基于神经网络的自适应滤波技术及其在超声检测中的应用

为满足超声无损检测和评价在新材料和新构件上应用的需求,提出了一种基于神经网络的自适应滤波器,使其兼具自适应滤波和非线性处理的能力。该滤波器是在线性自适应滤波器中引入一非线性隐含层而构成,在对该滤波器的结构和收敛性进行详细研究的基础上,实现了一种自适应噪声消除器并应用于超声检测中的材料噪声消除。实验结果证实:利用这种滤波器构成的材料噪声消除器比采用线性自适应滤波器具有更强的降噪能力。     

离心机主轴监测信号前置滤波器的设计

离心机主轴径向振动信号属微弱信号,混有较大的噪声和干扰,为了有效抑制噪声,提取有用信号,对自适应噪声对消原理进行了研究。提出了利用自适应噪声对消原理设计前置滤波器的方法,可以有效提取离心机主轴监测信号,通过仿真计算,表明这种方法是行之有效的。     

采用余弦调制滤波器组泄漏检信号处理研究

供水管道泄漏检测定位中,定位的不确定度由检测信号的信噪比决定,抑制噪声干扰,提高信噪比,是提高泄漏检测定位精度的关键。在充分分析泄漏信号特征的基础上,提出将改进的余弦调制滤波器组用于泄漏检测信号的噪声抑制。该方法利用分析滤波器组将信号分解为若干个带宽相同的子带信号,然后选择有效子带,再通过综合滤波器组将有效子带信号合成。该方法是一种不需要泄漏信号和噪声先验知识的自适应信号处理方法,能够有效抑制噪声,由于余弦调制滤波器分解的特性,即使泄漏信号处于不同频率段时,噪声抑制效果基本相同,处理后信噪比较处理前平均提高8 d B左右。实际工程应用验证表明,该方法去噪处理后的定位结果优于现有各种噪声抑制/信号增强方法的结果。     

非平稳背景噪声下声音信号增强技术

在电力电缆故障精确定位中声磁同步法由于具有精度高与抗干扰能力强的优点而得到广泛的应用,但放电声音信号的有效检测是其难点。由于小波包变换在检测正常信号中是否含有瞬态异常现象方面具有独特的优势,自适应滤波器具有对信号和噪声的先验知识需求少的特性以及遗传算法具有不依赖于具体问题的优点,提出了一种基于小波包变换分解信号、自适应滤波估计噪声与遗传算法寻优重构相结合的声音信号增强算法。实验研究表明,该算法精确性高、鲁棒性强,尤其适用于电缆故障点放电声不明显时声音信号提取的情况,从而解决了电缆故障精确定位中对背景噪声要求高、识别范围小的问题。     

一种自适应小波消噪方法

为了消除噪声对被测信号的干扰,有效提取信号中的有用成分,根据信号和噪声小波变换系数的不同特性,在分析了传统阈值方法局限性的基础上,提出了一种自适应小波消噪方法.该方法首先对被测信号进行小波分解,并改进了阈值量化公式,使其具有能量分布自适应的降噪能力;然后,利用类别方差作为判别依据,选取使得类别方差最大和类内方差最小的阈值作为最佳的阈值.并根据每层分解后的小波系数进行自适应的阈值确定;最后,对信号进行重构,通过分解、阈值处理和重构等过程实现小波消噪.仿真信号和轴承故障诊断的实例结果表明该方法可在强噪声背景下消除噪声干扰,有效提取出滚动轴承的早期故障频率.     

一种MCG信号的自适应预测滤波方法

与心电圈相比较,心磁检测具有无需电极,对某些局部心肌电流高度敏感,可以用于早期心脏疾病的诊断。但心脏磁场信号在检测过程中会被噪声所污染,使得信号本身的可辨识性降低,因此需要对该信号进行降噪处理。在单通道信号采集系统无噪声参考输入端的情况下采用自适应滤波方法,需要对待处理信号进行线性预测,本文提出的改进LMS（Least Mean Square）算法的自适应预测滤波器,无需噪声参考信号即可对心磁信号进．彳亍滤波,通过三种不同噪声的滤波仿真结果可见,采用自适应预测滤波器处理后明显提高了信噪比,具有一定的学术意义和实用价值。     

