匹配追踪消噪在故障诊断中的应用

为了更有效地消除齿轮泵振动信号的噪声,引入匹配追踪消噪方法。该方法采用匹配追踪算法,通过迭代提取信号的相关结构,再利用提取的相关结构来估计信号的逼近,从而达到消噪的目的。在此基础上,采用中值滤波和线性回归算法来终止迭代过程。最后利用该方法对齿轮泵壳体的振动信号进行消噪处理。结果表明,该方法保留了信号的基本特征,有效地消除了大量的噪声。     

小波变换在电力电子装置信号消噪中的应用

对于电力电子装置信号中的噪声,传统的利用傅里叶去噪方法很难将有用的高频部分与噪声造成的高频干扰而区分开来。小波变换能够解决这一难题,从而能够很好的还原信号。利用小波消噪的四种阈值去噪方法对含噪信号进行处理,然后对比这四种方法的信噪比和平方根误差后选出最好的去噪方法。MATLAB仿真结果表明应用小波变换对电力电子装置信号消噪处理,能够很好地还原原信号特征。     

基于集成经验模态分解的海杂波去噪

针对实际海杂波信号非线性非平稳的特点,提出基于集成经验模态分解(EEMD)的海杂波去噪方法.利用EEMD将含有目标信号的海杂波数据分解成一系列从高频到低频的固有模态函数(IMF),通过各个IMF的自相关,分选出有用信号和噪声分量,对噪声占主导作用的IMF选用Savitzky Golay(SG)滤波方法进行消噪,将滤波后的模态分量和剩余的分量进行重构得到削噪后的信号.结合最小二乘支持向量机(LSSVM)建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,比较去噪前和去噪后的均方根误差,利用均方根误差评价去噪效果.实验结果表明,EEMD算法对海杂波数据去噪是有效的,去噪后所得的均方根误差0.0028比去噪前所得的均方根误差0.0119降低了一个数量级.     

基于小波去噪的激光多普勒振动信号处理

为了降低激光多普勒振动信号中噪声产生的影响,采用基于改进小波去噪算法的激光多普勒振动信号处理方法,将尺度引入阈值函数,确立新的评价指标用于选择最优分解层数,从而来改进小波阈值去噪算法,并利用改进的算法处理振动信号, 进行了仿真分析和实验验证,取得了处理前后的振动数据。结果表明, 改进算法处理仿真信号的信噪比比原有算法提升19.4%;实验测得音叉振动频率为515Hz,与实际音叉频率基本吻合。这一结果对降低激光多普勒振动信号中噪声的影响、获取振动状态是有帮助的。     

基于小波变换的噪声消除算法研究

噪声是影响测量结果的重要因素,对被测信号进行消噪处理是测量中必不可少的步骤。小波变换因为有去噪相关性等特征,相对于时域更利于去噪。采用dbN小波基信号进行分解,利用小波变换的阈值来消噪,Matlab进行小波降噪仿真。实验结果表明采用这一消噪方法能消除信号中的无用部分,由于采用了软阈值的处理方法,测量信号有一定程度的损失,但基本能重构原有用信号波形。     

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

瞬变电磁信号消噪方法研究

由于深部地质目标的瞬变电磁响应被淹没在噪声之中,使得实测数据的晚期信号较弱且振荡剧烈,因此研究TEM信号消噪方法有着重要意义.通过研究瞬变电磁场的特点,用常规三点指数逼近非线性平滑去噪方法、ICA降噪方法和多尺度小波分析方法分别对理论模拟曲线和实测数据进行消噪处理.通过对比分析,结果表明针对理论模拟曲线,采用Sym6小波、硬阈值函数、5层分解的小波降噪方法能取得满意的去噪效果,SNR可提高3～9 dB;针对实测数据,小波分析的方法也能有效地分离有用信号和噪声,使晚期数据平滑很多.     

