基于小波分析的信号去噪方法研究

介绍了小波变换的基本思想和优点及多分辨率分析的过程,并在MATLAB下利用小波变换工具箱,编写程序实现信号去噪处理,充分显示了小波变换在处理非平稳信号中的优势。     

石材平面磨削温度信号的小波分析

采用热电偶夹丝法测量了平面磨削山西黑石材过程中接触弧区的温度。利用小波分析提取信号中各个频率段的成分信息,探讨了石材平面磨削温度信号的频率特征。比较了傅里叶变换低通滤波、小波强制消噪、默认阈值消噪和给定阈值消噪处理等手段对温度信号的消噪结果,结果表明,小波去噪比傅里叶变换滤波更有利于保存信号的高频有用成分,而确定合理的阈值进行给定软阈值消噪比默认阈值更具有可信度。     

微波辐射淀粉热重实验及其数据的小波去噪处理

用频率为2 455 MHz的微波辐射0.5 g/mL的木薯淀粉乙醇悬浮液,使用热重-微分热重(TGA-DTG)测试手段对微波改性后的木薯淀粉的热特性进行表征,并采取小波变换去噪法与5点平均去噪法对TGA-DTG信号进行去噪处理研究。结果表明,小波变换去噪法在滤除淀粉TGA-DTG 信号噪声时优于5点平均去噪法;经小波去噪处理的TGA-DTG信号表明,随着微波辐射时间的增加,木薯淀粉热稳定性呈增加趋势。     

微波辐射淀粉热重试验及其数据的小波去噪处理

用频率为2 455 MHz的微波辐射0.5 g/m L的木薯淀粉乙醇悬浮液,使用热重-微分热重(TGA-DTG)测试手段对微波改性后的木薯淀粉的热特性进行表征,并采取小波变换去噪法与5点平均去噪法对TGA-DTG信号进行去噪处理研究。结果表明,小波变换去噪法在滤除淀粉TGA-DTG信号噪声时优于5点平均去噪法;经小波去噪处理的TGA-DTG信号表明,随着微波辐射时间的增加,木薯淀粉热稳定性呈增加趋势。     

基于小波去噪的分布式光纤温度传感器信号处理研究

分布式光纤温度传感器采集的信号含大量的噪声,为了消除系统噪声和进一步提高系统的温度分辨率,提出了小波去噪方法,并将其应用于含突变热点的分布式光纤温度传感器温度信号去噪。MATLAB仿真结果表明,db4小波非常适合用于分布式光纤温度传感器系统信号去噪。在实际系统中利用db4小波进行噪声处理,在确保空间分辨率的前提下提高系统的温度分辨率,获得了良好的去噪效果。     

基于经验模态分解和离散小波能量特征的地毯织机噪声源识别

为识别和定位地毯织机主要噪声源,提出一种基于经验模态分解（EMD）和离散小波能量特征的地毯织机噪声源识别方法。首先应用EMD 对地毯织机噪声信号进行分解,获得若干本征模态分量,根据互相关系数剔除虚假分量并重构信号;其次使用ab 20小波对重构信号进行离散小波变换,分解得到各小波分量并计算各分量的能量 占比;然后提取能量占比较大的分量,分析其时频特性;最后采用激光测振仪依次测量地毯织机各主要部件的振动信号,对比分析得到主要噪声源所在位置,从而完成识别。研究结果表明,该方法可有效地识别和定位地毯织机主要噪声源。     

基于小波包分析的纸浆浓度信号去噪方法

针对造纸过程的纸浆浓度检测信号,给出了一种基于小波包分析的去噪方法.讨论了小波包分析和去噪的原理、阈值和阈值函数的选取,比较了选择不同阈值以及不同阈值函数对纸浆浓度信号去噪的效果.理论分析和仿真都表明基于小波包分析的去噪方法的有效性.     

基于信噪比评价的阈值优选小波去噪法

在汽车自动变速器台架试验中,需要对角加速度信号进行消噪滤波。小波阈值去噪是计算量较小、滤波效果较好的消噪手段,但采用不同的小波基匹配不同的阈值规则可能会对去噪效果产生影响。为探寻相对最优组合,该文构建了近似观测信号的仿真信号,然后对该信号做了去噪实验,计算信噪比(SNR)和均方根误差(RMSE),并以此作为评价指标,从而得到相对最优的匹配组合,最后将该组合用于角加速度信号消噪处理过程,取得了较好的滤波效果。小波阈值去噪在处理含噪信号时具有效率较高、稳定性好、不易失真的特点;使用SNR结合RMSE可以对任何消噪结果作客观评判;不同的含噪信号,可能需要用到不同的小波基函数,同时匹配不同的阈值选取规则。     

几种消噪方法在断路器故障监测中的应用

针对断路器现场监测的信号中含有很多噪声,文章应用三种小波方法、中值滤波、小波包以及中值与小波结合的算法对采集的信号进行处理。在小波分析过程中,采用了强制消噪、默认阈值消噪和给定软阈值消噪三种方法,以及将给定的软阈值与中值滤波算法混合对同一原始断路器信号进行处理,经过对比各个方法消噪后的效果图,并采用信噪比与均方差作为衡量指标。仿真结果表明,给定的软阈值消噪算法较其它算法能更好的减少监测断路器振动信号过程中产生的噪声。     

爆破振动信号分析技术研究

由于爆破振动信号具有短时非平稳的特点,传统的傅里叶变换不能满足爆破振动信号的研究,现已出现了很多信号分析方法。本文结合现代爆破振动信号分析常用的傅里叶变换、短时傅里叶变换、小波变换、小波包变换、HHT变换的原理分析了各种方法的优缺点,并简述爆破振动分析技术的研究现状。     

