生产过程中的小波阈值信号去噪方法

在工业生产过程中,由于设备所收集到的混合信号中包含大量的背景噪声信号,而这些背景噪声信号会影响到异响有用信号的提取。因此,为对收集的信号进行消噪,提出了小波阈值去噪中估计小波系数的软阈值和硬阈值方法,结合硬阈值和软阈值方法各自的特点,采用了几种改进的方案,分别是多项式插值法,软、硬阈值折衷法和模平方处理方法。最后给出了数值试验,结果说明,改进的小波阈值方法都得到了较好的去噪效果,为工业生产过程优化信号提取提供了依据。     

小波阈值去噪技术研究及其在信号处理中的应用

阈值函数的选取以及阈值的确定是小波收缩消噪的关键问题,阐述了小波变换及小波阈值去噪的基本原理.基于噪声和信号在小波变换下表现出截然不同的性质:噪声对应的小波变换系数将随着尺度的增大迅速衰减,建立了小波收缩消噪的统一框架.在该框架下总结了各种阈值函数的形式以及阈值确定的方式,研究了它们的性能及特点.仿真实验结果表明,该方法既能有效地去除信号噪声,又能较好地保留原信号中的突变信息.     

改进小波阈值函数信号去噪研究

为解决信号去噪中白噪声的抑制问题,在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,提出一个双变量阈值函数。与传统的硬阈值、软阈值函数相比,该函数有优越的数学特性。仿真实验表明,新的阈值函数可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上,均优于上述去噪方法,具有较高的实用价值。     

小波阈值去噪在图像去噪中的应用

小波阈值去噪分为硬阈值去噪和软阈值去噪,它们的去噪思想都是在小波分解后的各层系数中,对模大于和小于某个阈值的系数分别进行处理.本文主要针对图像去噪,将一幅图像分别进行软和硬阈值去噪的方法进行比较,得出无论阈值门限设为何值,软阈值的去噪效果总是比硬阈值的去噪效果好这个结论.     

基于小波的信号阈值去噪算法研究

阈值去噪的方法就是在小波分解后的各层系数中,对模大于或小于某阈值T的系数分别处理,然后对处理完的小波系数再反变换重构出经去噪后的信号.在阈值去噪中,阈值函数体现了对超过和低于阈值的小波系数模的不同的处理策略以及不同的估计方法.     

改进的小波阈值在电能质量信号去噪中的应用

针对硬阈值去噪效果不佳,软阈值过度光滑使信号失真的缺点,提出了一种改进的自适应的阈值去噪方法。该算法将数理统计与信号和噪声的小波系数的分布规律和传播特点及噪声的标准差贡献率结合起来,对阈值门限进行了改进,并采用软阈值函数对信号进行处理,实现了其去噪的功能。结果表明,改进后的算法对电能质量信号进行消噪处理,信噪比增益和均方误差上均优于传统阈值算法及一些改进后的阈值算法,而且能够较好地保留电能质量信号的特征信息。     

小波阈值去噪技术在ECG信号处理中的应用

本文采用小波阈值去噪方法,利用了小波变换多分辨率的特点,它对信号具有自适应性,可以降低消噪算法的复杂程度,又可保证心电信息特征不被丢失。试验表明,该方法能较好地实现心电信号的消噪,同时也适合于信噪比较低的生物信号的处理中。     

小波阈值去噪在动车组数据处理中的应用

动车组传统信号去噪方法无法区分信号和噪声的高频部分,导致部分有用信息的流失。为此,分析失真的原因,研究小波阈值去噪方法。为提高小波去噪的精度,采用不同的参数选择方法,对动车组数据的处理进行实验对比,以得到更为合适的参数。实验结果验证了该方法的有效性。     

心电信号的小波阈值去噪算法研究

本文采用基于小波变换的阈值去噪方法对心电信号进行了去噪处理.给出了基小波、分解尺度、阈值的具体选择方法,在比较采用不同的基小波进行阈值处理方法的基础上.给出了采用coif4小波进行局部自适应软阈值处理的改进算法.实验结果表明,采用该算法降噪后信号的信噪比为34.019dB,将原含噪信号的信噪比提高21.879dB,去噪效果较好.     

自适应阈值小波滤波及其在ECG消噪中的应用

采集的心电信号,各类噪声往往覆盖了其有用信号的全频段范围,通常的方法难以有效消噪。讨论了将非线性阈值函数h引入小波消噪中,通过训练信号来确定各尺度下的h函数参数,然后采用阈值自适应的小波滤波进行心电信号消噪的方法。通过和Donoho的小波阈值消噪法对实测心电信号消噪比较,说明了该方法在心电消噪方面的有效性,且在消噪后波形不失真方面具有更好的优越性。     

改进小波阈值算法在电机振动信号降噪中的应用

针对采集的电机振动信号中夹杂着噪声干扰的问题,提出一种基于贝叶斯估计的小波收缩新阈值的电机振动信号降噪方法。新阈值考虑了振动信号经小波变换后在不同尺度上的去噪特性,更符合噪声在各层中的分布情况;改进阈值函数对振动信号进行降噪处理,较好地弥补了各阈值函数的缺陷,保证了阈值函数的连续性,并且可以灵活调节阈值以适应不同噪声情况,同时解决了固有阈值函数带来的偏差问题,很好地保护了含噪信号的有用信息。     