小波变换在舰船辐射噪声消噪处理中的应用

针对舰船辐射噪声信号的特点，根据小波消噪的原理设计了一种消噪的方案，利用MATLAB在计算机上用不同的小波基函数对实船信号进行了消噪处理试验，井对结果进行了简要的比较说明。试验结果表明，在选择了适当的小波基函数和阚值的情况下，采用小波变换的消噪方法对舰船辐射噪声信号进行消噪处理。可以取得良好的效果。     

基于小波SVD的光纤光栅振动系统消噪算法

针对小波阀值法对噪声非均匀分布振动信号消噪差的缺点,提出了奇异值分解(SVD)结合小波阀值消噪的算法.采用截断法构造出包含信号信息及非均匀噪声的相关矩阵并进行SVD,得到一系列正交子空间,将非均匀噪声相对均匀地分解到子空间中.选取奇异值最大的子空间分量重构信号并对此信号进行了小波阀值消噪.结果表明,该方法适用于非均匀噪声干扰下的振动信号提取,与直接小波消噪相比,提取出的信号失真更小,信号有效成份更完整.     

基于小波多分辨率分析的一维信号阈值去噪

介绍了基于阈值选取的小波去噪原理及去噪步骤。分别用傅立叶分析法和小波分析法对一加入白噪声的信号进行消噪处理,仿真结果表明,用小波进行信号的消噪可以很好的保存有用信号中的尖峰和突变部分,小波分析技术在本质上比傅立叶分析技术具有更大的优越性。对某系统的某次采样信号,分别选用强制消噪、默认阈值消噪和给定软阈值消噪三种阈值进行小波去噪,并对仿真结果进行分析比较。     

基于子载波消噪和小波变换的频谱池信道估计

提出一种基于子载波消噪和小波阈值去噪的多天线频谱池信道估计方法．多天线接收信号携带的噪声同时分布在禁用子载波和可用子载波上,为了降低噪声对信道估计带来的影响,需要分步消除这两部分噪声。禁用子载波携带的噪声可在频域消除,可用子载波上的信号可通过小波变换做降噪处理．在低信噪比和没有信道统计特性的条件下,将信号转换到频域对禁用子载波做消噪处理,采用最小二乘（Least square,L S）方法在时域进行信道估计,并对各支路信道估计进行小波阈值去噪处理,进一步降低可用子载波噪声对信道估计性能的影响．最后通过最大比合并（Maximal Ratio Combining,MRC）的方法得到合并信号的最小二乘信道估计．仿真分析表明,采用子载波消噪和小波阈值去噪的信道估计方法可有效提高多天线频谱池系统性能．      

小波消噪在外差式激光多普勒振动测量中的应用

基于小波变换对外差式激光多普勒振动测量系统(HLDV)输出信号进行了噪声抑制性能研究。从外差式激光多普勒测振系统的测量原理出发,结合系统回波信号的特点,考虑测振系统中白噪声的影响,分析并改进了模极大值法和系数相关法两种小波消噪处理算法,并基于以往的阈值去噪算法,提出了新的阈值函数,重点分析了多尺度细化分析对还原原始信号特征及改善信号信噪比(SNR)的影响。结果表明,针对微振动目标运动特征提取,改进后的三种方法在振动信号的特征提取及噪声消除方面具备优异性能。     

基于MATLAB的振动信号去噪研究

在信源定位或设备故障诊断中,通过数据采集器采样得到的振动信号数据中往往叠加有噪声,使得其中有用的特征信息也常常被淹没在噪声之中。为了将数据尽可能真实地还原成实际振动状况,提取真实信号的特征,须对干扰信号进行去噪。文中首先对实测振动信号消除了趋势项,并用切比雪夫带通滤波器和小波软阈值法对信号去噪。仿真结果表明：小波软阈值法去噪比切比雪夫滤波器去噪效果明显,且保留了原信号的细节特征,具有较高的使用价值。     

一种新的基于小波变换的白噪声消除方法

本文研究了空间分布不均匀信号和白噪声在小波变换下的不同特性,提出了一种新的基于小波变换的白噪声消除方法。这种方法可以对非平稳信号进行消噪处理,解决了传统信号处理方法对非平稳信号的局限性,并且有快速算法能够加以实现。仿真结果证明这种方法具有很好的去噪效果。     

