强噪声背景下钢丝绳损伤信号降噪方法

钢丝绳损伤信号是一种非平稳无周期性的冲击信号,其特征信号的降噪处理和特征提取成为亟待解决的难题。小波变换方法若小波基或者分解层数不适合,会在信号降噪的同时引入其他噪声干扰,影响信号处理与特征提取的效果。相较于小波变换方法,移位平均法只需要选择一定的移位窗宽即可实现对信号的有效降噪,但移位窗宽需要人为选择,盲目性大。针对上述问题,提出一种强噪声背景下钢丝绳损伤信号降噪方法。利用钢丝绳漏磁检测传感器采集不同类型的断丝数据,向信号中加入强高斯白噪声,以模拟强噪声背景;采用自适应移位平均法对钢丝绳损伤信号进行降噪,利用量子粒子群优化(QPSO)算法优化移位平均法的窗宽;将损伤信号的信噪比(SNR)作为适应度函数,通过QPSO算法使得损伤特征信号SNR最大化,从而实现最优信号降噪效果。实验结果表明,对于强噪声背景下的钢丝绳平稳和波动信号,相较于小波变换,自适应移位平均法的降噪效果更明显,信噪比更高,信号更为平滑。实测结果表明,对于现场采集的噪声相对弱一些的钢丝绳损伤信号,自适应移位平均法的降噪效果也比小波变换好,验证了自适应移位平均法具有较好的通用性。     

提升小波改进阈值算法在输气管道泄漏信号降噪处理中的应用

输气管道的泄漏检测对保障其管道的正常运行具有重要意义,但是在实际工作中,传感器检测到的信号会受到噪声的干扰。为了提高管道泄漏检测精度,采用一种不依赖于傅里叶变换的提升小波变换方法,并引入改进阈值函数对信号进行降噪处理,分别对比不同小波基函数,不同分解尺度利用改进阈值算法的降噪效果,确认db5小波函数作为最优提升小波函数,并对信号进行四层分解的信号处理信噪比最高,最后利用现场实验采集到的负压波信号进行传统小波去噪和提升小波改进阈值算法去噪的效果对比,其结果表明提升小波改进阈值算法的去噪效果优于传统小波算法的去噪效果,在管道泄漏检测的信号降噪中具有良好的应用价值。     

基于小波变换的低信噪比雷达回波快速检测法

根据二进小波变换对信号分解的形式与特性,给出了信号在小波域中广义子波能量的定义,并利用子波变换的多尺度分解特性构造出广义小波能量积累器。在此基础上设计出一种直接利用广义小波能量积累对低信噪比雷达回波信号进行检测的快速算法。仿真实验结果表明,该检测算法对强白噪声及强声背景下的低信噪比信号检测比较有效,对背景噪声具有较好的自适应性,且该检测算法设计简单,执行速度快,可靠性高。     

基于小波核函数-支持向量算法的信号检测

关于水声信号检测优化问题,对在极低信噪比情况下被背景噪声所淹没的微弱信号进行检测时,由于舰船航行时接收目标信号的噪声较大,使检测更加困难。通过对谐波小波变换和支持向量回归算法的分析,在谐波小波函数的窄带信号分析支持向量回归基础上,提出了一种谐波小波核函数-支持向量回归的信号检测算法,实现小样本情况下微弱信号的检测。通过仿真信号和海上实测噪声数据的分析,利用改进算法可以很好地检测出在极低信噪比情况下噪声背景中的微弱信号,从而验证了改进算法在低信噪比情况下检测线谱信号的有效性。     

基于改进小波变换及神经网络的电子音乐信号识别方法

基于当前智能化发展水平，通过优化小波变换与神经网络，提出一种电子音乐信号自动化识别方法。合理扩大信号高、低频系数，经小波变换降噪，适当缩小高、低频系数，采用多输入多输出神经元，构建前向的径向基函数神经网络，将隐藏层神经元换成高斯激活函数，令信号呈中心径向对称形式，求解连接权重后，架构自动识别流程。仿真实验阶段，针对不同风格的电子音乐信号，检验该方法的降噪效果与自动识别准度、速度。实验结果验证出所提方法噪声滤除优势显著，且能够精准、快速地识别出目标电子音乐信号，具有较好的有效性与可行性。     

