基于新阈值函数的小波阈值去噪算法及仿真

针对小波阈值去噪算法中传统软、硬阈值函数以及现有的一些文献所设计阈值函数的不足,提出一个新的阈值函数,此函数具有更好的光滑性,其随着小波分解尺度的变化而发生变化,具有很好的适应性,函数中无不确定参数,提高了去噪稳定性。仿真结果显示,采用新阈值函数去噪后的信号信噪比和均方根误差均优于传统阈值函数及现有的两种改进阈值函数,去噪效果良好,具有广阔的应用前景。     

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。     

基于小波变换的核磁共振测井信号去噪算法设计

文中在分析核磁共振测井仪应用特点和回波信号的数学模型基础上,提出了一种基于小波变换的信号去噪算法.实验证明,该算法除了计算量小外,还具备相位失真小、对数据量的依赖少、时信号比的改善显著、均方根误差小等优点,较其他算法(如时间平均,IIR)具有明显的优势,非常适合应用在核磁共振测井仪中.     

一种改进的小波包阈值去噪法在压缩机振动信号分析中的应用

结合变频涡旋压缩机振动小,噪声低的特点,利用一种改进阈值的小波包函数进行去噪处理,克服了硬阈值去噪不连续的缺点,同时还克服了软阈值函数去噪中的估计小波系数与分解小波系数之间存在着恒定偏差的缺陷。通过Matlab仿真分析比较了这3种去噪效果。     

一种新的小波阈值函数去噪算法

小波阈值去噪算法是一种经典的振动信号去噪算法,但仍有一定局限性。为了更好地消除噪声对被测振动信号的干扰,提取信号的有用成分,本文对比分析了几种不同小波阈值去噪算法,并在经典小波阈值去噪算法的基础上改进了阈值函数,提出了一种新的小波阈值去噪算法。对模拟信号及实测风机振动信号进行去噪处理并分别与经典及改进的小波阈值去噪效果进行定量比较。结果表明:新的小波阈值函数更好地抑制了噪声污染和保持信号细节,有效地消除了背景噪声,提高了信号特征的可分离性,具有较高的实用价值。     

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.     

基于模极大值小波域的包络去噪算法研究

针对包络轮廓信息提取粗糙的难题,结合小波变换和希尔伯特变换原理,提出了一种基于模极大值小波域的包络去噪算法.仿真表明该算法提高了包络提取的精度,全面获得信号所隐含的故障特征.     

基于模极大值小波域的包络去噪算法研究

针对包络轮廓信息提取粗糙的难题,结合小波变换和希尔伯特变换原理,提出了一种基于模极大值小波域的包络去噪算法.仿真表明该算法提高了包络提取的精度,全面获得信号所隐含的故障特征.     

基于改进小波阈值去噪的地下管线磁异常信号提取研究

为解决地下管道磁异常信号采集受环境噪声干扰的问题,本文采用小波阈值法作为地下管道磁异常信号的基本去噪模型,并加入复合归一化指标。在传统评价指标的基础上,优化小波基函数、最优分解尺度和阈值函数,确定具有可调变量基因的改进阈值函数,以弥补传统软硬阈值函数估计方法的断点振荡和丢失细节的不足。通过仿真信号和实验,对含噪磁异常信号进行去噪及效果评价。仿真和实验结果表明,改进后的阈值函数能有效消除周围噪声对磁异常信号的干扰,进而准确恢复原始磁异常信号,与常规方法相比,提取的信号失真较小,信噪比较高,可为后续的磁异常反演提供更准确的数据支持。     

改进EMD阈值小波滤波方法

下肢自主康复训练机器人中交流伺服电机电流信号噪声严重影响电机力矩辨识精度。为解决非线性非平稳信号的滤波去噪问题,提出一种基于经验模态分解(EMD)的改进阈值小波滤波算法。首先对EMD最佳去噪层数和阈值小波的阈值处理函数进行分析和改进,然后将两种改进方法相结合,最后对Matlab中的Heavy sine信号添加高斯噪声,分别利用改进方法和软、硬阈值等滤波方法进行去噪实验。仿真实验结果表明,改进算法能有效去除非线性非平稳信号中噪声信号。与EMD和阈值小波等其他滤波方法相比,本文滤波算法去噪后信噪比更大,均方根误差更小,滤波效果更好。     

基于TMS320C6713的去噪自适应滤波器硬件实现

我们每天都会受到音频噪音的影响,原始信息会受到周围环境噪声信号的污染。为此,本文研究了一个多抽头自适应去噪实时硬件系统,它利用TMS320C6713上实现的最小均方算法（LMs）来去除与音频相关的应用程序中接收到的不期望出现的噪声信号。文章首先介绍了最小均方算法的c语言实现并在CodeComposerStudio上进行仿真,最后在C6713上实现。考虑不同的音频输入,进行了三项实验来测试所设计的自适应去噪系统的效率。实验采用300、500、800、1000和3000Hz的音频信号及男性语音信号为输入的参考信号,持续检测信号中的噪声,直至将它全部去除。此外,还研究了与自适应去噪系统性能相关的收敛速度、滤波器安排顺序以及信噪比。实验结果表明,所设计系统其信噪比有很大的改善。     

