共查询到20条相似文献,搜索用时 31 毫秒
1.
基于小波包的振动信号去噪应用与研究 总被引:6,自引:1,他引:6
小波包分析算法对上一层的低频部分和高频部分同时进行细分,具有更为精确的局部分析能力。基于小波包变换的优良时频分析特性,论述小波包分析的基本原理,研究小波包在振动检测信号消噪处理中的应用,给出应用小波包变换对基于MSP430F449单片机的信号采集电路所检测到的振动信号进行消噪处理的实例。结果表明小波包变换的方法可以降低系统噪声影响,通过变换分解出高频噪声部分,利用小波包收缩的阈值量化方法能够更好地去掉高频部分,从而达到有效去除信号中噪声的目的。 相似文献
2.
以表面肌电信号和脑电信号为例,提出了一种基于小波能谱熵的生物电信号消噪方法.将信号进行多尺度小波分解,对分解后各尺度的高频小波系数分区间计算小波能谱熵,根据能谱熵的分布特性确定滤波阈值,最后由低频部分小波系数和滤波后的各尺度上的高频小波系数重构得到消噪后的源信号.该方法具有阈值选取自适应性,操作方便.实验结果表明,基于小波能谱熵的消噪方法能有效滤除信号中的绝大部分噪声,且能较好地保留源信号的细节信息. 相似文献
3.
4.
结合小波分析及有序中值方法(ROM),提出铁路轨道几何数据冲击噪声自动滤波方法。利用传统中值滤波技术滤除冲击噪声会减少信号的有用信息及质量,提出利用小波分析将信号分解成含冲击噪声的高、低频信号;利用ROM自动识别高频信号中冲击噪声位置并滤波。据铁路轨道几何数据特点与阈值指标的内在关系,将ROM两阈值指标合并成一个,并据专家知识确定阈值。新方法具有简单、高效及强健优势,且可在线实现。用新方法对含冲击噪声的模拟信号、实测轨道不平顺信号进行滤波,结果表明该方法不仅能准确识别冲击噪声位置并自动修复,且能完整保留道岔处大轨向、大值超限等有用信息。 相似文献
5.
《振动与冲击》2019,(9)
针对传统心音去噪方法易将其部分高频有用信息作为噪声滤除而造成滤波后的心音信号失真及信息丢失的问题,提出了一种基于互补总体经验模态分解(CEEMD)的小波包变换去噪算法。首先通过互补总体经验模态分解将心音信号分解为从高频到低频的不同固有模态函数分量(IMFs),并利用自相关函数客观界定信号的模态分量范围;然后对噪声主导模态分量和混叠模态分量采用小波包变换进行滤波提取有用信息后,与剩余固有模态分量进行重构得到去噪后的信号。实验结果表明,改进的算法不仅可以去除心音中的噪声成分,明显改善心音信号的信噪比和均方根误差,而且能够有效保留信号的高频有用信息,且在不同噪声水平下的去噪性能均优于传统算法,鲁棒性较好。 相似文献
6.
《振动与冲击》2015,(20)
针对低信噪比泄流结构振动信号有效信息难以提取问题,提出将小波阈值与经验模态分解(EMD)联合的信号降噪方法。利用小波阈值滤除大部分高频白噪声,降低EMD端点效应;进行EMD分解获得具有相对真实物理意义的固态模量(IMF);通过频谱分析重构特征信息IMF获得降噪信号。构造仿真信号,将该方法与数字滤波、小波分析及EMD降噪效果进行对比。结果表明,该方法能精确滤除泄流结构的振动噪声保留信号特征信息,滤波降噪较优越。将其用于拉西瓦拱坝水弹性模型,精确分析坝体结构振动优势频率,为坝体结构的安全运行与在线监测提供基础,亦为大型泄流结构在强背景噪声下的结构有效信息提取提供捷径。 相似文献
7.
8.
该文提出一种针对心电信号( ECG)中存在的基线漂移、工频干扰、肌电干扰等噪声设计的消噪算法,在计量中实现ECG信号噪声最优处理。采用Mallat算法抑制基线漂移,基于最优阈值法滤除工频干扰,采用Mal-lat算法和最优阈值法滤除肌电干扰。同时利用MIT-BIH国际标准数据库中ECG信号、人体采集ECG信号和程序模拟ECG信号分别对算法进行仿真和实验验证。结果表明该算法优于单一小波消噪法,不仅对三种主要噪声有较好抑制作用,而且能很好保留ECG波形特征,确保计量准确可靠。 相似文献
9.
10.
针对泄流结构振动信号非平稳性和特征信息被强噪声淹没的实际问题,提出一种基于具有自适应噪声的完整集成经验模态分解(CEEMDAN)和奇异值分解(SVD)联合的信号降噪方法。对一维泄流振动信号时程进行CEEMDAN分解,将信号分解为一系列固有模态函数分量(IMF),运用频谱分析方法筛选包含主要振动信息的IMF分量,滤除低频水流噪声,实现信号的初次滤波;利用排列熵理论确定含噪声较多的IMF分量,采用奇异值分解技术提取奇异值信息,运用奇异熵增量定阶理论滤除IMF分量中的高频噪声,实现信号的二次滤波;将包含结构振动信息的IMF分量重构,得到泄流结构的工作特征信息。结合拉西瓦模型振动实测数据,运用该方法进行计算分析,滤除高频和低频噪声,提取结构振动特征信息;结果表明该方法在泄流结构特征信息提取方面具有优越性,可为泄流结构在线监测和安全运行提供依据。 相似文献
11.
