基于变分模态分解的自适应滤波降噪方法

为了提高分析信号的信噪比,本文提出了一种基于变分模态分解的变步长归一化最小均方自适应滤波降噪方法.该方法对原信号进行变分模态分解并区分信号分量和噪声分量,再对噪声分量进行间隙阈值降噪处理并将其作为参考信号输入自适应滤波器,通过自适应算法迭代处理得到降噪后的信号分量,并通过重构算法得到最终降噪后的信号.本文还在变分模态分解的基础上使用小波阈值降噪和间隙阈值降噪方法按不同方案进行降噪处理并得到最佳算法,将其与所提算法进行对比.实验结果表明,本文所提自适应滤波降噪方法的降噪效果比阈值降噪最佳方法效果更好.     

改进的EEMD算法在时域航空电磁信号降噪中的研究

常规降噪方法在应用于时域航空电磁信号降噪时需根据噪声情况人为进行参数调整,自适应性较差。总体经验模态分解（EEMD）算法对非线性、非平稳信号处理具有良好的自适应特性,传统的EEMD算法进行噪声抑制是将高频本征模态分量滤除,将低频分量重构得到降噪信号,这种方法易失掉高频分量中的有效信号。本文提出一种改进的EEMD降噪算法,应用于时域航空电磁信号的处理。该方法结合时域航空电磁信号的衰减特性,将信号EEMD分解后得到本征模态分量,其中包含信号和噪声,经Savitzky Golay平滑滤波,再将高频部分进行阈值去噪,最后得到干净的本征模态分量进行重构。实验结果表明在输入信号信噪比小于等于15 dB的情况下,输出信噪比能够提高12 dB左右,在抑制噪声的同时保留了更多有效信息。      

基于经验模态分解的自适应滤波算法及其应用

在对炮膛进行检测时,由于温度、光照强度等影响,使得测得的信号带有很大的噪声,当噪声频带很宽时,自适应滤波器的参数设置比较困难,致使去噪效果不明显.为此,提出了一种基于经验模态分解的自适应滤波算法,该算法基于信号和噪声经过经验模态分解后在不同的IMF上有不同的特征,即先对信号进行经验模态分解,然后对各个高频IMF信号分别选用不同的滤波参数,进行自适应滤波处理.通过实验对比研究了该算法与普通自适应去噪、多尺度EMD滤波的降噪效果,实验表明,该算法具有很好的去噪效果.将该算法应用于炮膛检测系统中身管内径测量信号的降噪处理,取得了满意的效果.     

变分模态分解联合改进小波阈值函数的PPG降噪算法

针对PPG信号采集过程中存在大量混合噪声的问题,提出一种变分模态分解（VMD）改进小波阈值降噪的降噪算法。首先通过傅里叶变换得到脉搏波信号频域信息,确定分解个数和主频率;然后利用变分模态分解算法将含噪声的PPG信号分解为一系列固有模态分量,分解过后确定各分量的中心频率,并筛选有效固有模态分量;最后利用改进后的小波阈值函数对残余噪声进行降噪处理,避免了软阈值的恒定偏差,又保证了阈值函数的连续性,降噪后的信号与原始信号相关系数均值为0.934 7,比变分模态分解方法重构信号提升了7.1%。与其他降噪算法相比,信噪比分别提高了5.77 dB、5.38 dB、4.5 dB,均方根误差分别降低了26.1%、16.8%、7.4%。实验结果表明,通过理论计算、数值模拟和应用研究验证了所提方法的有效性和优越性,在滤波效果和信号保真度之间取得了很好的平衡。     

基于变模式分解和频谱特性的自适应降噪算法

机械故障检测过程中,由于反映机械故障的振动信号微弱,很容易被外界噪声干扰信号污染,从而影响机械故障诊断。为提取纯净振动信号,传统EEMD滤波算法虽具有较强的降噪能力,但由于EEMD算法存在缺乏严谨理论基础、运算效率低、容易造成有用信号丢失等缺点,致使降噪效果不理想。为解决以上问题,提出一种基于变模式分解和频谱特性的自适应降噪算法。基于变模式分解优点,通过分析有用信号模态与噪声模态频谱特性,提取有用信号模态从而实现降噪。通过仿真信号与实测信号分析表明,新算法降噪效果优于传统EEMD滤波算法。     

CEEMDAN和小波包降噪算法在光纤光栅复用传感网络中的应用

针对被采样的超弱光纤光栅反射光谱中含有干扰噪声的问题,提出一种应用于大容量超弱传感网络的混合组网去噪算法.该算法将具有自适应噪声的完整集成经验模态分解(CEEMDAN)与小波包降噪算法相结合,通过小波包阈值去噪对测量信号进行处理后,将初步处理过的信号进行CEEMDAN;再将分解得到的本征模态函数(IMF)分量和残余分量...     

