煤矿钢芯输送带缺陷信号非平稳强噪声滤波研究

煤矿钢芯输送带缺陷电磁检测信号易受到煤矿工况中非平稳强噪声影响,因此,提出一种改进阈值小波的变步长LMS自适应滤波算法对缺陷信号非平稳强噪声进行滤波。该方法首先运用改进阈值小波多尺度分解后的高频信号作为自适应滤波的参考噪声信号,然后运用变步长LMS自适应滤波方法对缺陷信号进行滤波。该方法克服了小波软、硬阈值的缺陷和固定步长LMS自适应滤波中收敛速度和稳态误差对步长因子要求不一致的矛盾。并与改进阈值小波滤波方法进行了对比,结果表明:该方法具有更好的滤波效果,能有效地滤除缺陷信号中的非平稳强噪声。     

角加速度信号自适应小波的去噪方法

针对多扰动、大负载环境下角加速度计输出信号中含有脉冲噪声和高斯白噪声的情况,提出一种改进的离散小波阈值法与中值滤波算法相结合的角加速度计信号自适应去噪算法。首先,使用中值滤波对原始信号进行去除脉冲噪声的预处理;其次,使用分解层数的自适应确定方法与改进的阈值选取准则,通过离散小波阈值去噪法去除高斯白噪声。仿真结果表明,该算法能够有效地提高信噪比,降低最小均方误差。实验结果表明,该算法既能去除分子型液环式角加速度计信号中噪声,又能很好地保留真实信号中的高动态部分。     

基于EMD的螺杆转子激光测量信号去噪算法研究

为去除螺杆转子激光测量信号中的噪声,提出一种EMD-β与改进小波阈值函数结合的去噪算法。首先利用经验模态分解(EMD)对螺杆转子的激光距离信号进行分解,用EMD-β寻找高频的固有模态函数(IMF),然后对高频的IMF进行改进小波阈值去噪,最后将去噪后的IMF和剩余的IMF进行信号重构得到去噪后的信号。经过仿真验证,此方法在激光距离信号的噪声去除中具有一定的使用价值。     

基于双树复小波变换和形态滤波的PPG信号去噪方法

脉搏信号包含大量的噪声,具有强烈的非线性和非平稳性。针对传统的小波变换去噪算法的缺陷,本文提出了一种基于双树复小波变换和形态滤波的去噪算法,具有结构简单、数学含义清晰及计算复杂度低等优点,有效的克服了离散小波变换的平移敏感性和频率混淆。实验表明,该算法可以有效的去除脉搏信号中工频干扰及肌电干扰等高频噪声,其信噪比及均方差等定量指标均明显优于传统的阈值去噪算法,能得到较干净的脉搏信号波形。     

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。     

基于ICEEMDAN-ACF的自适应MEMS陀螺信号去噪方法北大核心CSCD

针对基于EMD的MEMS陀螺信号去噪方法中存在模态混叠、Hurst指数筛选法和相关系数筛选法无法准确筛选含噪本征模态函数(IMF)的问题,提出一种基于改进自适应噪声完备集合经验模态分解-自相关函数(ICEEMDAN-ACF)的自适应MEMS陀螺信号去噪方法。首先使用ACF自适应阈值判断信号信噪比,对于包含低能量高频成分的低信噪比信号使用小波软阈值预降噪,之后使用ICEEMDAN算法将陀螺信号分解为多个IMF和一个余项,使用ACF自适应阈值筛选噪声主导IMF,剔除噪声主导IMF后重构陀螺信号。实验表明:文中改进算法在低、中、高信噪比条件下的去噪效果均优于小波软阈值法、EMD-Hurst指数法、EMD-相关系数法和EMD-ACF法。     

CO_2气保焊电信号的平移不变量小波消噪

CO_2气保焊的焊接过程中电信号含有大量随机非平稳噪声,消噪预处理是电信号后期分析的重要环节。常见的信号滤波方法有硬件滤波和软件滤波,其中小波阈值消噪方法在软件滤波中应用最为广泛,该方法能够很好的消除电信号中的噪声,但在信号不连续点处易产生伪吉布斯现象。提出利用一种平移不变量小波方法(Translation invariant de-noising,TID)对焊接电信号进行去噪处理,其通过对信号进行多次循环平移,再将平移后的信号进行软(硬)阈值小波消噪处理,然后将消噪后的重构信号进行反向逆平移,最后再对去噪结果进行平均,该方法可消除软阈值小波消噪产生的伪吉布斯(Pseudo-Gibbs)现象。结果表明相对于传统软阈值小波去噪法,该方法去噪后的信噪比更高,去噪后信号更加逼近于真实信号。该方法在熔化极气体保护焊电信号降噪处理方面具有广泛的前景,进一步扩展了小波方法在焊接中的应用。     

小波改进阈值去噪和经验模态分解相结合的旋转机械故障特征提取

针对实际工程信号易受噪声干扰导致提取的故障特征不明显的问题,将小波改进阈值方法和经验模态分解(Empirical Mode Decomposition,EMD)相结合,提出一种基于小波改进阈值的经验模态分解去噪方法,并应用到旋转机械故障特征提取中。首先,为了克服传统小波阈值方法在阈值函数的连续性以及重构误差等方面的不足之处,研究小波改进阈值方法并利用其进行振动信号预处理,减少随机噪声对振动信号的干扰,同时减少EMD分解过程中的分解层数以及其边缘效应对有用信号分解质量的影响。在实际应用中,由于振动信号中混有多种不同性质的噪声,预消噪处理常常不足以消除全部噪声的干扰,因此有必要用EMD相关度方法适当地消噪后处理,提高故障特征提取的准确度,研究为旋转机械故障进一步识别诊断提供了重要的参考。     

小波改进阈值去噪和经验模态分解相结合的旋转机械故障特征提取

针对实际工程信号易受噪声干扰导致提取的故障特征不明显的问题,将小波改进阈值方法和经验模态分解(Empirical Mode Decomposition,EMD)相结合,提出一种基于小波改进阈值的经验模态分解去噪方法,并应用到旋转机械故障特征提取中。首先,为了克服传统小波阈值方法在阈值函数的连续性以及重构误差等方面的不足之处,研究小波改进阈值方法并利用其进行振动信号预处理,减少随机噪声对振动信号的干扰,同时减少EMD分解过程中的分解层数以及其边缘效应对有用信号分解质量的影响。在实际应用中,由于振动信号中混有多种不同性质的噪声,预消噪处理常常不足以消除全部噪声的干扰,因此有必要用EMD相关度方法适当地消噪后处理,提高故障特征提取的准确度,研究为旋转机械故障进一步识别诊断提供了重要的参考。     

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。