多层导电结构缺陷电涡流扫描检测信号预处理技术研究

应用小波多分辨分解及重构技术和小波包分析技术进行检测信号预处理(噪声和干扰信号分离与去除)的基本原理,结合电涡流扫描检测实验,采用离散小波变换强制消噪法、软阈值消噪法和不同熵准则的小波包分析消噪法对检测信号进行预处理,并以SNR和RMSE为判断消噪效果好坏的标准,进行了效果的比较和优选.从理论分析和实验研究结果可知,分离提离等干扰信号,可采用强制法;消除高频噪声,采用基于Shannon熵准则的WPA法,效果最好.     

脉冲涡流检测信号的消噪处理

小波分析作为一种时频分析工具,特别适用于非平稳信号的分析,并且具有多分辨分析的特点.阐述了小波阈值去噪的基本原理,对脉冲涡流这种典型的非平稳信号进行了小波阁值法去噪的仿真实验,并与传统的FIR和IIR数字低通滤波方法进行了比较,然后对实际的脉冲涡流信号进行了消噪.仿真实验结果和实际消噪结果都表明,该方法能够有效地去除脉冲涡流信号中的噪声,同时又能较好地保留原信号的特征,确保了对缺陷的精确定量,是一种对脉冲涡流信号即有效又适用的去噪方法.     

基于最优小波包基的模极大值法信号消噪研究

给出了对信号进行基于熵准则的最优小波包基分解的基本原理,在此基础上提出了使用模极大值法进行信号消噪的基本原理.通过计算Lip指数确定信号中的奇异点,然后根据噪声和有用信号的模极大值随着小波分解尺度的增大而呈现出的截然不同的特性剔除噪声,从而实现消噪.通过对一含有噪声的信号进行消噪验证了该方法的优越性.     

小波变换在脉冲涡流检测信号中的应用

脉冲涡流检测方法是涡流检测技术的一个新兴分支.通过实验装置采集了含有噪声的缺陷信号.介绍了小波去噪的基本原理,研究了脉冲涡流检测信号中的去噪问题,采用小波系数去噪对脉冲涡流检测信号进行了处理.实验结果表明:采用小波系数去噪的方法可使缺陷信号的信噪比得到显著的提高.     

金属基复合材料缺陷超声信号消噪研究

为了剔除金属基复合材料缺陷超声信号中的噪声,得到没有污染的缺陷信号,便于进行信号分析,文章中使用了一种改进小波包消噪方法——平均能量阈值法,讨论了平均能量阈值法消噪的原理,并将小波包的多尺度时频分析及重构结合在一起,用于信的消噪研究中,通过仿真实验并与小波消噪方法进行对比。证明了该方法消噪的有效性;结果表明基于平均能量阈值法消噪技术在保信号奇异性的同时,能有效地去除金属基复合材料缺陷超声信号中的噪声。     

小波分析用于光谱信号处理及其在Matlab中的实现

本研究主要包括小波变换和小波包对光谱信号进行消噪的处理算法和实现过程,利用Matlab小波工具箱及自编程序对两种消噪方法在果汁可见吸收光谱中消噪后的使用情况和效果进行实验与分析.通过本研究表明,研究小波分析在光谱信号消噪中的应用具有现实意义并切实可行.     

基于最优小波包理论陀螺信号处理方法

小波变换具有良好的时频率局部化特性,基于小波变换的陀螺信号消噪方法在实际应用中取得了较好的效果.小波包具有比小波更为细致的时频划分能力,因而具有更强的时频局部化特性.笔者将基于Shanon-weaker熵准则的最优小波包基应用于陀螺信号的去噪,并给出了去噪算法.此外,还将CS-ARS微机械陀螺的实测数据在MATLAB中进行了数值仿真,仿真结果表明,本文所介绍方法对陀螺信号的去噪效果优于小波变换方法,具有广泛的应用前景.     