稀疏时频表示的初始相位估计方法

经验模态分解是处理非平稳信号的常用方法之一。在本征模态函数与稀疏优化相结合的表示框架中,基于聚合经验模态分解的思想,本文提出了一种初始相位估计的方法。该方法首先通过噪声辅助的分解算法自适应地消除部分噪声,再用标准算子方法得到剩余分量的相位估计值。理论分析和仿真实验均表明该算法能够降低已有的相位估计算法对噪声的敏感程度,改善了信号稀疏时频表示方法的表示效果。      

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

基于经验模态分解的激光陀螺随机信号消噪

各种随机噪声是导致激光陀螺产生误差的主要因素,且其性质特殊,很难用传统的滤波方法去除。为了抑制激光陀螺的随机漂移,提高使用精度,提出了一种新型经验模态分解方法对陀螺随机漂移测试信号进行滤波处理。该方法将经验模态分解的内模函数中两个相邻过零点之间的信号定义为模态单元,并作为基本分析对象,通过对模态单元振幅的阈值处理来判断模态单元的类型,进而建立模态单元滤波模型。分析了经验模态分解法在分解不同Hurst指数分形高斯噪声时模态振幅的演化规律,并建立了一种用于高斯消噪的阈值选取规则。运用该方法对激光陀螺测试数据进行了滤波降噪实验,并用Allan方差法对不同降噪算法的降噪效果进行了比较分析,实验结果验证了该方法的有效性和优越性。     

二次谐波信号降噪方法的研究

在近红外区域，利用波长调制光谱技术进行气体浓度检测时，光学元件以及电子器件的噪声会影响二次谐波信号的信噪比。为了抑制噪声，提出一种基于经验模态分解、去趋势波动分析和小波自适应阈值的复合降噪算法。该算法针对传统经验模态分解降噪算法中存在的有用信号缺失的问题，利用去趋势波动分析优化对于信息主导本征模函数的筛选，将筛选出的信息主导本征模函数进行信号重构，再用小波自适应阈值算法提高降噪精度。将提出的算法与经典的降噪算法进行对比评估，提出的算法降噪后的二次谐波信号与原二次谐波信号的互相关系数为99.9018%，均方根误差为0.0087%。通过对实验中实际得到的二次谐波信号进行去噪，结果表明提出的算法去噪效果明显，能够保留有用的信息点。     

基于GWO-VMD-SVD的Φ-OTDR信号降噪方法

针对Φ-OTDR系统采集的信号中包含大量随机噪声的问题，提出了一种基于灰狼优化算法的变分模态分解联合奇异值分解的新型降噪方法(GWO-VMD-SVD)。通过灰狼优化算法寻找VMD分解中最优的分解层数K和二次惩罚因子α,抑制了模态混叠现象；引入排列熵判定机制区分有用信号分量和噪声分量；将有用信号分量保留，同时对噪声分量使用SVD分解进行二次降噪，提取其中的有用信号；将两次降噪保留的有用信号进行重构，得到降噪后的信号。实验结果表明，该方法相对于VMD-PE和EEMD-CC,信噪比更高，能更有效地保留信号中的有用信息。     

基于经验模态分解的有载分接开关振动信号识别

为了提升有载分接开关振动信号降噪效果及故障识别准确率,研究了一种基于经验模态分解的有载分接开关振动信号识别方法。该方法对有载分接开关振动信号进行采用掩膜的经验模态分解,降低模态混叠;采用阈值滤波方法对各个固有模态函数进行处理,降低噪声影响;再采用相关系数法选取特定固有模态函数并进行信号重构,采用时频分析和卷积神经网络方法进行特征提取和故障识别,得到故障识别结果。实验结果表明,利用所提出的方法进行降噪处理后的识别准确率得到有效提高。     

噪声干扰环境下抑制EMD模态混叠方法

经验模态分解(EMD)作为时频分析的经典算法,已经得到广泛的应用。然而,其分解质量容易受到噪声等干扰的影响,产生模态混叠问题。本文针对经验模态分解中因噪声存在的模态混叠问题,提出一种自适应的预处理方法。首先对输入信号进行B样条最小二乘拟合,消除了噪声的影响后,再进行EMD分解。为提高算法的自适应性,提出了一种基于极值点出现时刻的节点选取方法。对线性信号与非线性信号的仿真实验表明该方法有较高的分解精度;与聚合经验模态分解方法(EEMD)的分析对比结果表明该方法能很好地抑制噪声引起的模态混叠。      

