基于排列熵的小波包改进去噪算法研究

为了弥补传统小波包阈值去噪算法去噪参数选择完全依据人为经验的缺陷,引入对信号噪声含量变化敏感的排列熵算法,提出一种新的基于排列熵的小波包阈值去噪方法。对含噪信号进行小波包分解得到相应的小波包系数序列,并对其进行排列熵计算,通过分析小波包系数排列熵的变化规律来确定小波包分解层数与阈值以达到最优去噪效果。采用该方法对滚动轴承振动信号进行去噪分析,结果表明该方法去除噪声较为彻底,与其他参数去噪结果进行对比,验证了该方法的有效性。     

基于样本熵的改进小波包阈值去噪算法

为了更好地消除噪声对被测振动信号的干扰,分析了样本熵算法与噪声的关系,提出了一种基于样本熵的改进小波包阈值去噪算法。在阈值函数方面,该方法利用样本熵作为特征参数,对含噪信号小波包系数的噪声分布进行表征,且依据此特征参数值对阈值函数进行改进,使其能够根据信号的小波包系数受噪声影响的情况进行自适应的调整;在阈值选取方面,定义去噪后信号与原始信号之差作为噪声信号的估计,利用样本熵作为判别依据,选取使得噪声估计的样本熵值最大的阈值作为最优阈值。该方法与其他方法进行对比,结果表明,该方法能够有效地去除噪声且更好地还原信号的频率特征,是一种更为优越的去噪算法。     

基于样本熵的最优小波包阈值估计去噪算法

为了更加有效地去除噪声对被测信号的干扰,分析了传统小波阈值估计方法的局限性,提出了一种基于样本熵的最优小波包阈值估计去噪算法。该方法利用样本熵作为信息价值函数以确定最优小波包,且以样本熵为判据,对不同的分解层数设置不同的阈值,选取使得去噪后得到的噪声估计信号样本熵值最大的阈值作为最优阈值。对仿真信号进行分析证明了该方法的有效性,将该方法应用于滚动轴承振动信号去噪分析且与其他阈值方法相对比,结果表明该方法去噪后的信号较其他方法而言频谱中的干扰频率更少且滚动轴承的基频以及故障频率更为突出,去噪效果更好,是一种更为优越的去噪算法。     

小波包尺度相关性阈值函数去噪算法研究

传统的小波包阈值函数如软、硬阈值函数等其去噪形式固定,对全部小波包系数进行相同的阈值化处理,然而噪声在小波包系数中的分布却并不均匀。为了弥补这一缺陷,提出了一种新的带参数的阈值函数,对最大分解尺度与其相邻尺度的小波包系数进行相关性计算,且以该值作为调节参数,对相关性弱的小波包系数进行大尺度收缩而对相关性强的小波包系数尽可能地保留,以达到自适应去噪的目的。利用此方法对滚动轴承振动信号进行去噪分析且对去噪后信号进行功率谱分析,与其他方法进行对比,结果表明该方法去除噪声较为彻底,且能更好地还原信号的特征信息。     

基于最优小波包Shannon熵的再制造电机转子缺陷诊断技术

为了实现对再制造电机转子质量的有效监控,采用超声波技术对其内部缺陷进行检测与评价。引入滤波效果良好的最优小波包滤波法和对超声波信号噪声含量变化敏感的Shannon信息熵算法,定义一种新的最优小波包Shannon熵(Best wavelet packet Shannon entropy,BWPSE)的概念,并提出基于BWPSE的超声波信号消噪方法。对采集到的再制造电机转子超声检测信号进行最优小波包滤波处理,得到各尺度的小波包分解系数,在此基础上计算各尺度小波包分解系数的Shannon熵,通过分析小波包系数Shannon熵的变化规律确定分解层数及阈值。采用该方法对再制造电机转子超声检测信号进行消噪处理,结果表明该方法对噪声消除比较彻底,对比Sqtwolog阈值小波分析及Heursure阈值小波分析等其他信号消噪方法,该方法可显著提高再制造电机转子内部缺陷定量分析的准确度。     

基于小波包域噪声能量分布的脉冲噪声消除

针对信号被平稳脉冲噪声污染的场合,提出了一种从含噪信号中检测脉冲噪声并降噪的脉冲噪声消除方法.该方法选择脉冲噪声能量相比含噪信号能量最为显著的小波包树节点,并利用该节点小波包系数重构信号进而检测脉冲噪声的时域分布.在降噪中,该方法于小波包域内估计脉冲噪声的能量分布并依据估计结果计算每段脉冲噪声的滤波阀值.将该方法用语音增强实验验证,结果表明所提出的检测算法能获得较好的检测结果,而提出的降噪算法能显著地改善信噪比,获得较好的降噪效果.将文中的检测算法应用于轴承故障检测的信号预处理,进一步验证了方法的有效性.     