超声探测弱信号提取方法

为了在超声检测中排除噪声干扰，从强噪声背景中提取弱回波信号，利用小波变换技术从超声探测信号中提取弱缺陷回波信号，建立了超声缺陷回波的数学模型，并进行了仿真实验，其特有的“变焦距”特性使得小波分析在时域和频域中具有良好的分析能力。结果表明，利用小波变换方法能够很好地抑制噪声，提高信噪比，提取强噪声背景中的弱回波信号，且该方法原理简单，易于实现，在工程上有较高的应用价值。     

基于自适应最大相关峭度解卷积和频率切片小波变换的齿轮故障特征提取

针对最大相关峭度解卷积(MCKD)降噪效果受滤波器阶数影响的问题,提出了自适应MCKD方法。针对频率切片小波变换(FSWT)在强背景噪声中提取冲击故障特征的不足,提出了自适应MCKD和FSWT相结合的齿轮故障特征提取方法。首先用自适应MCKD对噪声齿轮信号进行降噪处理,然后对降噪后的信号进行频率切片小波变换和故障特征提取。齿轮故障诊断实例的分析结果验证了该方法的有效性。     

广义形态差值滤波器的构造及其在轴承故障中的应用

针对传统形态学结构元素选择的不确定性和广义形态学结构元素间相互影响的缺点,提出一种根据局部极值步长确定形态学结构元素尺寸的方法,充分利用信号的局部信息和局部极值步长,达到自适应选取最优结构元素尺寸的效果,解决了形态学结构元素选取时存在的不足。针对数学形态学在强噪声下滤波效果不理想这一不足,构造了广义形态学差值滤波器,将其与传统形态学滤波器进行仿真对比,结果显示广义差值滤波器的降噪和故障特征提取的效果明显优于传统形态滤波器,并将其应用到滚动轴承故障信号的特征提取中,结果表明该方法能够有效的抑制噪声,明显的提取滚动轴承的故障信息特征,实现滚动轴承的故障诊断。     

自适应中值滤波器及其应用

将自适应加权中值滤波器应用于滚动轴承故障信号的故障诊断中。当信号中含有多种噪声时，让信号先通过自适应加权中值滤波器，再通过线性带通滤波器，对降噪后的信号进行包络解调处理，可以克服噪声对包络谱分析的影响。通过仿真和试验信号分析可以看出，自适应中值滤波器在机械故障诊断中具有较好的应用前景。使包络谱分析方法得到更广泛的应用。     

基于广义交叉阈值同步压缩小波的超声信号特征提取方法

利用超声无损检测技术,对轴的表面裂纹检测时,微小裂纹回波信号常常会被各种噪声掩盖,造成裂纹无法识别和定位。为解决这一问题,提出采用广义交叉阈值同步压缩小波变换方法对超声回波信号进行分析,从时频域中识别裂纹回波信号特征并进行定位。该方法在同步压缩小波变换基础上,利用广义交叉验证估计降噪的阈值水平,不依赖于任何先验知识。具体地,通过添加基于峭度测量的预处理步骤和基于自适应硬阈值处理的后处理步骤,提高了阈值处理的效率和时频域内的降噪效果,从而实现了噪声与特征信号的有效区分。将该方法应用于轴表面微小裂纹超声回波信号的特征识别,并与连续小波变换的结果进行了对比,结果表明所提出的方法能够更精确地识别裂纹并提取裂纹出现时间点,进而判断微小裂纹的具体位置。     

基于噪声白化准则的自适应噪声抵消方法

提高泄漏检测信号的信噪比是提高管道泄漏检测定位性能的重要途径,针对泄漏检测定位的工程实际提出一种新的噪声抑制方法,基于噪声白化准则的自适应噪声抵消方法。用噪声白化准则控制检测信号的线性预测,提取出与干扰噪声相关、与泄漏信号不相关的信号作为自适应噪声抵消器的参考输入,这样能够有效抵消泄漏检测信号中自相关长度小于泄漏信号自相关长度的干扰噪声。实验结果和实际应用表明,该方法能有效抑制泄漏检测信号中的干扰噪声。     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。     