基于小波包收缩的心电信号除噪方法研究

文章提出了一种新的基于小波包分析的心电信号的除噪方法。讨论了小波包收缩消噪的原理、阈值的选取以及阈值的量化规则。比较了选择不同的阈值以及不同的阈值量化规则对信号消噪的效果。结果表明基于小波包分析的小波包收缩除噪技术在保持信号奇异性的同时能有效的去除心电信号的噪声。     

基于卷积型小波包变换的信号消噪算法

提出了卷积型小波包变换，与传统小波包变换相比。在这种小波包变换中不管信号被分解多少层，每层分解得到的各频道序列长度始终与原始信号一致，利用这一性质本文进一步提出并实现了对小波包分解结果利用模极大值法进行消噪的算法。这一算法的思想来自于基于小波变换的模极大值消噪算法，但是由于小波包分解是对小波分解的结果作进一步细分，在小波分解中难于分离的高频噪声将被小波包充分分离与集中到后面的频道，因此基于小波包变换的模极大值消噪算法将会取得比小波消噪更好的效果。文中给出了信号的小波包消噪实例，并与小波消噪的效果进行了对比，结果表明小波包有更优良的消噪效果。     

改进小波包分析在雷达图像消噪中的应用

针对VDR雷达图像在采集、数字化和传输过程中常受到各种噪声的干扰,不利于对图像进行分析、观察和压缩的问题,提出采用改进小波包分析算法进行图像消噪处理,小波包分析具有比小波更精确的局部分析能力,但由于小波包分解的隔点采样会产生严重的频带混叠现象,文中对小波包分析算法进行改进,利用信号的频移特性,将信号进行移频处理,消除频带混叠现象,达到高质量去噪的目的;通过VDR雷达图像消噪实验证明,上述改进算法好于小波包消噪方法,更优于小波消噪方法,具有更为广泛的应用价值。     

木材缺陷声发射信号的小波包分析处理

在简要介绍小波包分析的分解和重构算法基础上,通过木材声发射实验采集声发射信号;利用小波包分析技术对三种不同缺陷类型的木材试件的原始数据进行消噪预处理,然后对信号进行分解,并对分解的信号进行小波包重构;运用“小波包-能量”法提取木材声发射信号特征值,实现了木材缺陷状态和声发射信号特征向量之间的映射关系。结果表明：用小波包分析确定木材缺陷程度是一种有效的方法。     

改进的小波包能量分段阈值降噪方法

指出了单一阈值选取规则小波包降噪方法的局限性,提出了一种改进的小波包能量分段阈值降噪方法,并与其他小波包降噪方法进行对比分析。仿真结果表明,较其他小波降噪方法,改进的小波包能量分段阈值降噪方法去噪效果更佳。     

小波包去噪方法在海底石油管道超声检测中的应用

通过分析海底石油管道超声检测回波信号,部分有效信号混在噪声信号里,本文研究了具有任意多尺度分解特性的小波包去噪方法。首先介绍了小波包的基本理论以及去噪声理论,然后运用小波包分析对实际测量的超声回波信号进行。处理。仿真结果表明,小波包去噪法能更好地抑制噪声,明显提高信噪比。     

基于动态阈值函数的改进小波包遥测信号去噪方法

通过遥测信号可以获取飞行器的工作状态和环境数据,为评定性能和故障分析提供依据。本文利用小波包变换能对高频信号分解的优点,针对传统小波包去噪方法的阈值函数在处理既含突变又含平滑信号的情形下,不能在保持良好信号边缘特性与消除恒定偏差的同时,又能避免出现信号原本没有的振荡的问题,提出一种基于动态阈值函数的改进小波包遥测信号去噪方法,通过量化当前处理信号的平滑程度和构造介于硬阈值函数和软阈值函数之间并可切换的动态阈值函数,跟随信号变化进行去噪处理。通过算例仿真分析,验证了本文方法在处理既含突变又含平滑信号时,比传统小波包法具有更好的去噪效果。     

