电磁超声检测信号小波去噪研究

针对电磁超声检测信号含有较多噪声的现象,使用小波分析方法进行了信号去噪。通过建立信号模型,从小波函数的选取、分解层数的选取、阈值函数和阈值的选取等几个方面进行了分析。采用强制去噪、默认阈值去噪、给定阈值去噪三种方法进行小波去噪仿真,比较得出给定阈值去噪方法效果最佳,在保留信号特征值的前提下达到了去除噪声的目的。     

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。     

凸轮廓线反求信号的小波包去噪研究

凸轮廓线反求时,测量噪声严重影响了反求的精度和廓线的光顺等。利用小波包分析,选用合适的小波基函数、分解层数、去噪阈值和阈值量化方法可有效去除噪声。通过把五次多项式叠加白噪声作为原始的凸轮廓线含噪信号,应用MATLAB软件进行去噪仿真试验,结果表明:选择coif2小波基函数、分解层数取1和选用启发式阈值软阈值去噪,去噪效果最好;小波包去噪效果优于小波去噪,得出了小波包去噪的一般步骤和重要参数的选取方法。     

基于Lab VIEW的声发射信号小波阈值去噪研究

虚拟仪器代表着目前测试仪器领域的发展方向,LabVIEW语言是一种功能强大的仪器开发平台。对淹没在噪声中声发射信号的有效提取（去噪）是声发射信号处理技术的第一步,也是声发射信号处理的关键所在。本文介绍了基于小波变换的阈值去噪方法。在LabVIEW平台上,通过仿真试验,对声发射信号的几种阈值法的去噪结果进行比较,选出一种适合声发射信号去噪的阈值准则。     

皮带机故障诊断中基于自适应小波阈值去噪法的应用

皮带机故障信号中包含大量运行信息，采集故障信号进行去噪处理有利于故障状态识别。为了进一步提高小波阈值去噪方法在强噪声背景下微弱故障信号提取能力，设计了一种基于改进自适应阈值的小波阈值去噪法的皮带机故障诊断方法。研究结果表明：进行小波阈值去噪时未进行阈值函数优化，在阈值选取缺乏灵活性。以自适应小波阈值去噪时，可以获得更平滑的阈值曲线，能够满足最优去噪性能。采用小波阈值去噪时并未达到理想去噪效果，存在明显噪声成分，并且获得了更大均方根误差；完成小波阈值改进后获得理想去噪效果，更准确保留有用信号，使噪声信号被充分去除，实现信噪比的明显提升。该研究可以拓宽到其它传动设备上，对后续的故障状态识别奠定理论基础。     

基于平移不变小波的声发射信号去噪研究

小波阈值去噪算法在信号的奇异点处会产生Pesudo-Gibbs现象。平移不变小波去噪方法是对闽值法的改进，该方法可以有效地抑制Pesudo-Gibbs现象，而且能够减少原始信号和估计信号的均方根误差，提高信噪比。将该方法用于声发射信号的去噪处理，并与闽值法进行了比较。仿真结果表明该研究方法可以有效地去除噪声，提取声发射信号的特征信息，具有较强的工程实用性。     

一种新阈值函数的小波变换在心音去噪中的设计

为了解决传统小波阈值函数在心音去噪中存在噪声滤除不完全、去噪信号不连续、震荡,去噪的同时滤除了过多的细节信息等问题。提出了一种新阈值函数的Db6小波变换心音去噪方法。通过调整参数m来调整阈值函数,使得心音信号在小波变换细尺度上去除噪声并且尽可能的保留细节系数。然后用无偏估计优化选取方法选取阈值函数的最优阈值。仿真结果分析表明:该方法克服了传统阈值函数的缺陷,信号的信噪比(Signal-Noise Ratio,SNR)提高了20%和根均方误差(Root Mean Square Error,RMSE)提高了32.5%。     

静电放电能量耦合建模数据的小波去噪

为提高静电放电能量耦合模型的精度,使用小波阈值去噪法对采集到的信号进行处理。选用db系列小波作为小波基函数,根据信号的频谱宽度确定小波阶次,使用启发式阈值原则和软阈值处理方式,通过不同分解层数下去噪效果的对比,最终确定分解层数。结果表明小波去噪法能够有效地去除静电放电信号的噪声,且信号失真小、保留了信号的高频细节。     

基于样本熵的改进小波包阈值去噪算法

为了更好地消除噪声对被测振动信号的干扰,分析了样本熵算法与噪声的关系,提出了一种基于样本熵的改进小波包阈值去噪算法。在阈值函数方面,该方法利用样本熵作为特征参数,对含噪信号小波包系数的噪声分布进行表征,且依据此特征参数值对阈值函数进行改进,使其能够根据信号的小波包系数受噪声影响的情况进行自适应的调整;在阈值选取方面,定义去噪后信号与原始信号之差作为噪声信号的估计,利用样本熵作为判别依据,选取使得噪声估计的样本熵值最大的阈值作为最优阈值。该方法与其他方法进行对比,结果表明,该方法能够有效地去除噪声且更好地还原信号的频率特征,是一种更为优越的去噪算法。     

基于小波阈值去噪法阈值函数的研究

基于小波变换的阈值去噪法是去除数学信号中白噪声的有效算法,其中阈值的选取与阈值的处理方式都是影响重构信号连续性与精度的关键。本文在传统软阈值和硬阈值法的基础上进行改良,构造了一种新的阈值函数,克服软硬阈值的缺点和偏差。从仿真结果可以看出,该改良的阈值函数法去噪效果优于传统阈值法。     

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Grubbs准则的小波自适应阈值去噪算法

小波阈值去噪法是去除信号中白噪声的有效算法.根据白噪声和信号小波系数的特点,提出一种分解层数自适应确定法和一种基于Grubbs准则的各层阈值选取法,并结合软、硬阈值法的特点,改进了小波系数阈值估计的模型.     