空气耦合超声信号的小波阈值滤噪试验研究

穿透式空气耦合超声检测中,由于较低声波透射率、激励接收系统噪声及声波在介质中的散射噪声导致接收信号信噪比较低,小波阈值滤噪技术在解决上述问题时面临小波基、分解层数及阈值函数的选取难题。基于小波分析的基本原理,以单因素分析方法开展小波阈值滤噪试验研究。选择不同小波族(Daubechies,Symlet和Coiflet)中的小波基、小波分解层数(4～8层)及阈值函数(软阈值及改进阈值函数)对实际含噪超声信号进行小波阈值滤噪处理,并通过对比滤噪信号的信噪比及频谱特性得出不同参数对滤噪效果的影响。结果表明,选择Coiflet小波族中的小波基能获得具有更高信噪比及透射信号幅值的滤噪信号;分解层数越高,滤噪信号的信噪比越高,但增长趋势渐趋稳定;阈值函数对滤噪性能的影响并不十分显著,一般采用软阈值函数或改进阈值函数就能获得良好滤噪效果。     

利用小波变换提高数字全息信噪比

光学和数字全息需要解决的基本问题是在图像重构过程中出现的散斑噪声,因为散斑降低了信噪比（SNR）。目前很多方法都可以减小散斑噪声,以提高数字全息信噪比。现利用小波滤波的方法来提高数字全息重构过程中的信噪比。提供了实验结果,实验结果证明该方法是可行的。     

数字式平均法提高MRS探测信噪比应用研究

针对核磁共振地下水探测仪信号甚微弱导致信噪比太低的问题,分析了野外施工环境电磁干扰的特点,设计了数字式平均型数据采集与数据预处理系统。把一次测量时间内的信号分成若干个时间间隔小段的信号,然后对这些信号进行取样,将各次测量中处于相同位置的取样进行积分平均。研究结果应用于JLMRS(Jilin magnetic resonance souding)型核磁共振地下水探测仪中,实验室与野外探测结果表明,数字式平均方法改善核磁共振地下水探测仪信号的信噪比是有效的、可行的。     

一种强噪声环境下的水声信号提取算法研究（英文）

在对水中目标进行探潜、跟踪、定位时,需要对目标辐射的水声信号进行频域分析、相关性计算等处理。在强噪声环境下,目标的信号可能会被噪声淹没,导致无法有效识别目标。针对这一问题,本文提出利用傅里叶降噪预处理与小波变换相结合进行信噪分离,实现强噪声环境下的水声信号提取。设计了傅里叶系数阈值调整与小波阈值变换相结合的组合算法,并对算法的性能进行了测试。仿真实验表明,在信噪比为-15 dB时,该组合算法能够实现水声信号的有效提取,并将信噪比提高到了8.2 dB。     

基于ICEEMDAN结合MMSVC和WT的HIFU回波信号联合去噪算法

高强度聚焦超声（High intensity focused ultrasound,HIFU）已广泛应用于生物医学领域,其回波信号中的噪声处理是一个非常关键的问题。为了获得更纯净、更清晰的HIFU回波信号,提出了一种基于改进的完全自适应噪声集成经验模态分解（Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN）、最小均方方差准则（Minimum mean square variance criterion,MMSVC）和小波阈值（Wavelet threshold,WT）的联合去噪方法。ICEEMDAN将信号分解为有限个本征模态函数（Intrinsic mode functions,IMF）,从而避免杂散模态,减少模态中所含的噪声。MMSVC用于识别被ICEEMDAN分解得到的所有IMF,并将这些IMF分为两部分,高频IMF部分通过WT进行去噪,之后与低频IMF分量重构得到最终去噪信号。在仿真信号的实验中,与其他方法相比,本文所描述的基于ICEEMDAN-MMSVC-WT的降噪方法最大限度地保留了有用信号,大量去除了噪声成分,因而具有更好的去噪效果和应用价值。     

Gear fault identification and localization using analytic wavelet transform of vibration signal

The aim of this present work is to identify and localize the defect in gear and measure the angle between two damaged teeth in the time domain of the vibration signal. The vibration signals are captured from the experiments and the burst in the vibration signal is focused in the analysis. The enveloping technique is revisited for defect identification but is found unsatisfactory in measuring the angle between two faulty teeth. A signal processing scheme is proposed to filter the noise and to measure the angle between two damaged teeth. The proposed technique consists of undecimated wavelet transform (UWT), which is used to denoise the signal. The analytic wavelet transform (AWT) has been implemented on approximation signal followed by a time marginal integration (TMI) of the AWT scalogram. The TMI graph time-axis is mapped onto the angular displacement of the driver gear. The measurement is shown to identify the first and the second defective teeth impact on gear meshing, which is visible as sharp spikes in the TMI graph. An attempt is also made to replace the approximation from UWT with Intrinsic Mode Function (IMF) derived from the Empirical Mode Decomposition (EMD). The present experimental work establishes the proposed method of measuring and localizing multiple gear teeth defect using vibration signal in the time domain.