基于小波降噪的稀疏傅里叶变换时延估计

稀疏傅里叶变换时延估计具有较低的运算时间复杂度,但在低信噪比时无法准确估计出时延.针对稀疏傅里叶变换时延估计在噪声干扰下时延估计精度下降的缺点,提出了基于小波降噪的稀疏傅里叶变换时延估计算法.算法利用小波降噪方法处理接收到的信号,再对降噪后的信号进行稀疏傅里叶变换广义相关,通过检测相关函数的谱峰得到估算的时延值.实验仿真以及对实测数据的验证均表明,在低信噪比条件下,基于小波降噪的稀疏傅里叶变换时延估计算法在保证数据高处理速度的同时,具有较好的抗噪性以及较高的时延估值精确度.     

基于序列相关和小波变换的加速度计信号降噪

有效滤除加速度计信号噪声,对提高加速度计信号分析精度有重要作用,针对加速度计比较法冲击激励校准中,噪声对加速度计频率响应函数估计的影响,提出一种基于序列相关和小波变换的加速度计信号降噪方法。该方法首先对参考加速度计和被校加速度计的输出信号进行小波变换,然后利用同一激励下不同加速度计响应信号小波系数的相关性,引入互相关系数对阈值进行改进,并应用该阈值对加速度计输出信号各层小波系数进行降噪。仿真实验和加速度计比较法冲击激励校准实验表明,该方法能够有效降低加速度计输出信号中的噪声,提高了加速度计频率响应函数估计精度。     

运用离散二进小波变换分离声目标的信号与噪声

本文介绍离散二进小波变换的原理和实现多尺度离散二进小波变换的MALLAT塔式算法,给出了一个利用多尺度离散二进小波变换对战术声目标进行信号与噪声分离的实例;所得计算机模拟结果表明,运用离散二进小波变换滤除噪声,能够获得更高的信噪比。     

基于小波变换的非平稳信号去噪

传统的信号去噪算法往往仅对平稳噪声或缓慢变化的噪声有效, 且残留的信号噪声较大。基于小波变换的去噪算法对传统的小波阈值法进行了改进,根据信号与噪声在小波域的分布特性以及信号和噪声小波变换的模极大值随尺度的变化大小不同,得到噪声在小波域中的位置以及小波系数大小。实验结果表明：该算法对平稳和非平稳的噪声都能进行较好地去噪。     

小波阈值降噪算法中最优分解层数的自适应选择

小波阚值降噪算法是一种去除数字信号中白噪声的有效算法．针对加性高斯白噪声的情况,提出一种自适应小波降噪算法,用于语音信号的增强．它能根据带噪信号的特点,自适应选择小波变换的最优分解层数．实验结果表明,该算法比经典的小波降噪算法具有更好的降噪效果,能有效提高算法的实用性能．     

光纤温度传感系统中信号去噪方法

针对光纤温度传感系统采集的温度信号噪声较大的问题,分析了温度采集过程中干扰噪声信号的特点、滑动平均滤波和小波变换两种方法对信号去噪的效果.针对采集的温度信号,选择合适的小波去噪方法,并确定了最优的小波基和分级层数,将经过平移滑动滤波算法处理后的温度信号,进一步进行小波去噪处理,并将均方根误差(RMSE)、信噪比(SNR)及去噪信号的平滑度指标R,作为判定去噪效果的依据.实验结果表明:综合去噪算法能够有效去除有用信号中的干扰噪声,在信号无失真的情况下信噪比可以提升10～12 dB.     