基于拉格朗日乘子SSMD和SSA的通信信号降噪方法

针对强噪声背景下通信信号的分析识别困难问题,提出一种基于拉格朗日乘子-辛奇异值模态分解(vSSMD)的奇异谱分析(SSA)降噪方法.鉴于噪声的随机变化使得采用功率谱密度方法计算嵌入维度时有较大误差,引入蒙特卡洛思想确定嵌入维数.噪声较大时,vSSMD通过构建拉格朗日乘子矩阵增强有用分量并抑制表示为噪声的残余信号,然后采用SSA方法去除vSSMD重构信号中的微弱噪声.将vSSMD-SSA算法的去噪效果与SSA、vSSMD方法进行比较,当信噪比为-14dB时,vSSMD-SSA算法相较于传统算法SSA信噪比提升了4.49dB,均方误差提升了38.25%.实验结果说明在低信噪环境比下,vSSMD-SSA算法的去噪效果最好.将vSSMD-SSA算法用于无人机通信信号去噪,降噪效果最明显.     

基于互信息改进的VMD算法及管道泄漏信号降噪

为了消除供水管道泄漏信号的噪声,准确定位供水管道泄漏位置,提出将基于互信息优化的VMD算法应用于供水管道泄漏振动信号的降噪处理。在处理前期,根据泄漏信号幅频特性,确定泄漏信号特征频带,并通过分析各模态函数中心频率确定合适的分解参数K。在处理后期引入作为各模态分量的评价指标,选择合适模态分量重构信号,并使用带通滤波器对重构信号进行滤波。经实验和实地测试表明该算法能有效提高定位精度。     

基于改进阈值的小波分解和经验模态分解的人体脉搏信号滤波算法研究

脉搏信号是反映人体健康状况重要的信号之一,对于医生诊断病情有重要的指导意义。本文分析了脉搏信号中噪声的特点,针对不同种类的噪声,结合小波变换和经验模态分解算法在滤波方面的优势,给出基于改进阈值的小波分解和经验模态分解的人体脉搏信号滤波算法,滤除脉搏信号中的各类噪声。与传统的滤波方法相比,基于小波和经验模态分解的人体脉搏信号滤波算法具有较好的滤波效果。本文网络版地址:http://www.eepw.com.cn/article/233868.htm     

局域均值分解在MEMS陀螺随机误差消噪上的应用

针对标准Kalman滤波需要建立准确的系统模型、小波阈值降噪对小波基和阈值的选取依赖于经验的不足,将局域均值分解(LMD)方法引入MEMS陀螺的随机误差滤波.该方法可自适应地将随机误差信号分解为若干PF分量之和,且对各分量进行小波降噪处理,将处理后的各分量相加得到降噪信号.实验分析表明该滤波方法效果明显.     

基于互补自适应噪声的集合经验模式分解算法

经验模式分解(EMD)及其改进算法作为实用的信号处理方法至今仍然缺少严格的数学理论。该文尝试从数学理论上分析集合经验模式分解和自适应噪声集合经验模式分解的重构误差,推导了总体残留噪声的计算公式。针对自适应噪声集合经验模式分解在每一层固有模态分量上仍然存在残留噪声的问题,在分解过程中添加成对的正负噪声分量,提出一种基于互补自适应噪声的集合经验模式分解算法。实验结果表明,相比于集合经验模式分解和自适应噪声集合经验模式分解,所提的方法能够明显地减少每一层固有模态分量中残留的噪声,拥有较好的信号重构精度和更快的分解速度。     

声信号噪声滤除算法研究

文中分析了声信号中随机噪声去除的可能性,讨论了在时域上滤除随机噪声的算法。在分析和比较了固定滤波,自适应滤波等在时域上滤除噪声方法的基础上,提供和最小均方自适应滤波的方法,研究了最佳滤波因子的获得和滤波参数的选择。用很小的运算量取得了较好的效果。     

基于自适应滤波的噪声抵消法

语音降噪就是从带噪语音信号中提取尽可能纯净的原始语音。文中介绍了一种基于自适应滤波的噪声抵消法，采用归一化最小均方误差算法，采集实际噪声环境下各种不同信噪比的带噪语音样本进行降噪处理，实验结果表明，处理后信号的信噪比得到了较大程度的提高，大大改善了听音效果，具有很高的可懂度，且语音自然度好，没有失真；并与谱减法进行了比较，自适应噪声抵消法的降噪幅度比谱减法有一定提高，在听音效果上，用自适应噪声抵消法处理后的语音在清晰度、自然度方面优于谱减法。