基于MATLAB的方波连续小波变换

以受噪方波的连续小波变换为例,介绍如何利用MATLAB小波工具箱(wavelet)中的函数实现信号数字化处理的方法。实例仿真结果表明该方法十分有效。     

多菌灵农药激光拉曼光谱的小波去噪方法研究

利用激光拉曼光谱仪采集多菌灵农药标准品拉曼信号,分别采用移动平均平滑法、小波软阈值法和小波硬阈值法对光谱信号进行去噪处理,对比各方法的去噪效果。结果表明:小波硬阈值法可获得最优去噪质量,当小波基函数为sym2,尺度分解为5,阈值量化为‘Heursure’,硬阈值处理,重构光谱的信噪比最大(为60.927),均方根误差最小(为11.429)。研究表明:小波硬阈值法能有效去除多菌灵农药拉曼光谱信号的噪声,最大程度保留拉曼光谱特征信息,为食品及农产品中农药残留的拉曼光谱快速检测提供方法支持。     

基于小波变换的农田害虫图像预处理研究

以农田害虫识别系统中图像的预处理为研究对象,利用小波变换对图像进行不同尺度的小波分解,对得到的小波系数进行不同的处理,包括小尺度下的高频系数置零、阈值处理、模极大值处理以及增加大尺度下高频系数的相对值等方法,从而达到去噪、增强等图像预处理的目的.结果表明:利用小波变换对图像进行处理,可以收到良好的效果.     

基于EMD平均能量法的滚动轴承故障诊断

文中提出了一种用于滚动轴承故障诊断的系统一基于EMD和BP神经网络相结合的诊断系统。该方法首先对原始振动信号进行小波包预处理,提高信噪比,从而得到更适合研究的故障振动信号。然后再对信号进行EMD,分解得到IMF分量,对几个感兴趣的IMF进行分析,获得每个IMF分量的平均能量,作为BP神经网络的输入向量,由此训练神经网络,实现了对滚动轴承故障的智能诊断,并用实际的滚动轴承故障数据进行了验证。图6表2参12     

苯甲酸添加剂的拉曼高光谱分析

对拉曼高光谱成像光谱仪采集苯甲酸添加剂得到的拉曼光谱信号和高光谱图像进行分析。采用小波去噪方法对原始拉曼光谱信号进行预处理,利用正交试验方法确定小波去噪参数的最优组合为小波基函数sym2、分解层数2、重调方式sln、阈值方案Rigrsure,此时信噪比为32.092。对去噪后的拉曼光谱进行谱峰归属和分析,得到了苯甲酸分子在不同波数范围内的特征振动模式,其中在1 636、1 603、1 000、793、615 cm-1和420 cm-1处的拉曼信号较强,可作为苯甲酸的拉曼特征频率。分析不同特征频率条件下的灰度图像,发现图像的亮度与特征频率的峰强相关且变化顺序具有一致性。研究结果为苯甲酸添加剂的检测分析提供研究基础。     

基于经验模态分解的纸机横向定量测量数据去噪

针对传统去噪算法不能满足更高质量横向定量控制要求,提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)的去噪方法。该方法利用EMD分解时间尺度的特性和自适应性,通过去除高频分量并进行滑动平均滤波达到去噪效果。仿真结果表明,这种算法能有效地滤除噪声,同时又保留定量主要细节,有利于进行后续控制。     

基于小波分析的微弱信号的提取

针对机器运行中初始故障微弱信号的检测问题,对原始信号通过小波变换去噪、小波分解和重构去除采集信号中的奇异点,根据高频系数还能准确确定出现奇异值点的位置,即故障发生的时间点。通过小波分解系数的等效功率谱,可以提取初始故障信号,用于机器的状态监测和故障预报。     

局部放电信号的处理

电缆发生局部放电时所采集到的信号非常小且受到噪声干扰,为了确定电缆故障,需对采集到的信号进行处理,包含放大和去噪。与运算放大器相比,LC谐振放大器放大效果明显。LC谐振放大器由信号源、LC谐振放大、电压跟随器组成,通过对谐振频率选取,元件参数计算,增益的分配,创建电路,最后通过Multisim对电路进行仿真。电路结构简单,经测试,具有良好的放大功能,且所得波形符合要求表明了电路的准确性。对于对信号的去噪则采用小波包变换,通过对阈值的计算,选择合适的数值,在MATLAB上进行编程,根据仿真结果可知小波包去噪的合理性。     

小波包变换技术在图像处理中的应用

为了避免图像视觉效果在传输和获取过程中受到混合噪声的影响,采用小波包分解和重构的算法、空域滤波器进行去噪和小波进行图像融合的方法对图像进行技术处理.实验表明,利用小波包变换技术能对含多种噪声的图像进行增强处理,既能去除图像噪声,又能保持细节背景清晰的图像增强效果.     

三级大豆油酸价的近红外光谱检测

为改进现有的油脂检测方法,以三级大豆油脂酸价检测为研究对象,利用近红外透射光谱技术,结合化学计量学方法,选择4500～6000cm-1为特征波段建立油脂酸价校正模型,首先研究基于小波变换的光谱预处理方法,通过详细比较不同小波分解层数对建模的影响。结果确定db4小波的四层分解去噪效果最佳。结合滤波后重构的光谱信号建立油脂酸价BP神经网络校正模型,利用预测集样本对模型进行验证,决定系数R2和预测均方根误差分别为0.9743和0.1036。证明利用近红外光谱分析技术快速检测油脂酸价是完全可行的。