基于IPSO-MCKD的汽车变速箱轴承故障诊断

针对车辆在城区运行过程中频繁启停造成变速箱滚动轴承故障易发的问题,在轴承故障诊断中引入最大相关峭度反卷积(Maximum Correlation Kurtosis Deconvolution, MCKD)的方法,为了避免过于依赖人工选择MCKD算法中滤波器系数和移位数,提出了一种参数自适应的最大相关峭度反卷积的故障诊断方法。该方法以输入信号的包络谱中最大相关峭度为目标函数,采用改进后的粒子群优化(Improved Particle Swarm Optimization, IPSO)算法优化MCKD中的滤波器系数和位移数,最后通过对故障信号的包络谱进行分析,提取轴承的故障特征。仿真和试验的结果表明,该方法可以有效降低环境中的噪声干扰,准确从强噪声中提取故障特征,实现故障诊断。     

自适应滤波器在噪声抵消系统中的应用

带有滤波器的自适应噪声抵消系统具有很好的降噪效果,文章介绍了这种噪声抵消系统的基本原理,并且给出了一种较为简单,易于实现的LMS算法.通过计算机模拟处理,处理后的语音信号较原信号显著地提高了信噪比.     

基于CEITDAN的滚动轴承弱磁信号特征提取方法

弱磁检测轴承保持架转速作为最新提出的一种方法,具有不改变轴承本身结构和性质、不受油液和温度干扰的优点,其采集到的信号称为弱磁信号。针对弱磁信号较为敏感所导致噪声干扰强,难以提取保持架转速以计算打滑率的问题,提出了一种基于自适应噪声完备集合本征时间尺度分解的特征增强方法,将噪声消除与特征增强有机结合,实现强噪干扰下滚动轴承弱磁信号中微弱保持架转速特征频率的提取,并通过试验验证了该方法在实际应用中的有效性。     

基于小波熵的微弱信号检测方法研究

在科学技术研究领域中,经常会遇到非平稳、低能量、瞬时变化的微弱信号检测问题,然而,微弱的有用信号往往被环境噪声所湮没,最大程度地提取有用信息一直是弱信号检测中的一个难题。尤其对短时低能量的瞬变信号,采用传统信号处理方法提取其位置信息难以奏效。小波分析的方法为弱信号检测技术开辟了一条新途径,但小波变换对弱信号进行特征提取的关键在于确定小波系数的阈值。为此,在软阈值基础上引入反映信号能量分布特性的小波熵概念,利用信号在不同分解尺度上具有不同的小波熵,能够自适应地确定高频系数分量的阈值。仿真分析表明,基于小波熵分析的方法能够在强噪声环境中对微弱信号准确定位,实现低能量的瞬变信号有效提取。     

脉冲反转和小波变换在非线性超声检测中的应用

为提高非线性超声检测技术的准确性和鲁棒性,文中将脉冲反转技术和信号小波系数相关性滤波算法结合用于处理非线性超声检测信号。利用脉冲反转技术抑制实验仪器产生的奇数次谐波信号,再根据信号小波系数相关性算法滤除噪声。实验结果表明:上述信号处理方法能有效提取频率纯净的二次谐波,提高了超声非线性系数表征试件粘接强度的能力。     

增强型滤波及冲击性机械故障特征的提取

机械故障所引起的时间序列的微弱变化往往被由机械自身结构特点所引起的振动信号和来自其他振源的振动干扰信号及白噪声等所组成的强背景噪声所淹没,尤其是在设备出现早期故障时,这种微弱的故障特征信号很难被识别.根据机械噪声及冲击性故障特征信号的特点,提出了基于进化论自适应滤波和小波降噪耦合的增强型滤波器新算法,即克隆法和匹配法的子代繁衍与重构小波系数耦合的算法.模拟计算和物理台架试验结果表明.该算法不仅可较大幅度提高信号的信噪比,且可处理强噪声环境下的非线性噪声,具有较强的提取微弱冲击性故障特征的能力,且该方法具有很强的实用性.     

自适应语音信号去噪处理研究

语音信号处理一般由滤波器来完成,因此在信号处理中滤波器的设计就显得尤为重要。本文提出了自适应滤波器去噪技术,主要研究了语音信号去噪的原理,进而对自适应滤波器的组成结构进行概述,运用自适应滤波器经典算法之一的最小均方算法,实现了语音信号的去噪处理,并在MATLAB软件平台上完成了基于最小均方算法的自适应滤波器设计的仿真,实现设计中的计算和图形绘制。