点,并结合EEMD分解算法良好自适应性,提出一种先通过小波包变换对原始采样信号进行初步消噪,然后再结合EEMD算法分解得到独立IMFs分量,最后根据各IMFs相关系数重构获得有效信号的降噪方法。通过仿真分析,相比单独的小波包去噪、EEMD分解去噪,本方法提高分解效率的同时提升了信噪比,具有更好的滤波效果。