基于EEMD的振动信号自适应降噪方法

摘 要：应用集合经验模式分解（Ensemble empirical mode decomposition ,EEMD）能有效抑制模态混叠的特性,根据白噪声经经验模式分解（Empirical mode decomposition, EMD）后其固有模式函数（intrinsic mode functions ,IMF）分量的能量密度与其平均周期的乘积为一常量这一特点设计了自动选择IMF分量重构信号的算法,提出了基于EEMD的振动信号自适应降噪方法。对仿真信号和滚动轴承振动信号的降噪结果表明了该降噪方法的可行性和有效性。     

基于变分模态分解的超声检测信号降噪研究

为解决超声检测信号的降噪问题,该文基于变分模态分解能将信号分解为一系列窄带模式,而高斯噪声则被分解为整个频带内若干个宽带模式,提出一种超声检测信号降噪方法。该方法通过变分模态分解,计算各模态带宽和中心频率,选择信号模态,根据信号模态重构无噪信号4步实现对超声检测信号的降噪;通过仿真实验表明该文方法可以将含噪超声信号分解为信号模态和噪声模态,去除噪声模态后可显著提升信噪比;对信噪比为10 dB的含噪信号经该文方法处理后得到的重构信号和原始无噪信号的均方误差为0.000 7,波形相似系数为0.994 0,重构信噪比为19.237 4 dB。此外,为提高超声信号仿真模型和实际测量到的超声信号的匹配度,该文提出一种改进的超声信号模型。实验表明该模型和实测超声信号更接近,其均方误差为0.008 3,波形相似度为0.973 3。     

齿轮焊缝超声检测信号降噪方法研究

汽车变速箱齿轮焊缝的超声检测过程中,超声回波信号存在信噪比较低导致误检率较高的问题.该文根据齿轮焊缝超声检测信号中噪声的特点,提出利用经验模态分解进行滤波的方法.针对经验模态分解过程中出现的虚假频率现象,提出镜像扩展的解决算法,把镜内信号映射成一个周期性的信号,抑制端点效应,避免虚假频率现象.仿真结果表明该方法可有效提...     

基于分数Fourier变换的自适应信号降噪方法

提出了一种新的基于分数Fourier变换的自适应信号降噪方法,该方法的核心是利用不同信号在分数Fourier域具有不同的相关性,从而由信号本身得到自适应的滤波器.这种方法克服了传统时域或者频域滤波器需要确定窗函数的位置和形状的缺陷.通过与小波变换构造的滤波器进行比较.以数值仿真信号及实测滚动轴承振动信号降噪两个算例证明了方法的有效性.     

小波神经网络在超声检测信号降噪中的应用

为了最大限度地消除粗晶材料超声检测时,晶粒散射波对有用信号的严重干扰,提高接收信号的信噪比,将小波神经网络引入粗晶材料超声检测信号处理领域中.在训练小波神经网络时,采用了改进的梯度下降算法.该网络有一个动态的权值,它随误差变化而调整.结果表明,小波神经网络应用在粗晶材料超声检测信号的降噪时,能够达到较理想的降噪效果.     

基于自适应形态滤波的医学超声图像降噪

针对医学超声图像上的斑点噪声,本文提出一种基于自适应形态滤波的降噪方法.首先构造一组检测图像中不同像素值突变的结构因子;再对每个结构因子构造相应的形态滤波结构元;最后对每个像素点邻域进行结构检测,找到该点处最可能存在的突变结构,以相应的结构元完成该点的形态滤波.对不同信噪比的仿真图像和实际图像分别采用本文方法和各向异性扩散滤波,不同尺度传统形态滤波进行了:比较实验,结果表明:采用本方法可将超声图像的信噪比、对比度噪声比和图像优度分别平均提高15%、37%和69%,优于其它方法.     

小波神经网络在超声检测信号中降噪的研究

摘 要: 为了最大限度的消除粗晶材料超声检测时,晶粒散射波对有用信号的严重干扰,提高接收信号的信噪比,将小波神经网络引入粗晶材料超声检测信号处理领域中。在训练小波神经网络时,采用了改进的梯度下降算法。该网络有一个动态的权值,它随误差变化而调整。结果表明,小波神经网络应用在粗晶材料超声检测信号的降噪时,能够达到较理想的降噪效果。     