基于小波包最优熵与RVM的滚动轴承故障诊断方法

为解决滚动轴承振动信号信噪比低和故障分类准确性不高的问题,提出了小波包最优熵和相关向量机相结合的故障诊断方法。首先采用小波包对采集到的信号进行信噪分离,寻找分解后信号的最优小波包节点熵;然后提取最优节点能量作为训练样本,对相关向量机的多故障分类器进行训练,实现轴承的智能诊断。试验表明,该方法可简单有效地分离噪声,并具有良好的分类能力,可以很好地应用于轴承故障诊断。     

基于双树复小波变换与样本熵的自适应降噪法

为了实现工程机械结构监测信号降噪效果的评价,将样本熵的概念引入双树复小波分解中,提出基于双树复小波变换（dual?tree complex wavelet transform, 简称DT?CWT）与样本熵（sample entropy,简称SE）相结合的监测信号自适应降噪方法（DT?CWT?SE）。首先,采用双树复小波变换对含有噪声的监测信号进行多层分解;其次,分别计算双树复小波分解所得的各尺度细节分量样本熵与相邻尺度细节分量的样本熵的差值,通过比较相邻各尺度样本熵之差的大小确定双树复小波最优分解层数;最后,根据各尺度样本熵的变化规律确定各层小波系数的降噪阈值,对降噪后的小波系数进行重构以实现信号自适应降噪。仿真分析与实验对比结果表明：该方法对监测信号去噪较彻底,且降噪后的信号失真度小,降噪效果以及保留原信号信息完整性的能力明显优于传统小波阈值降噪法。     

空域相关滤波在下肢表面肌电信号中的应用

针对消噪过程中信号细节难以保留的问题,采用了一种基于小波变换的空域相关消噪方法。通过运用信号小波分解后与噪声的小波系数随尺度变化规律不同的特性,实现了信号与噪声的分离,同时给出了表面肌电信号噪声能量阈值的估计算法。实验结果表明,该消噪处理方法不仅能有效地去除肌电信号中的噪声,而且可以较好地保留肌电信号的边缘特征,为下肢表面肌电信号特征的提取创造了良好的条件。     

一种改进的小波阈值去噪算法

针对传统小波阈值去噪算法中阈值选取困难,提出一种新的小波-EMD-SVD差分谱组合模式。对原始信号做小波分解得到一系列细节信号,不再通过小波阈值将强噪声小波系数简单地置零,而是对其进行EMD-SVD差分谱微弱信号提取,最后进行重构。实验结果表明,该算法对强噪声环境下信号的去噪效果明显且平稳。     

改进小波包多阈值去噪法及其工程应用

针对机械振动信号提取时面临的去噪问题,在小波包多阈值准则去噪法的基础上,提出一种改进的小波包多阈值准则综合去噪方法(改进FMC去噪法)。该方法首先采用探测插值法对机床原始振动信号进行预处理,剔除受外界干扰产生的突变噪声信号;再以小波包分析为基础,根据有用信号的最小频率确定最大分解层数,并按最小代价原理确定信号分解的最佳小波包基;最后采用小波包多阈值降噪准则对振动信号进行重构,得到去噪后的机床振动信号。针对含噪blocks信号、doppler信号及模拟的含噪振动信号进行的仿真实验结果表明,改进后的FMC去噪法去噪效果优于传统方法。将该方法应用于气囊修整机振动信号分析中,结果表明,改进FMC去噪法能够有效剔除振动信号各频段的噪声,提高信号特征的可分离性。     

变分模态分解和熵理论在超声信号降噪中的应用

针对超声检测信号中结构噪声难以去除的问题,提出了一种变分模态分解(Variational Mode Decomposition,VMD)和小波能量熵阈值(Wavelet Energy Entropy Threshold,WEET)联合降噪的算法.分析了含噪系统熵增的特性以及结构噪声在不同时间段的分布特征,提出了用小波能量熵表征信号的含噪状态,并以小波能量熵最大子区间的小波系数参与计算各个尺度层的阈值.对仿真及实测信号进行处理,结果表明,该方法(VMD-WEET)能很好地抑制超声回波信号中存在的白噪声及结构噪声,还原了准确的波形特征,验证了其有效性.     