基于改进的小波阈值函数语音增强方法

传统的小波阈值去噪方法会造成有用语音信号的损失, 信噪比改善情况不理想. 通过分析小波去噪原理, 提出了一种改进的小波阈值函数语音增强方法. 该方法结合小波软、硬阈值函数去噪的优点, 克服了硬阈值函数的不连续及软阈值函数存在偏差的缺点. 该方法首先对清浊音信号进行判断, 接着采用变化的阈值对清浊音信号的小波系数进行不同的阈值处理. 仿真实验结果表明, 改进的方法非常适用于强噪声背景下的语音增强, 无论在保留含噪语音信号中的清音信息, 还是在信噪比改善指标上均优于传统的软阈值法、谱减法和听觉感知小波变换法.     

基于形态学的ECG小波自适应去噪算法

为了消除心电信号中的噪声,提高心电监护仪的性能和计算机自动诊断效率,已经提出了多种方法来消除这些噪声.针对常规的ECG信号去噪算法存在的缺陷,提出了一种基于形态学的小波自适应去噪算法.该算法利用线性组合形态学滤波器去除基线漂移信号,然后对处理后无基漂的信号送入小波自适应滤波器,选取合适的阚值对其进行二次滤波去噪,最后得到无噪声的ECG信号.实验结果表明,该算法是一种有效的去噪算法.     

小波分析在激光多普勒信号检测中的应用

为了有效的消除人体激光多普勒信号的噪声,提出了一种利用小波变换的方法对信号进行处理.通过研究多尺度小波变换和小波包变换的工作原理和消噪流程,利用Matlab对实际信号分别进行强制消噪、默认阈值消噪、给定软阈值消噪仿真,仿真结果表明,两种小波变换方法均可以有效地消除信号中的噪声.提高信噪比,适用于背景噪声强的人体信号的提取,并可推广到其他强噪声环境下对微弱信号进行提取,具有广泛的应用价值和现实意义.     

基于改进阈值函数的分数阶小波图像去噪

为了消除噪声对图像的影响并较好地保留图像细节信息,提出一种基于改进阈值函数的分数阶小波图像去噪方法。该方法通过分数阶小波变换将含噪信号进行多尺度分解,采用改进的阈值函数对各层分数阶小波域系数进行处理,对处理后的系数进行重构得到去噪后的信号。仿真实验表明,相比已有的软阈值、硬阈值和均值加权法,本文方法去噪后的图像信噪比较大、均方误差较小,取得了满意的视觉效果,是一种实用的去噪方法。     

小波去噪在智能引线键合机图像处理中的应用

针对小波去噪中硬阈值法和软阈值法存在的缺陷,提出了一种新的多尺度自适应阈值选择算法,该方法根据小波变换的特点和噪声信号的3σ,准则,对于不同的小波系数乘以一个与自身小波系数相关的降噪因子.在现有的图像去噪评估算法的基础上,提出了基于图像平滑度和匹配度的去噪效果评估算法.实验结果表明:多尺度自适应阈值选择算法能有效去除图...     

地震信号小波变换的去噪方法

运用模极大值法基本原理进行地震信号去噪研究,进而运用二次小波变换原理通过低层系数处理对常用小波去噪方法进行改进.通过合成不同的染噪地震信号,由一系列仿真实验对模拟地震信号进行不同尺度的小波分解与重构,从而实现最优小波分解尺度上的地震信号噪声去除.与常用的快速傅立叶转换方法比较,仿真结果表明,该小波变换方法能够有效去除地震勘探信号中的噪声,并且针对系数的二次小波变换可以明显改进去噪的效果.     

同步挤压小波变换对随机噪声抑制的研究

针对低信噪比信号在噪声去除中存在的问题,提出了利用同步挤压小波变换对随机噪声的处理研究。该变换是一种新的小波变换方法,可将时域信号转化成高分辨率的时频谱,再结合时频谱重排的思想,通过挤压任一中心频率附近区间值,从而得到同步挤压小波变换量值。研究发现,同步挤压小波变换可将随机噪声压缩为点状噪声或者颗粒噪声,并聚集分布,基于噪声这一分布特点,从而选用中值滤波,可达到很好地抑制噪声的目的;而传统小波变换后,随机噪声在大小尺度上均有分布,比较分散,用中值滤波不能达到好的滤波效果。对比结果表明：该方法具有较好的抑制随机噪声的能力。