基于二代小波的光纤陀螺实时降噪方法研究

在以光纤陀螺为主要惯性敏感元件的捷联惯导系统中,陀螺输出信号中的非确定性随机漂移的实时滤除,对提高实际系统的初始对准精度及导航精度均具有重要的意义。考虑到传统小波阈值法的去噪性能及实时性问题,提出了一种基于第二代小波变换,并结合硬阈值、强制降噪和带滑动数据窗的光纤陀螺信号实时降噪改进方案。利用MATLAB进行了正弦信号和光纤陀螺输出信号的模拟实时降噪实验,并与一代小波实时降噪方案进行了比较,验证了改进方案在理论计算速度大幅提升的前提下,降噪性能得到提高,进而减小了系统输出的姿态误差。     

基于动态小波阈值的齿轮箱振动信号降噪方法

在齿轮箱的故障诊断、在线监控等领域,通常将振动信号作为最主要的分析来源。齿轮箱在起重机的实际运行过程存在多种机构相互交联影响的情况,且信号多数时候只能通过间接的形式采集获取,造成信号中存在大量杂乱无章的干扰噪声,影响了对信号的识别和特征的提取,容易造成对故障的错报和漏报等问题。文中深入分析硬阈值函数、软阈值函数、半软阈值函数和Garrote函数,提出动态调整小波阈值的算法。动态阈值算法可以在有效抑制噪声和保留信号中有用成分之间取得更好的平衡。通过模拟信号和实测故障振动信号进行对比测试,结果表明这种动态小波阈值降噪的方法相对于半软阈值函数和Garrote阈值函数的降噪算法具有更高的信噪比和较低的均方根误差。     

小波变换在陀螺信号去噪中的应用

提出了基于小波变换的陀螺信号的滤波方法,利用正交小波使用软阈值对陀螺输出信号进行去噪处理,去除由噪声引起的细节项,从而消除其中的噪声干扰.试验结果表明正交小波对陀螺信号去噪具有比较好的效果.     

小波变换在陀螺信号去噪中的应用

提出了基于小波变换的陀螺信号的滤波方法,利用正交小波使用软阈值对陀螺输出信号进行去噪处理,去除由噪声引起的细节项,从而消除其中的噪声干扰.试验结果表明正交小波对陀螺信号去噪具有比较好的效果.     

基于离散平稳小波的改进自适应降噪方法

提出一种基于离散平稳小波的改进自适应降噪方法.首先,利用离散平稳小波的冗余特性,解决离散二进小波变换降噪方法在奇异点存在振荡效应的问题;其次,针对传统小波阈值降噪算法忽略尺度系数噪声影响的不足,利用噪声强度估计各分解层阈值,对尺度和小波系数同时进行自适应降噪;最后,将此方法应用于不同信噪比下典型信号的降噪对比试验.仿真结果表明:该方法在消噪的定性和定量指标上,整体优于传统离散二进小波方法,消噪效果改善明显.     

基于改进平移不变量小波阈值法的齿轮泵振动信号降噪

齿轮泵的振动信号中含有大量噪声,在对其进行应用之前必须降噪处理。传统的小波阈值降噪法在信号的奇异点附近会产生振荡现象,为此研究了一种新的小波阈值函数,把新的阈值函数和平移不变量相结合,提出了改进小波阈值法的平移不变量降噪方法。该方法克服了软、硬阈值的缺陷,同时抑制阈值法降噪时产生的伪吉布斯(Pseudo-Gibbs)现象。利用该方法对仿真信号和实测齿轮泵振动信号进行降噪处理,并与小波软、硬阈值法及新阈值法进行了对比。结果表明:该方法具有更好的降噪效果,可应用于齿轮泵振动信号降噪处理。     

基于小波支持向量机的陀螺随机漂移预测模型研究

通过小波变换抑制各种干扰噪声,预处理后的陀螺漂移数据采用支持向量机的方法建立陀螺漂移预测模型。试验得到的陀螺漂移数据对提出的模型进行验证。结果表明,相对于独立的支持向量机模型（SVM）和径向基神经网络模型（RBF）,提出模型得到的陀螺随机漂移预测精度更高。     