基于小波分析的EEG信号自适应去噪的应用研究

介绍了小波变换应用于EEG信号消噪处理中的原理及自适应噪声抵消器的原理。根据短时动态信号与平稳背景噪声的特征区别,对输入混合信号进行白化预处理,以时间序列的AR模型理论为依据,导出背景噪声白化滤波器的结构;将小波变换与自适应滤波相结合,对经白化处理后的信号进行自适应去噪,将去噪后信号及平均信号做了功率谱估计比较,实验结果表明该方法能有效地去除弱信号中的噪声。     

混沌信号的自适应阈值同步挤压小波变换消噪

针对同步挤压小波变换（SST）消噪过程中仅使用单一阈值的不足,对SST消噪时的幅度阈值进行了改进,提出了一种基于SST分层阈值的混沌信号消噪方法.首先,根据信号和噪声经SST分解后系数的分布模型,推导SST混沌去噪时幅度阈值权系数的均方误差计算公式;进而,根据均方误差最小准则,计算幅度阈值权系数的最优取值;最后,根据最优阈值权系数和噪声标准差,确定SST混沌去噪时的分层阈值.利用模拟混沌信号和实测月太阳黑子信号对所提方法进行了实验分析,实验结果表明,本文方法可较好地滤除混沌信号中的噪声,同时原始信号的内在混沌特性也能得到较大程度的恢复.与小波阈值法和集合经验模态分解（EEMD）消噪法相比,可获得更好的消噪效果.     

一种新的基于小波变换的白噪声消除方法

本文研究了空间分布不均匀信号和白噪声在小波变换下的不同特性,提出了一种新的基于小波变换的白噪声消除方法,这咎方法可以对非平稳信号进行消噪处理,解决了传统信号处理方法对非平稳信号的局限性,并且有快速算法能够加以实现。仿真结果证明这种方法具有很好的去噪效果。     

基于小波多尺度分解的混沌时间序列消噪

本文基于小波多尺度分解的思想,提出了一种降低混沌序列噪声的方法。小波多尺度分解算法之所以能够区分不同尺度的信号,是因为它利用了小波变换在时、频两域具有突出信号局部特征的能力以及小波变换是线性变换的特点。鉴于实测的混沌信号的能量主要集中在低频,而具有突变特征的噪声的能量主要在高频部分,因而提出的方法仅需利用信号的尺度特性,就可以消除含噪混沌序列的大部分噪声。仿真实验给出了该算法的消噪性能分析,结论表明基于小波多尺度分解的混沌时间序列消噪具有良好的实用前景。     

基于MATLAB的小波去噪仿真

利用小波方法去噪,是小波分析应用于实际的重要方面。小波去噪的关键是如何选择阈值和如何利用阈值来处理小波系数,通过对几种去噪方法比对分析和基于MATLAB信号去噪的仿真试验,验证了小波去噪的优越性。通过对现场采集到的输油管线压力信号去噪处理,结果表明,该方法可以有效去除噪声。     

小波中值滤波在晃动基座初始对准中的应用

针对捷联惯性导航系统(SINS)在晃动基座下进行初始对准时,陀螺和加速度计受外界干扰噪声较大,而单独采用低通滤波或小波滤波法不能有效实时地实现噪声抑制问题,采用小波阈值消噪和中值滤波相结合的混合滤波方法来实现信号的消噪。将输出信号首先经中值滤波消除信号中的突变噪声,再利用小波阈值消噪滤除振动噪声和白噪声,从而有效地消除基座晃动带来的噪声。测试实验表明,提出的混合滤波法对车载惯导系统输出信号噪声滤波效果明显,在发动机启动的情况下,可基本达到静态信号采集的效果。对准仿真实验表明,提出的滤波法能辅助捷联惯导系统实现在晃动基座下的精对准。