小波去噪技术在制导炸弹惯性参数测量中的应用

在制导炸弹的研制中,常常需要对弹体惯性参数进行遥测.对弹体过载参数一般采用加速度传感器进行测量.由于载机和弹体本身的随机振动,使得传感器输出的过载信号总是叠加随机振动噪声,严重的影响了过载信号的正常测量,因此必须首先对其进行去噪处理.本文在小波去噪原理的基础上,给出了改进阈值小波去噪模型,并利用该模型对实际靶场飞行试验遥测到的过载信号进行消噪处理,获得了满意的结果.     

基于小波分析的惯性传感器信号实时处理方法

分形噪声和白噪声是影响光电跟踪系统惯性传感器输出信号精度的重要因素,采用传统的方法很难滤除分形噪声.利用分形噪声在小波变换域的特殊性质,采用小波滤波方式,并在此基础上,实现两种不同带宽的惯性传感器信号的融合.通过将阈值计算进行简化,并对信号输入延拓方式进行改进,提高了信号处理的精度,由此可以大大降低信号的小波变换长度以提高运算速度,最终在相应硬件的基础上实现信号的实时处理.最后的实验验证了该算法的有效性和实时性.     

小波神经网络阈值自学习在信号去噪中的应用

针对某一确定数据采集系统中小波去噪时的阈值选择,提出以小波神经网络加标准信号来标定去噪阈值的方法,从而提高对信号的去噪性能。对于确定的数据采集系统,信号噪声主要来源于系统本身,而且在短时间内系统可视为时不变的。首先给系统一个标准信号输入,将系统的输出输入到小波神经网络,在给定的噪声熵下训练网络使其熵最小,从而得到相应的去噪阈值,仿真实验表明该方法较一般的去噪方法效果好。     

果蝇优化小波阈值超声检测信号去噪

由于材料结构的复杂性,超声检测回波信号往往存在很多干扰噪声。针对钢制结构中平底孔的超声检测信号传统小波去噪方法中小波阈值难确定的问题,结合小波良好时频特性和果蝇的全局优化能力,提出基于果蝇算法(FOA)优化小波阈值函数的超声检测信号去噪方法。对原始信号叠加5d B高斯白噪声,通过测试最大信噪比改善量获得最佳小波基和分解层数,采用sym5小波对超声检测信号进行6层分解后,利用果蝇算法对小波阈值进行参数优化,对比传统4种阈值确定方法,提高小波阈值的精度。验证结果表明:该方法对超声检测信号去噪后信噪比、均方根误差和相关性等参数具有满意的效果,去噪效果明显。     

模糊逻辑提升小波在惯性传感器去噪中的应用

针对传统小波在惯性传感器去噪中存在计算复杂和分解层数固定的问题,提出了一种基于模糊逻辑的提升小波阈值去噪方法。该方法首先利用模糊逻辑判断载体当前的运动状态,并根据先验知识确定该状态下的信号带宽;然后依据小波分解层数与截止频率间的对应关系,选择惯性传感器各个轴向的分解层数;最后在提升小波框架下对信号做离散小波变换,并对各层系数进行阈值去噪。实验结果表明,该方法可以对运动状态进行正确判别,与固定层数的传统小波相比,具有更好的降噪效果和更快的处理速度。     

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.     

基于Shannon熵的自适应小波包阈值函数去噪算法研究

小波包去噪算法的关键问题在于对信号进行去噪时,如何有效地消除噪声且尽可能地保留原始信号的小波包系数。传统阈值函数由于无可调节参数,其去噪形式固定,无法根据小波包分解系数的噪声成分自适应地进行调整,去噪效果有待提升。据此,将Shannon信息熵作为调节参数引入小波包阈值函数中,提出一种基于Shannon熵的自适应小波包阈值去噪算法,对信号进行小波包分解并计算最大分解尺度小波包系数的Shannon熵值,依据该值对阈值函数进行调整,以实现在强噪声背景下对小波包系数进行大尺度的收缩,而在弱噪声背景下实现阈值收缩的平滑过渡。采用该方法对仿真信号与轴承振动实验信号进行去噪分析,并与其它小波包阈值去噪算法相对比,结果表明该方法去噪效果更好且在滤除噪声的同时有效地保留了信号的原始特征。     

旋转叶片振动信号的小波变换去噪处理

在旋转叶片叶尖定时测振系统中,叶片多处于大噪声工作环境,为了保障振动位移的高精度测量,需有效解决叶片振动信号的去噪问题.提出采用具有时频局部分析特性的小波变换方法对振动信号进行去噪,建立了叶尖定时测振系统的仿真模型.针对仿真信号的特征,对小波变换的小波基、阈值估计及小波分解尺度进行了参数优化,实现了宽频白噪声的有效滤除.并与传统的滤波和Savitzky-Golay(SG)平滑算法进行对比,结果表明小波变换去噪方法在去噪效果和减小振动位移测量误差上均具有明显优势,有较好的实际工程应用价值.     

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。     

基于小波变换的两种惯性传感器数据融合

针对光电跟踪系统中两种高低不同带宽的惯性传感器,采用小波滤波的方式滤除噪声,并在此基础上,引入小波系数方差作为信号的特征量,构造低频系数的权值,实现两种不同带宽的惯性传感器信号的融合.通过采用提升小波变换,使设计更为灵活、计算简单、速度更快.最后的实验验证了该算法的有效性,从其结果可以看出,在融合的整个频段,除了在频率的交接处(30～40Hz)有轻微的波动外,在别的频段都与真实数据吻合的比较好.在融合的整个频段,幅值最大衰减为-2.5dB,相移最大滞后大约为30o.     