非平稳振动信号的小波去噪及其应用

在机械故障诊断中,对故障信号的消噪处理,一直是其重要内容之一。工程中设备运行状态多样,有着大量的非平稳动态信号,但传统的信号处理方法在处理非平稳信号上有所不足。利用小波包分解信号,白噪声的方差和幅值随小波尺度的增加而减小,但是信号的方差和幅值和小波变换无关。按照信号能量的观点,首先把信号进行多层小波包的分解,然后利用其中几个能量大的小波包来重构原始信号。利用该方法在测试信号的去噪处理中,同传统的阈值去噪相比较,该方法可以有效地消除白噪声的干扰,计算简单且有较好的消噪效果。     

应用分层自适应匹配追踪重构MEMS陀螺信号

对含噪微机械系统(MEMS)陀螺信号进行小波分解重构时,真实信号对应的小波系数很难选取,故本文提出一种分层自适应匹配追踪算法(LAMP)来解决上述问题。建立了含噪MEMS陀螺信号中信号小波系数稀疏提取架构,将信号小波系数提取问题转化为含噪信号中信号小波系数稀疏性的恢复问题。比较已有稀疏重构算法,采用一种新的LAMP算法,在各种可能的小波系数组合中挑选出分解系数最为稀疏的一组,以此消除信号中的噪声小波系数,进而重构MEMS陀螺信号。实验表明:提出的LAMP算法的稀疏重构效果优于其他迭代贪婪重构算法;基于LAMP的信号稀疏小波重构方法,可以有效去除MEMS陀螺信号的大量噪声;去噪前后,纯MEMS陀螺数据解算的方位角平均累积误差由10.060 2(°)/h减小到5.034 6(°)/h,优于传统小波阈值重构法平均累积误差8.596 8(°)/h,显示了较好的应用效果。     

核磁共振信号的小波变换消噪方法

基于小波分析的空域相关消噪法存在小波系数位置偏移影响消噪性能的缺点,本文提出对小波系数位置先平移对齐后再进行相关处理的新方法,主要思想为"分解→平移→相关处理→反平移→重构".实验表明,将该方法应用于低场脉冲核磁共振信号的消噪,能在有效保护信号峰值信息的同时,最大限度地抑制噪声.     

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。     

一种新的小波阈值去噪算法研究

为了更好地消除噪声对被测信号的干扰,针对传统小波软、硬阈值函数与全局阈值去噪算法的不足,综合考虑了小波阈值的估计与阈值函数的选取,提出了一种新的小波阈值去噪方法。对仿真信号与实验轴承振动信号进行去噪分析,并与几种不同的小波阈值去噪算法结果相对比。结果表明:新的小波阈值去噪算法更好地去除了噪声并保留了信号的原始特征,是一种更加优越的去噪方法,具有较高的实用价值。     

基于提升小波的电能质量高效定位算法

针对暂态电能质量扰动信号的检测和定位,提出了一种基于提升复小波的高效定位算法.首先对扰动信号基于(maximum posteriori,MAP)最大后验估计的双树复小波进行去噪预处理,对不同分解层次的细节系数的噪声方差和信号方差进行估计运算,同时计算各分解层的阈值,得到去噪阈值.扰动信号进行去噪预处理后,利用提升小波对去噪后的扰动信号进行定位,并与传统实小波进行了定位准确度和算法耗时的比较.仿真实验结果表明,所提去噪预处理定位算法步骤简单,效果理想定位运算速度快且易于实现,实用性强,两者结合具有良好的应用前景.     

基于自适应稀疏表示的宽带噪声去除算法

为了有效地去除信号中的宽带噪声,提出了一种基于自适应稀疏表示的宽带噪声去除算法.根据噪声成分与信号特征成分之间的不相关或弱相关特点,自适应地确定稀疏分解的终止条件,实现信号的稀疏表示.降噪过程中使用染噪信号构造学习样本,由信号的自适应稀疏表示和原子库的更新迭代实现原子库的训练.染噪信号在训练后的原子库上进行自适应稀疏表示,实现信号的噪声去除.仿真信号和齿轮振动信号的降噪试验表明:该方法具有比小波阈值降噪、匹配追踪降噪方法更好的降噪性能,能够有效地去除信号中的宽带噪声.     

改进的小波变换系数相关去噪声方法

利用理论推导和算例分析了传统小波变换系数相关去噪方法的原理,指出该方法 只是相当于硬阈值方法,没有很好地利用信号和噪声的小波变换系数随尺度变化的性质;为此 ,改进了相关系数的定义,并提出了基于小波变换系数和相关系数局部能量的去噪方法。 仿真实例的结果表明,该方法比传统方法具有更好的去噪效果。