经验模态分解去噪技术及其在兰姆波检测中的应用

经验模态分解(EMD)是一种新出现的处理非线性、非稳态数据的信号分析方法,通过三次样条包络分离数据的高阶成分和趋势。利用EMD的这种特性对超声兰姆波检测中的实测信号作去噪处理,并与小波去噪结果进行了对比,表明EMD去噪具有更强的自适应能力,且需知的原信号先验信息更少。     

基于EMD的时间尺度去噪方法的研究

研究利用Hilbert-Huang变换中的经验模态分解(EMD)与希尔伯特变换(Hilbert)来进行信号瞬时参数的提取。构造了时间尺度滤波器,结合经验模态分解(EMD)获得有限数目的分段固有模态函数(IMF)的多特征尺度参数的特征进行非平稳信号的滤波,仿真实验验证了该法的可行性。     

基于EMD的激光雷达信号去噪方法

针对激光雷达回波信号较弱易于被各种噪声污染的特点,本文提出利用经验模态来模态分解(EMD)这一非线性、非平稳信号处理方法,对Mie散射激光雷达信号进行多尺度分解.该方法是利用信号内部时间尺度的变化做能量与频率的解析,采用这种方法能够将噪声污染的激光雷达信号分解成若干个线性、稳态的本征函数(IMF),通过对本征函数的重构,去除包含高频噪声的IMFs,从而达到去噪目的.实验结果表明,这种方法的去噪能力强,并且具有自适应的特点,从而说明了这种方法在信号去噪中的优势.     

基于EMD算法的光栅莫尔条纹信号去噪方法研究

针对计量光栅莫尔条纹信号的质量问题,提出了基于经验模态分解（EMD）算法对非平稳光栅莫尔条纹信号模型的去噪方法。建立非平稳的光栅时变信号模型,利用EMD算法不需要定义滤波器参数的自适应性优点,对添加不同噪声的多组光栅信号模型进行了滤波分析的仿真实验,其信噪比和均方根误差两项指标优于均值滤波、小波阈值去噪方法。对两路正余弦理想信号添加高次谐波分量,通过对比EMD算法抑制高次谐波前后的李萨如图形,验证了该方法在去噪过程中对光栅莫尔条纹信号正弦性误差补偿的良好效果。     

基于小波去噪和EMD的信号瞬时参数提取

为了消除随机噪声对经验模式分解（EMD）质量的影响,提出利用小波去噪作为EMD的预处理,并结合希耳伯特变换提取信号瞬时参数的方法。研究了经验模式分解与希耳伯特变换相结合的提取信号瞬时参数的EMD／HS法,并针对随机噪声的影响,提出了基于阈值的正交小波变换去噪法。理论分析及仿真结果表明,该法克服了直接运用EMD分解中由于大量噪声带来的不必要的干扰,减少了EMD的分解层数以及累积边界效应对信号分析的影响,提高了瞬时参数提取的时效性和准确性。     

适于泥石流除噪的EMD联合小波阈值除噪方法

次声传感器采集到的泥石流次声信号中包含有大量的无关干扰信号,严重影响信号的分析与评估。针对含噪泥石流信号中无法准确确定噪声频段的特点,以及传统经验模态分解(Empirical Mode Decomposition, EMD)联合小波阈值去噪方法无法智能分辨噪声所在频段的缺点,提出了信号经EMD分解后,基于相关性选择噪声频段的方法。首先利用EMD分解获取信号的固有模态函数(Intrinsic Mode Function, IMF)分量,然后计算各个IMF分量与原始信号的相关性,根据相关性大小确定IMF噪声频段,然后采用小波阈值去噪方法对噪声频段进行处理,最后对处理后的信号进行重构得到去噪泥石流信号。通过模拟实验分析,证明该方法具有智能选择噪声频段的能力,是一种更适于泥石流信号的去噪方法。     

改进的局部均值分解法在爆破振动去噪中的应用

为了解决爆破振动信号的处理精度极易受到噪声信号的干扰的问题,在局部均值分解法(LMD)和总体平均局部均值分解法(ELMD)的基础上,提出了利用自适应互补集合局部均值分解方法(CELMDAN)分解原始信号,然后采用小波阈值法对获得的乘积函数(PF)分量进行去噪,提高了爆破振动信号去噪的精度。结果表明CELMDAN-WT方法有效地识别破振动信号中的噪声信号,实现了信号与噪声的分离,具有良好的自适应性,在爆破信号去噪中有良好的效果。     

改进的局部均值分解法在爆破振动去噪中的应用

为了解决爆破振动信号的处理精度极易受到噪声信号的干扰的问题,在局部均值分解法(LMD)和总体平均局部均值分解法(ELMD)的基础上,提出了利用自适应互补集合局部均值分解方法(CELMDAN)分解原始信号,然后采用小波阈值法对获得的乘积函数(PF)分量进行去噪,提高了爆破振动信号去噪的精度.结果表明CELMDAN-WT方...     

小波变换在冲击信号去噪应用

由于冲击信号测试环境的复杂性,噪声干扰的存在对信号分析的结论有一定影响.本文基于小波变换下设计了一种实用的针对冲击信号小波去噪方法.     