双小波非凸稀疏正则化去噪算法研究

针对航空发动机ECT滑油监测数据在采集传输过程中易受噪声干扰而影响数据有效特征提取的问题,提出了一种双小波去噪算法.在2个小波域下对数据进行分解,通过阈值函数进行滤波,利用小波系数的分布差异,迫使2个小波域下的去噪信号相同,反正切函数作为罚函数,得到更加稀疏的系数表达.实验结果表明:与传统的小波去噪方法相比,连续信号和...     

输油管道应力波检测中的小波去噪方法研究

本文介绍了一种适用于油田输油管道应力波检测的小波去噪方法。在盗油实时监测时，利用冲击激励产生的应力波到达两个检测传感器的波达时刻的差对冲击激励点进行定位。由于小波变换具有多尺度分析的优点，根据有用信号和噪声奇异性的不同及其在小波变换不同尺度下的传递特性的不同，区分信号和噪声，进行小波系数的阈值选取后，利用剩余的小波系数重建信号，得到有用信号的波形。试验发现，该法可以很好地去除噪声，从而使应力波的波达时刻的计算的准确度提高。     

基于最大Lyapunov指数和小波变换的管道检测信号降噪技术

针对分布式光纤管道安全预警系统检测信号的混沌特性,最大Lyapunov指数（λm ax）被定义为降噪指标用于评价各种小波及其阈值组合的降噪性能.基于小波阈值降噪法,采用不同的小波族系和阈值选取及重调方法对现场实测人工挖掘信号进行降噪处理.现场实验数据的分析结果表明检测信号存在混沌特征.在此基础上,λm ax被用于评价小波降噪性能.最后,通过对比实验结果,sym2小波、Sqtwolog阈值选取规则和M ln阈值重调方法,可以有效地消除现场实测信号中的噪声,达到最优的降噪效果.     

声-超声检测信号的消噪处理

声-超声检测信号中存在的大量系统和环境噪声,严重影响回波信号的读取。采用平均滤波和小波包变换的方法进行消噪。利用二阶Daubechies小波函数建立一小波包消噪模型,对信号进行分解重构。经过处理后,消噪效果比较明显,能更加完整地保留有用信息。     

基于漏磁原理的火炮零部件裂纹检测装置的设计与实现

为解决火炮零部件上裂纹等缺陷的检测问题,依据漏磁检测原理及缺陷漏磁场偶极子模型,设计了火炮零部件漏磁检测装置并进行了工程化实现.考虑到火炮零部件结构多样性,采用霍尔器件和磁阻传感器设计了多种结构的检测装置;针对漏磁信号中存在干扰信号和系统噪声的问题,采用自适应滤波和MORET-P小波变换技术,进行了信号的预处理.应用结果表明:该装置原理可行,多种结构的检测装置满足了不同火炮零部件的检测需要,自适应滤波和MORET-P小波变换技术较好地剔除了干扰信号和系统噪声,有效提取出缺陷信号.     

噪声相关条件下多传声器时延多尺度估计

提出一种基于小波分解的多尺度时延估计方法,解决非稳态、有色噪声且通道间噪声存在相关性的条件下提高时延估计精度问题,并把这一理论应用于声阵列对声源的定位.利用小波良好的时间-频率分解性能将非稳态信号分解为多个稳态信号,同一尺度内进行互相关获得多尺度时延值,并证明了小波分解不会改变信号之间的固有时延值.针对不同尺度内时延值不一致、无法识别出正确时延值这一问题,提出用三传声器之间时延匹配关系消除噪声相关性,来识别正确时延,从而实现非稳态、噪声相关条件下的时延估计.最后通过正四方形声阵列试验检验了该方法,试验证明:该方法不但提高了识别率、细化和突出了相关函数的波峰,还提高了时延估计的稳定性和精度.     

混沌驱动永磁同步电机系统的故障识别

研究了混沌驱动永磁同步电机系统的故障识别问题,设计了一种小波支持向量机故障识别器。首先对故障恢复信号进行经验模态分解,得到若干个平稳的本征模函数,将本征模函数的能量特征作为输入构建小波支持向量机故障识别器。训练完成后,冻结小波支持向量机结构与内部参数,以白噪声模拟实际运行中的未知扰动,并以加入扰动的故障信号作为测试输入,利用小波支持向量机故障识别器进行故障识别。结果表明,基于小波支持向量机的故障识别器能够较好地识别故障信号,拟合误差均在1%以内。     

小波和希尔伯特变换在脑电信号消噪中的对比研究

为了更好地消除混杂在脑电信号中的噪声,完成脑电分析,对小波和希尔伯特变换（HHT）的脑电信号消噪效果进行了对比研究。在HHT消噪方法中,利用经验模态分解（EMD）算法对脑电信号进行8尺度分解,得到固有模态函数（IMF）分量的组合,经过滤波和信号重构,得到消噪后的脑电信号。实验结果表明,HHT方法能较好地去除脑电信号中的噪声。运用评价准则比较了HHT方法和小波变换方法的消噪效果,发现HHT方法的脑电信号消噪效果优于传统的小波变换消噪,且算法的效率更高。     

自适应神经网络模糊小波语音消噪算法

针对有色噪声,采用自适应神经网络模糊系统模糊(Auto Neural Fuzzy Inference System,ANFIS)逼近有色噪声,利用自适应神经模糊推理系统ANFIS对噪声的非线性动态特性进行建模,提出了语音自适应神经网络模糊小波消噪算法,建立并训练了消噪系统。对被有色噪声污染的测量信号经模糊消噪后,根据信号和噪声的小波系数在不同分解尺度上的传递性,进行中值滤波和小波重构,得到了干净的语音。对算法进行了仿真实验,结果表明,消噪效果明显。