基于同步挤压小波变换的振动信号自适应降噪方法

振动信号在噪声影响下,特征提取十分困难。为此应用同步挤压小波变换(Synchrosqueezing Wavelet Transform,SST)对振动信号进行降噪,针对分解后本征模态分量(Intrinsic Mode Function,IMF)的选取问题,提出一种基于瞬时频率复杂度和自相关系数峰度值的同步挤压小波变换降噪方法。算法首先对原始信号进行SST信号分解并提取小波脊线生成固有模态分量,然后对生成的分量进行Hilbert变换得到瞬时频率曲线,再根据瞬时频率的复杂度选择相应的合成分量重构信号。为了进一步消除噪声影响,该方法同时采用了自相关系数峰度阈值法对筛选后的分量进行二次剔除,最终实现对原始信号降噪的目的。试验最后通过不同标准方差的噪声仿真信号以及物流机械传送设备振动信号验证该方法的可行性和有效性,同时将该方法与基于集成经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)和小波变换的方法进行比较,结果表明该方法的降噪性能要优于其他方法。     

超声多普勒信号降噪新方法的研究

本提出了利用离散小波框架结合软阈值的方法对超声多普勒信号进行降噪。通过对模拟多普勒信号和临床信号的降噪实验,发现利用小波框架的降噪方法可以获得比标准正交小波变换的降噪方法更好的降噪效果。     

ITD改进信号子空间超声检测信号去噪

金属材料超声检测信号中存在的干扰噪声严重影响实际缺陷的检测精度,因此必须对采集的检测信号进行有效去噪处理。针对传统信号子空间去噪方法的不足,提出固有时间尺度分解(ITD)改进信号子空间信号增强算法的超声检测信号去噪方法,融合ITD方法和信号子空间的优势。通过现场超声检测缺陷信号数据的对比验证表明,信噪比、均方根误差和相关性等参数都比较满意,对含有有色噪声的超声检测信号去噪效果明显。     

基于自适应VMD-MPE算法的矿山爆破地震波信号降噪方法研究

实测矿山爆破地震波信号含有大量高频噪声,一定程度上掩盖了真实信号特征,不利于爆破有害效应分析。为了有效降低实测信号的噪声成分,提出了基于自适应VMD-MPE算法的矿山爆破地震波信号降噪方法。将原信号进行变分模态分解(intrinsic mode function, VMD)获得本征模态函数(variational mode decomposition, IMF),利用能量差参数ξ自适应确定模态数K,对IMF分量进行多尺度排列熵(multi-scale permutation entropy, MPE)的随机性检测,准确区分出真实IMF和噪声IMF,去除原信号中的噪声IMF以达到降噪目的。对3组实测矿山爆破地震波信号进行降噪处理,结果表明该模型能够较好地去除高频噪声,保留了信号真实成分;其降噪效果均优于EEMD-MPE、CEEMDAN-MPE算法,验证了自适应VMD-MPE降噪方法的有效性。     

基于小波分析的锂电池空耦超声信号降噪研究

空耦超声波检测是锂电池无损检测的一种新型方法,在空耦超声波检测锂电池时,由于较低的声波透射率、硬件系统的噪声以及声波在电池中的散射噪声导致采集的超声波信号含有大量噪声,将有效信息淹没,信噪比较低.本文用400 k聚焦探头采集锂电池空耦透射信号,利用小波阈值去噪技术,通过对比信号的信噪比得出选择sym11, db10, coif5小波基,在分解层数为7～10层时,能将有效透射信号与缺陷分离.其中sym11小波基在分解层数为9层时处理的信号达到了最高的信噪比.     

基于FOA-SVM的超声信号端点检测

在超声缺陷识别系统中,端点检测是确保缺陷准确识别的重要环节。为提高在实际探伤过程中端点检测的准确率,提出一种以果蝇算法优化支持向量机的端点检测方法。针对超声检测信号的特点,采用小波包变换提取反映该信号性质的特征向量。鉴于传统方法检出率不高及支持向量机(SVM)参数难确定的问题,利用果蝇算法(FOA)优化SVM的惩罚子和核参数,提高支持向量机建模准确度。试验结果表明:FOA-SVM模型的平均检出率达到97.5%,端点检测效果明显优于传统的双门限法、普通SVM模型和GA-SVM模型。     

基于CEEMD和排列熵的故障数据小波阈值降噪方法

针对旋转机械故障数据的非平稳性及总体平均经验模态分解方法(CEEMD)舍弃高频分量降噪方法和小波阈值降噪方法存在的不足,提出了基于CEEMD和排列熵的小波阈值降噪方法。运用CEEMD将信号分解为一系列的固有模态函数(IMF)分量,利用排列熵来确定含有噪声成分较多的IMF分量,采用小波阈值降噪方法对含有较多噪声成分的IMF分量进行降噪处理,保留这些分量中的有效信息。仿真分析和实例分析表明,基于CEEMD和排列熵的小波阈值降噪方法效果优于单纯的CEEMD降噪方法和小波阈值降噪方法。     