原子钟频差数据去噪算法的研究

为降低原子钟频差的噪声,根据其数据非线性非平稳的特征,将整体经验模态分解用于原子钟频差去噪算法。首先将原子钟频差数据叠加一定强度的白噪声;然后进行经验模态分解,如此重复多次;最后将各分量叠加求平均得到去噪的原子钟频差序列。从时域和频域上分别分析了该算法的去噪效果,并与小波阈值去噪算法进行了比较。结果表明,该算法有效地去除了原子钟频差数据序列中的噪声,将方差由小波算法的2.707%降为0.7263%,数据变得更加平稳。     

EMD的LabVIEW实现及其在滚动轴承故障诊断中的应用

针对LabVIEW工具箱中缺少EMD算法的问题,对LabVIEW进行二次开发,实现EMD（EmpiricalMode Decomposition）的算法及HHT（Hilbert Huang Transform）分析方法。并且提出利用EMD的高频IMF（Intnnsic Mode Function）进行共振解调提取轴承故障特征信息的方法。故障诊断实例证明,该方法与传统共振解调方法相比,具有较大的优势。     

基于EMD和VARMA模型的信号处理方法

指出了Hilbert-Huang变换方法中进行Hilbert谱分析时应引起重视的两方面限定。针对上述限定，提出了基于EMD和VARMA模型的信号处理方法。该方法首先用时变VARMA模型对IMF建模并根据模型参数计算其瞬时频率，然后通过对各IMF的局部极值进行样条函数插值得到相应瞬时幅值，最后利用上述瞬时频率和幅值得出Hilbert谱。通过对LOD数据和地震动加速度记录ElCentro（1940，N-S）的分析表明，该方法避开了原方法中的限定且所得Hilbert谱更具物理意义、分辨率和可读性更好。研究结果不仅为非线性、非平稳信号的处理提供了一种新途径，也为基于振动的结构损伤识别和健康监测等研究提供了新思路。     

基于混沌理论的设备状态监测应用研究

以汽车变速箱中齿轮系统疲劳实验为例，充分利用混沌方法与小波方法各自在状态监测与故障诊断领域中的优点，进行机械系统状态监测与故障诊断。通过对实验所得振动信号进行小波包分解与重构，得到反映目标部件的特征信号，借助于混沌方法，对信号进行了二次处理，进而对所得特征量的变化趋势进行比较研究，确定了各监测部位的运行状态，并实现了故障定位。计算结果和实验结果相吻合，证明了该方法的可行性。     

冷连轧机的振动分析及改善方案

轧钢机的振动问题是国际冶金界普遍关注的热点和难题.由于轧钢机设备的传动链长,工艺情况复杂,因此轧钢机上振动产生的原因也多种多样.本文为了解决1420冷连轧机五号机组的振动问题,结合理论分析得出结论轧机的振源在上下工作辊之间的辊缝中,轧机的振因是轧件材料的硬度变化及轧制速度的提高使得轧机上下工作辊之间的辊缝摩擦力下降,从而产生了扭转自激振动现象.建立了辊缝中的振动方程,求解出振源的主频率;找到了与现场测试情况非常吻合的易引起共振的固有频率,从而为本文有效地解决振动问题提供了依据.     

滚动轴承球磨机的应用

分析了球磨机采用滑动轴承存在摩擦阻力大的弊端。采用滚动轴承代替滑动轴承降低了磨机能耗,解决了大负荷下的轴承寿命、轴承密封等问题,磨机配用电动机功率可减少17％～23％。     

宽带调频步进信号的全去斜处理方法

针对宽带调频步进信号在逆合成孔径雷达中的应用,在分析信号模型的基础上,提出非常简单的全去斜处理方法,即分别将线性调频子脉冲进行全去斜处理．根据频率步进值,将去斜后的时域信号进行时间搬移．然后再将所有全去斜后经过时域搬移的信号在时域进行相干合成．最后进行傅立叶变换便可实现调频步进信号的压缩处理．文中还将本文方法与基于匹配滤波的子孔径处理方法进行了对比．计算机模拟结果说明了本文方法的有效性．     

基于小波变换的轧机振动信号降噪技术研究

由于轧机振动信号受到强烈的噪声干扰,给故障特征的有效识别和准确提取带来很大困难。直接采用频域分析方法诊断早期故障的收效甚微。利用小波分析的“带通滤波”特性,可以将信号按照特定的频段进行分解,分解后的单层重构可以将噪声与可用信号进行成功分离;根据预先设定的阈值对高频分解系数处理后进行全局重构同样可以达到消噪的目的。对于现场采集的轧机振动信号,多种方式的消噪结果表明,含有故障特征的低频信息被成功提取。     

平移不变量小波阈值去噪法在齿轮振动信号处理中的应用

齿轮振动信号往往受到噪声干扰,用传统的小波阈值去噪法去噪时,由于信号中存在不连续点,会在不连续点处引起PseudoGibbs现象.采用平移不变量小波阈值去噪法对信号进行去噪,首先对含噪声信号进行循环平移,然后对信号进行小波阈值去噪,最后对信号进行反平移后平均,得到去噪后的信号.应用这种方法对仿真信号和实验采集的含噪声齿轮故障信号进行去噪,并和小波阈值去噪效果进行对比,结果表明这种去噪方法有效抑制了PseudoGibbs现象,并有更好的去噪效果.     

广义解调时频分析方法在调制信号处理中的应用

介绍了一种新的信号处理方法-基于广义解调的时频分析方法,并将这种方法应用于调制信号的处理。广义解调时频分析方法采用广义解调将时频分布是曲线的信号变换为时频分布是平行于时间坐标轴的直线的信号,然后采用最大重叠离散小波包变换（Maximal overlap discrete wavelet packet transform,简称MODWPT）对广义解调后的信号进行分解,得到若干个瞬时频率和瞬时幅值都具有物理意义的单分量信号,再对各个单分量信号进行逆广义解调,进一步求出瞬时频率和瞬时幅值,从而得到原始信号完整的时频分布。采用广义解调时频分析方法对调幅-调频信号进行了分析,结果表明该方法能有效地提取调幅-调频信号的调制信息。