水下发射装置壁温测量方法研究

水下枪械是用于水下作战部队的新枪种,水下枪械的膛壁温度测量,对比空气和水下发射时温度的变化对水下内弹道模型的符合参数取值有着重要的意义,同时枪管膛壁温度分布的变化对研究膛壁的烧蚀和提高身管寿命等都有帮助.为测量水下发射装置在发射过程中壁温的瞬态变化,设计了PtRt10-Pt 微热电偶,进行测试系统设计,对测试信号用小波分析的方法处理,得到了水下枪械不同固定点壁温的变化规律,为研究水下枪械发射过程温度变化及其他研究奠定了基础.     

紧支正交小波对称化在DSP中的应用

文章讨论了紧支正交小波的对称化问题，并提出了一种新的对称化方法：把一大类紧支实值的非对称正交小波函数分解成对称和反对称两部分，并证明了其相应的两部分仍然构成对称和反对称的紧支正交小波基。而且我们发现尺度函数的对称和反对称部分分别是某子空间的尺度函数和小波函数。最后把上述的结果应用到数字信号处理中取得了较好的效果。     

小波变换在信号降噪中的应用研究

由于小波变换具有良好的时-频特性,从而为其在信号降噪中的应用提供了广阔的前景.本文通过傅立叶变换和小波变换在信号降噪中的对比研究可以看出,小波变换在信号降噪应用方面具有得天独厚的优越性.本文同时对小波降噪过程、小波域阈值选取原则和小波基选取原则进行了讨论,得出了一些有价值的规律和原则.     

磁电感应式传感器在轴承振动测量中的应用

主要介绍了国内外近些年在轴承行业开发的轴承振动测量中应用的磁电感应式传感器的原理与设计方法 ,并介绍了二套传感器的主要技术指标 ,对轴承及其它宽频谱低振幅振动量的测试提供了一套新的测试手段。     

小波阈值神经网络在信号去噪及预测中的应用

提出了一种小波阈值神经网络模型(wavelet threshold neural network,WTNN),对合作式接收到的雷达信号进行去噪和预测.这种网络模型把小波最优阂值去噪器加到神经网络中,对带噪信号具有小波最优阈值去噪和预测的功能.对小波系数作单层重构,可简化训练算法,使编程得到精简.其次,通过对训练算法进行分析,得出了最优阈值及权值的调整公式.最后通过对线性调频信号去噪及前向一步预测的实验结果可以看出,当网络输入分别为带有高斯白噪卢、高斯带限噪声、瑞利噪声的线性调频信号时WTNN得到的结果均优于利用Donoho阈值进行去噪后再预测的结果.     

平移不变小波变换在图象降噪中的应用研究

文中主要研究平移不变小波变换在图象降噪中的应用。标准的正交小波降噪方法是通过对图象的小波变换系数进行阈值操作来降低图象噪声,但它的结果中会出现诸如吉布斯现象之类的情况。为消除此类影响,文中将平移不变小波变换的概念引入到小波图像降噪应用中。文中讨论了这种降噪技术的理论基础和技术细节,给出了实际图象的应用结果,实验结果显示这种方法在性能上优于标准正交小波降噪方法。     

基于小波和PCA的火炮输弹系统故障诊断研究

为了分析火炮自动供弹系统运行状态并实现系统故障的快速诊断,研究开发了基于小波分析法和主元分析法的故障诊断系统。提出了利用小波分析供弹系统中变化剧烈的非平稳监控信号,这种方法对监控信号进行小波分解、非线性阈值化降噪处理完成了信号的重构。采用主元分析法(PCA)从监控变量中提取出主元,按照置信界限85%选取主元个数。在此基础上通过计算SPE和T2统计量,并分析统计量与控制限的状态判断系统是否正常工作。分析过程变量对SPE的贡献图识别故障源,并通过实验验证了该方法的有效性。     

小波变换编码在医学图像压缩中的应用

文章结合医学图像的特点探究了一种图像压缩编码方法：先对图像进行小波分解，然后针对不同层不同子图的特点对小波系数的各部分进行相应处理。小波分解后，低分辨率子图像的小波系数的动态变化范围大，因而采用BP神经网络进行自适应非线性预测编码，而对高分辨率子图像采用基于Kohonen网络的自组织特片映射（SOFM）算法的矢量量化进行编码，上述压缩方法可以在保证重构图像质量良好的情况下获得较大的压缩比，从而可以较好的满足医学图像存储的要求。     

小波神经网络在模拟电路故障诊断中的应用

介绍了模拟电路故障诊断的神经网络方法及小波神经网络结构和原理,以一带通滤波器为例,提出了一种基于输出灵敏度分析,利用多频测试生成故障特征向量训练小波神经网络进行故障诊断的方法,仿真结果表明小波神经网作为故障分类器具有收敛速度快,诊断准确等特点。