基于CEEMDAN与SVD的泄流结构振动信号降噪方法 总被引:1,自引:0,他引:1
《振动与冲击》2017,(22)
针对泄流结构振动信号非平稳性和特征信息被强噪声淹没的实际问题,提出一种基于具有自适应噪声的完整集成经验模态分解(CEEMDAN)和奇异值分解(SVD)联合的信号降噪方法。对一维泄流振动信号时程进行CEEMDAN分解,将信号分解为一系列固有模态函数分量(IMF),运用频谱分析方法筛选包含主要振动信息的IMF分量,滤除低频水流噪声,实现信号的初次滤波;利用排列熵理论确定含噪声较多的IMF分量,采用奇异值分解技术提取奇异值信息,运用奇异熵增量定阶理论滤除IMF分量中的高频噪声,实现信号的二次滤波;将包含结构振动信息的IMF分量重构,得到泄流结构的工作特征信息。结合拉西瓦模型振动实测数据,运用该方法进行计算分析,滤除高频和低频噪声,提取结构振动特征信息;结果表明该方法在泄流结构特征信息提取方面具有优越性,可为泄流结构在线监测和安全运行提供依据。 相似文献
12.
《纳米技术与精密工程》2016,(2)
在旋转叶片叶尖定时测振系统中,叶片多处于大噪声工作环境,为了保障振动位移的高精度测量,需有效解决叶片振动信号的去噪问题.提出采用具有时频局部分析特性的小波变换方法对振动信号进行去噪,建立了叶尖定时测振系统的仿真模型.针对仿真信号的特征,对小波变换的小波基、阈值估计及小波分解尺度进行了参数优化,实现了宽频白噪声的有效滤除.并与传统的滤波和Savitzky-Golay(SG)平滑算法进行对比,结果表明小波变换去噪方法在去噪效果和减小振动位移测量误差上均具有明显优势,有较好的实际工程应用价值. 相似文献
13.
基于小波阈值去噪与EMD分解方法提取润扬大桥振动信息 总被引:1,自引:0,他引:1
《振动与冲击》2019,(12)
在以润扬大桥为例的特大型桥梁动态振动监测中,数据量大且复杂,为了更好地滤除噪声获取真实振动信息,提出了一种小波去噪与EMD分解融合的方法。即先用小波方法对信号进行分解,再用改进的阈值函数进行滤波,目的主要是滤除白噪声;然后再对小波阈值去噪后的信号进行EMD分解,对分解后的信号进一步频谱滤波,最后进行信号重构。实例分析表明,该方法能够更有效地滤除噪声而提取大桥振动信息,是一种高效的去噪方法。 相似文献
14.
15.
16.
在机器人打磨中,机器人末端六维力/力矩传感器受打磨轮接触振动等影响,力测量信号淹没于噪声中,对该信号实时有效地提取是控制力的关键。从力测量信号快速傅里叶变换后的特征得知,其噪声是由高斯白噪声、振动噪声及有色噪声叠加所构成的复杂噪声,由此提出了基于串联结构的双卡尔曼滤波(double Kalman filter, DKF)算法。包括:第一个滤波采用卡尔曼滤波(Kalman filter, KF)算法,主要滤除高斯白噪声和高频振动谱峰群;针对未能滤除的高斯白噪声和低频振动噪声叠加形成有色噪声的特点,进行了分析,引入单个参数,以指数加权方式设计了一个逐渐时变噪声方差,描述有色噪声特性,以此改进KF作为第二个滤波算法;两个滤波器以串联方式构成双卡尔曼滤波。以眼镜框与打磨轮接触打磨过程为例,试验结果表明,DKF算法比KF算法更加有效地滤除力测量信号噪声,并具有计算复杂度低、实用性强特点。 相似文献
17.
文章分析了在小波变换下,信号和噪声所具有的小波系数性质的不同,对用户接收的信号进行噪声的滤除。小波的多分辨特性能将信号在不同尺度下进行多分辨的分解,并将交织在一起的各种不同频组成的混合信号分解成不同频段的子信号,针对信号经小波变换后在不同分辨率下呈现不同的规律,那么就在不同分辨下设定不同的阀值门限,通过调整小波系数,达到去噪的目的。 相似文献
18.
为准确、快速测量地铁车轮不圆度数据,设计一种多点激光检测系统。系统采用非接触检测方式,利用三个激光位移传感器实现对车轮踏面的多点检测。三个激光传感器同时测量可以提升维保检测效率,检测结果能更全面地评估车轮状态。采用最小二乘法拟合圆确定车轮几何圆心,通过小波滤波去除信号中的高频噪声,结果表明此方法在处理车轮不圆度这类随机信号时,可以快速去除信号中的高频噪声,筛选出有效信号。检测设备具有体积小、质量轻、操作简单等优势,可为车轮维护工作提供依据。 相似文献
19.
20.
舰船噪声的分解和重构对于舰船噪声特征提取与听音分析都具有重要作用。采用多分辨分析理论对噪声进行分解和重构只能对低频进行精细化处理,但对高频却难以达到理想效果。正交小波包分析可以在任何欲处理的频带内进行可允许的任意层次分解,但分解的小波包树的结构难以确定,没有明确的构造导引方法。将Bark频率群的理论引入小波包树结构的选择,提出构造听觉小波包树结构的方法,构建了基于db6小波的采样率为44.1 kHz的听觉小波包。采用该听觉小波包结构对四型舰船噪声信号进行分解、子带加权和重构,频谱分析和听音分析都表明重构噪声特征更加清晰。 相似文献