改进小波阈值-形态学融合算法在振动信号误差抑制中的应用

针对机械装备振动信号采集中含有脉冲噪声及高斯噪声等多种复杂污染源的信号误差抑制去噪,设计了小波阈值和形态学融合算法.首先,在高斯平滑思想上引入改进的小波阈值函数,能够调节阈值函数向小波分解系数真值的收敛趋势达到有效去除高斯噪声及避免稳态偏差的目的,对比几种常用的函数算法,提出的阈值函数取得了在信噪比提升及均方根误差抑制...     

联合CEEMD及AFSA优化小波阈值的心音信号去噪研究

心音是诊断身体健康的重要生理信号，为有效降低心音信号的噪声，提出一种联合互补总体经验模态分解(CEEMD)及AFSA优化小波阈值去噪相结合的方法。即先将不同频率范围的心音信号通过CEEMD进行分解，然后选取高频部分的IMF分量使用人工鱼群(ArtificialFish-SwarmAlgorithm,AFSA)优化小波阈值算法进行去噪，最后将去噪后的信号与分解的低频IMF信号进行重构得到去噪后的心音信号。将联合CEEMD及AFSA优化小波阈值去噪算法与传统的CEEMD算法、小波阈值去噪算法进行仿真对比。实验结果表明，联合去噪算法在去除心音信号噪声方面效果最好。     

基于GCV准则的小波图像去噪方法研究

小波软阈值去噪的关键在于阈值的选择.常用的阈值计算方法主要针对噪声信号为不相关的情况,并需要对噪声方差进行估计.对于含有未知噪声的信号,提出一种GCV准则确定阈值的小波去噪方法,并证明该方法得到的阈值是一种渐近最优解.该方法与常用的基于固定阈值和SURE阈值的去噪法进行比较,结果表明,无论是肉眼观察还是利用均方差和信噪比进行客观评价,基于GCV准则的小波去噪方法可以在噪声未知的情况下,有效的去除信号噪声,并很好的保留信号的原始特征.     

超声回波信号的小波软阈值法去噪处理

针对工程中常用的脉冲反射法超声检测中反射回波信号的特点,研究了基于小波分解的阈值去噪方法,通过理论分析、仿真以及实验研究得出,对于超声回波选取sym8小波基,采用软阈值法,运用基于史坦无偏似然估计的阈值选取规则,分解层数为4层时,可以有效地去除噪声干扰,突出缺陷信号,去噪性能优于硬阈值法.     

基于样本熵的最优小波包阈值估计去噪算法

为了更加有效地去除噪声对被测信号的干扰,分析了传统小波阈值估计方法的局限性,提出了一种基于样本熵的最优小波包阈值估计去噪算法。该方法利用样本熵作为信息价值函数以确定最优小波包,且以样本熵为判据,对不同的分解层数设置不同的阈值,选取使得去噪后得到的噪声估计信号样本熵值最大的阈值作为最优阈值。对仿真信号进行分析证明了该方法的有效性,将该方法应用于滚动轴承振动信号去噪分析且与其他阈值方法相对比,结果表明该方法去噪后的信号较其他方法而言频谱中的干扰频率更少且滚动轴承的基频以及故障频率更为突出,去噪效果更好,是一种更为优越的去噪算法。     

轴系轮廓重构信号的CEEMDAN—小波阈值去噪方法

针对轴系回转过程中动不平衡引起的位移误差信号含噪问题,提出自适应噪声完备集合经验模态分解(CEEMDAN)—小波阈值去噪的轴系轮廓重构模型。采用CEEMDAN对位移信号进行分解得到各阶本证模态函数(IMF),采用相关性分析提取含噪的IMF分量,并对其进行小波阈值去噪,与经验模态分析EMD—小波阈值去噪方法进行比较,最后将提纯后的信号进行重构。模拟仿真表明,去噪后的信号不仅保持了原有信号的特征,并且有效去除了噪声。将去噪后的信号输入到重构轮廓模型进行试验,结果表明,去噪后分离的单个截面回转误差准确度提高了0.05μm,圆度误差准确度提高了0.0703μm。     

小波新阈值法在振动信号去噪中的应用研究

针对传统的软、硬阈值函数去噪方法的缺陷,提出了一种基于小波的新阈值函数去噪算法,运用该方法对风力发电机齿轮箱的振动信号进行分析,排除振动信号中的噪声干扰,准确地提取故障信息。通过实验分析,对比了新阈值函数和传统软、硬阈值函数的去噪效果,证实新阈值函数在去除高斯白噪声方面表现出了良好的特性,重构信号更贴近真实信号,为风力发电机齿轮箱的故障诊断奠定基础。     

DNA测序电泳荧光信号的小波去噪分析

在DNA荧光测序中,噪声影响分析的准确度和检出限。相比其他滤波方法,小波分析具有良好的时频域分辨特性。在小波去噪处理中,正确选择合适的小波基函数和去噪阈值直接关系到信号去噪处理的质量。通过对毛细管电泳(CE)荧光信号的仿真分析,结果表明:选择sym7小波基函数、分解层数(lev=5)与使用软阈值,可以有效去除CE荧光光谱信号的噪声,提高分析准确度。将其用于处理实际的DNA电泳荧光信号,效果良好。