基于谱图小波阈值的机床主轴振动数字信号降噪研究

通过数控机床运行过程中数据特征采集获得的实际信号存在噪声成分,无法根据信号特征判断机床实际运行状况。为了提高对特征参数提取对信号实施降噪能力,根据谱图小波转换理论与实际应用过程,构建了一种对一维数字信号分析的谱图小波阈值降噪（spectral wavelet threshold denoising, SWTD）算法,再通过仿真信号与机床主轴振动信号降噪方式验证了谱图小波阈值降噪可靠性。研究结果表明：机床主轴振动信号包含的有用频率基本都处于400 Hz范围内的低频区。完成降噪后,SWTD降噪信号形成了稳定幅值,已经接近初始信号,包络谱内超过400 Hz的高频段已被消除,形成了由主轴自转频率与滚切频率构成的主体成分,观察到明显主轴自转频率特征,表明该方法相对小波阈值降噪结果具备更优性能。     

谱图小波阈值降噪及其在滚刀主轴振动信号分析中的应用

通过分析谱图小波变换在平面图像、三维实体分析中的应用,提出一种用于一维数字信号分析的谱图小波阈值降噪方法。该方法将一维数字信号定义到路图上,利用谱图小波变换将其分解成尺度系数和谱图小波系数,对谱图小波系数进行阈值过滤处理,再进行谱图小波逆变换得到降噪信号。首先,利用四种典型仿真信号进行降噪试验,并分析不同分解层数对降噪性能的影响;接着,将其与经典小波阈值降噪方法进行仿真对比;最后,采用该方法进行滚刀主轴振动信号降噪,并与经典小波阈值降噪方法对比。仿真及试验结果表明,该方法实现了一维数字信号的快速非迭代降噪,且降噪信号平滑度高、畸变小,优于经典小波阈值降噪方法。     

基于新型小波阈值函数的降噪方法研究

为了使经典的小波阈值降噪算法更好地兼顾噪声抑制和细节信息保留,以避免函数不连续和减小小波系数恒定偏差为原则,基于双曲正切函数构造了一个具有高阶可导性质和小波系数自适应收缩能力的阈值函数.通过仿真分析,验证了构造的阈值函数具有一定的自适应性,增强了小波阈值降噪能力.     

基于改进小波域阈值法的平移不变振动信号去噪

针对含噪振动信号的去噪问题,采用了目前最有效的小波算法。在传统小波域阈值法的基础上,克服了软、硬阈值的缺陷,采用了新的闽值函数,并通过平移不变小波变换对去噪效果进行了强化。通过与几种方法去噪效果的仿真对比,其结果表明,新的去噪方案可以获得最大的信噪比（SNR）,其去噪效果明显优于传统的软、硬阈值函数,并在实际振动信号的处理中得到了很好的应用。     

改进型阈值函数在小波阈值图像去噪中的应用

介绍了传统小波阈值去噪方法的去噪原理。小波阈值去噪的关键是阈值的设置和阈值函数的选择。该文对常规的软阈值和硬阈值函数在常规的图像去噪中存在的缺陷进行了分析,在此基础上提出了一种改进的阈值函数,改进后的阈值函数克服了软阈值函数中小波系数估计和原系数之间的固有偏差的缺点,也克服了硬阈值函数不连续的特点。实验结果表明,采用改进的阈值函数进行图像去噪处理后,图像具有更高的峰值信噪比,均方差更小,同时对软阈值函数的细节模糊现象和硬阈值函数的Gibbs现象都有不同程度的改良。     

基于小波除噪和经验模式分解的信号分析方法

经验模式分解是一种自适应分解算法。通过对常见信号的经验模式分解结果进行分析,发现信号中包含的噪声对分解结果影响较大。在此基础上,提出一种小波除噪与经验模式分解相结合的信号分析方法。该方法充分利用小波变换的降噪功能和经验模式分解的自适应分解能力,能真实地反映信号特征,为基于信号分析的故障诊断提供了一种可行的途径。     

基于小波包改进阈值方法的电能质量信号消噪

为了改善暂态电能质量扰动信号的消噪效果,提出了一种小波包改进阈值的消噪方法。在分析了软阈值消噪方法和硬阈值消噪方法的基础上,对阈值量化函数进行了改进,并通过小波包变换对消噪效果进行了强化。改进后的新阈值消噪法能有效克服＂硬阈值法不连续、软阈值法有偏差＂的缺点。对暂态电能质量扰动信号消噪处理的仿真结果表明,该新方法在消噪的同时能够减少信息的损失,在不同信噪比下都能有效地去除白噪声,其消噪效果优于软阈值函数消噪法。     