基于EMD小波包和ANFIS的滚动轴承故障诊断

为了有效识别出滚动轴承的内圈故障、外圈故障、滚动体故障三种故障类型,提出一种基于经验模态分解EMD的小波包去噪和自适应神经模糊推理系统ANFIS的诊断方法。对故障信号进行去噪预处理,对已处理的信号利用ANFIS进行故障识别。结果表明,采用基于EMD的小波包去噪方法能有效地提高信噪比,在去噪的基础上,采用ANFIS进行故障诊断,诊断结果的误差低,能很好地识别出上述三种故障类型。     

基于最大信息熵的小波包阈值去噪语音增强算法

去噪算法在语音增强中占有极为重要的地位.而传统的小波阈值去噪算法会不可避免地造成部分有用语音信号的损失.为了更好地对含噪语音信号进行去噪,选用小波包分析法进行语音分解,采用一种新的阈值函数,同时基于最大信息熵的原理确定了阈值和加权阈值函数中的权因子.仿真结果表明,该算法能够很好地抑制噪声,保证重建信号质量.无论在听觉效...     

An Improved Lung Sound De-noising Method by Wavelet Packet Transform with Pso-Based Threshold Selection

Lung abnormalities and respiratory diseases increase with the development of urban life. Lung sound analysis provides vital information of the present condition of the pulmonary. But lung sounds are easily interfered by noises in the transmission and record process, then it cannot be used for diagnosis of diseases. So the noised sound should be processed to reduce noises and to enhance the quality of signals received. On the basis of analyzing wavelet packet transform theory and the characteristics of traditional wavelet threshold de-noising method, we proposed a modified threshold selection method based on Particle Swarm Optimization (PSO) and support vector machine (SVM) to improve the quality of the signal, which has been polluted by noises. Experimental results show that the recognition accuracy of de-noised lung sounds by the improved de-noising method is 90.03%, which is much higher than by the other traditional de-noising methods. Meanwhile, the lung sound processed by the proposed method sounds better than by other methods. All results make it clear the modified threshold selection can obtain a better threshold vector and improve the quality of lung sounds.     

基于阈值的小波域语音降噪新算法

提出了一种新的基于阈值的小波域语音降噪算法。采用小波包对含噪语音进行分解，克服了传统的正交小波变换的缺陷。采用自适应阈值的方法，对每一尺度上的噪声最大量进行去噪，保留有用信号，可以进一步提高信噪比，仿真实验表明，该方法有更好的去噪效果。     

基于最大能量匹配与样本熵的小波降噪方法

为提高自适应小波阈值降噪方法的效果,提出一种结合最大能量匹配的小波包分解和快速样本熵的小波阈值降噪方法。根据各层小波系数特点并以最大能量匹配准则自适应选择小波包基对含噪信号进行分解,对最大尺度下的小波系数阈值化后重构得到噪声信号,采用快速样本熵算法计算噪声信号样本熵,动态调整阈值使噪声信号样本熵最大而获得最佳的降噪效果。应用实例表明：该方法相比传统的小波阈值降噪方法具有更好的降噪效果。     

An intelligent fault diagnosis method based on wavelet packer analysis and hybrid support vector machines

In this paper, a new intelligent method for the fault diagnosis of the rotating machinery is proposed based on wavelet packet analysis (WPA) and hybrid support machine (hybrid SVM). In fault diagnosis for mechanical systems, information about stability and mutability can be further acquired through WPA from original signal. The faulty vibration signals obtained from a rotating machinery are decomposed by WPA via Dmeyer wavelet. A new multi-class fault diagnosis algorithm based on 1-v-r SVM approach is proposed and applied to rotating machinery. The extracted features are applied to hybrid SVM for estimating fault type. Compared to conventional back-propagation network (BPN), the superiority of the hybrid SVM method is shown in the success of fault diagnosis. The test results of hybrid SVM demonstrate that the applying of energy criterion to vibration signals after WPA is a very powerful and reliable method and hence estimating fault type on rotating machinery accurately and quickly.