基于包络滤波的电磁超声检测数据降噪算法

针对电磁超声检测中的噪声问题,提出了基于包络滤波技术的噪声消除方法。该方法利用三次多项式插值曲线拟合法求取原始信号的包络曲线,按照设定的降噪阈值用上下包络线分别分段地对原始信号进行修正,最后对上下包络修正的结果取平均,从而实现平滑信号和抑制杂波的作用。该方法的处理过程不会损伤信号的主体特征,对于混叠在信号中的多种类型的高频噪声都能进行很好的抑制。利用电磁超声表面波的实验数据对算法进行了检验,实验结果表明,基于包络滤波的降噪算法可以有效地消除检测信号中的杂波和毛刺干扰,抑制噪声的幅度,提高信噪比。     

基于STA/LTA改进的CEEMD-SVD微震信号降噪算法

针对煤矿井下工作环境复杂,采集到的微震信号包含大量噪声信号,严重影响对微震信号的拾取、定位和反演。采用互补集合经验模态分解(complementary set empirical mode decomposition, CEEMD)联合奇异值分解(singular value decomposition, SVD)与长短时窗法(STA/LTA)相结合的降噪算法。利用CEEMD分解微震信号,得到固有模态分量(inherent modal component, IMF),依据相关系数确定噪声主导的IMF和信号主导的IMF,通过STA/LTA去除CEEMD产生的伪分量。对噪声主导的分量进行SVD分解降噪后与信号主导的分量及剩余分量重构得到降噪后信号。加入模拟噪声信号与实际采集的微震信号进行仿真实验,结果表明本文算法在保证小剩余噪声干扰的情况下,可以节省计算时间。通过与经验模态分解(empirical mode decomposition, EMD)、聚合经验模态分解(ensemble empirical mode decomposition, EEMD)及新型自适应聚合经验模态分解(nove...     

基于改进小波阈值函数的安全阀排放声信号降噪

在安全阀测试中,安全阀排放声信号是检验阀门是否合格的重要信息来源.鉴于安全阀排放声信号易受到周边机械系统噪声的干扰,影响测试的准确性,利用指数型函数的衰减特性,提出一种改进的自适应小波阈值降噪方法.在不同尺度上根据小波分解的噪声水平自适应的选取最佳阈值;构建一种在阈值处连续的阈值函数,引入调节因子,优化了传统阈值函数过...     

基于小波包与改进EMD的轮轨力信号降噪

地下列车的轮轨力应变信号在采集过程中,会受到城市上部各种交通车辆、噪声,以及列车车轮磨耗、轨面不平顺等诸多因素的影响。采集的轮轨力信号将失去其准确性。针对轮轨力应变信号中存在的随机白噪声,以及在EMD分解过程中出现模态混叠的问题,提出一种改进的信号处理方法,该方法是一种小波包降噪算法与EMD解相关算法相结合的数据处理方法,能够同时有效抑制模态混叠现象和消除噪声干扰。运用改进的信号处理方法对仿真信号和实测的地下列车轮轨力信号进行处理分析。研究结果表明:该改进的数据处理方法能有效地消除轮轨力在采集过程中随机白噪声的干扰和抑制模态的混叠。对有效地识别轮轨力真实信号具有重要的实际意义。     

分层自适应小波阈值轴承故障信号降噪方法

针对轴承振动信号易受到噪声干扰的问题,提出了一种分层自适应小波阈值降噪方法。首先将轴承振动信号进行小波分解,获得各分解层的小波系数;之后保留低频信号的小波系数,对高频信号的小波系数进行分层自适应阈值处理;最后将阈值处理后的小波系数进行小波重构,得到降噪后的信号。通过构建一种在阈值处连续且在小波域内可导的分层自适应阈值函数,可以改进传统阈值函数重构偏差和过度降噪的缺陷。轴承故障仿真信号的降噪实验结果表明,该方法的信噪比和均方根误差均优于其他方法,有更好地降噪效果;机械故障模拟实验台的轴承故障信号降噪实验结果表明,该方法在降噪的同时保留了更多的故障信息,能够有效提升故障诊断率,更有利于轴承故障信号的降噪。