连通管式位移测量系统的小波信号处理研究

在连通管式位移测量系统中,液体振荡影响系统的位移测量精度。由于位移信号与液位振荡在时域和频域内均相互交叠,采用时域或频域分析方法都不能有效消除液位振荡的影响。为此,建立了连通管式位移测量系统输出信号的模型,结合液位振荡信号的特点,提出了针对确定性干扰信号去噪的小波阈值法。该方法的基本思想是：根据液位振荡的频率范围确定小波分解的尺度,在不同尺度上设定不同的阈值,以小波重构信号与原始信号的相关系数为目标来优化液位振荡频率所在尺度的阈值。通过对实际系统输出信号的小波分析表明,针对低频位移信号改进的小波阈值去噪方法非常适合于连通管式位移测量系统的信号分析,能够有效地消除液位振荡的干扰。     

基于Contourlet变换在图像去噪中的应用

Contourlet变换是小波变换的新发展,能更有效地捕捉图像中的几何结构。本文提出一种基于Contourlet变换的图像去噪方法。该方法通过对阈值去噪中的统一阈值和阈值函数进行分析,构造出一个新的阈值函数,新阈值函数在一定程度上改进了统一阈值"过扼杀"Con-tourlet系数的缺点,同时也使硬阈值去噪中出现的伪吉布斯现象得到解决。实验结果表明,本文采用的方法提高了去噪后图像的PSNR值,同时有效地保留了图像纹理信息,使视觉效果更好。     

基于改进双树复小波的光谱去噪算法研究

为了消除可见光近红外光谱噪声,提高利用光谱曲线进行信息提取的精度,提出一种改进双树复小波变换(DTCWT)的后验估计及广义形态滤波的光谱去噪方法。首先对带噪信号进行双树复小波分解,将信号的高频部分和低频部分进行分离。然后分别采用最大后验(MAP)估计算法和广义形态学滤波(GMF)对高频系数和低频系数进行去噪处理。最后对去噪后的高频系数和低频系数进行DTCWT反变换,得到去噪光谱。对USGS光谱库中的植被光谱以及铁铝榴石光谱进行实验,结果表明该方法易于实现,去噪效果理想,是一种很好的可见光近红外光谱去噪方法。     

基于经验模态分解/高阶统计法实现微机械陀螺降噪

针对微机电系统(MEMS)陀螺存在的非线性、非平稳噪声,提出了应用经验模态分解/高阶统计(EMD-HOS)的降噪方法对MEMS陀螺进行降噪。首先,采集MEMS陀螺输出信号,根据EMD算法将信号分解成本征模态函数(IMF)。采用Bootstrap技术分别估计各IMF的峰度值,进行高斯特性检验,滤除高斯IMF。接着,使用方差聚合法分别计算IMF的Hurst指数,根据Hurst指数计算阈值,对各IMF进行软阈值处理。将阈值处理后的剩余IMF进行重构,达到降噪的目的。最后,通过交叠式Allan方差分析对滤波前后数据进行处理,绘制Allan方差与相关时间关系曲线,利用非线性最小二乘拟合方法,计算陀螺噪声各项指标。实验表明,EMD-HOS和软阈值处理能够有效地对MEMS陀螺降噪,其信噪比提高了5.6 d B,各项陀螺随机噪声关键指标提高近一个量级。     

应用分层自适应匹配追踪重构MEMS陀螺信号

对含噪微机械系统(MEMS)陀螺信号进行小波分解重构时,真实信号对应的小波系数很难选取,故本文提出一种分层自适应匹配追踪算法(LAMP)来解决上述问题。建立了含噪MEMS陀螺信号中信号小波系数稀疏提取架构,将信号小波系数提取问题转化为含噪信号中信号小波系数稀疏性的恢复问题。比较已有稀疏重构算法,采用一种新的LAMP算法,在各种可能的小波系数组合中挑选出分解系数最为稀疏的一组,以此消除信号中的噪声小波系数,进而重构MEMS陀螺信号。实验表明:提出的LAMP算法的稀疏重构效果优于其他迭代贪婪重构算法;基于LAMP的信号稀疏小波重构方法,可以有效去除MEMS陀螺信号的大量噪声;去噪前后,纯MEMS陀螺数据解算的方位角平均累积误差由10.060 2(°)/h减小到5.034 6(°)/h,优于传统小波阈值重构法平均累积误差8.596 8(°)/h,显示了较好的应用效果。