低速行驶地铁轨道振动信号小波去噪参数研究

针对地铁低速行驶时的轨道振动信号,分析小波去噪参数的选取对去噪效果的影响。以北京某地铁站附近的隧道断面的轨道铅垂向振动加速度信号为例,对轨道振动信号进行小波分解、阈值去噪和重构。以信噪比作为去噪质量评价指标,采用Kruskal-Wallis非参数检验方法分析小波系、小波阶数、小波分解层数和阈值的选取对去噪效果的影响。基于信噪比最大化原则,确定地铁低速行驶时轨道振动信号的最优小波去噪参数。结果表明:显著性水平0.05下,小波系、小波阶数的选取对地铁轨道振动信号小波去噪效果没有显著影响,不同的小波分解层数、阈值对地铁轨道振动信号小波去噪效果的影响不全相同;以Symlets A小波系的4阶小波为去噪小波基,经过3层小波分解,基于无偏似然估计阈值和软阈值函数进行小波去噪后的信号获得最大的信噪比,去噪后的振动信号保留了原始信号的峰值特征,同时信号曲线的光滑性有了显著改善。     

果蝇优化小波阈值超声检测信号去噪

由于材料结构的复杂性,超声检测回波信号往往存在很多干扰噪声。针对钢制结构中平底孔的超声检测信号传统小波去噪方法中小波阈值难确定的问题,结合小波良好时频特性和果蝇的全局优化能力,提出基于果蝇算法(FOA)优化小波阈值函数的超声检测信号去噪方法。对原始信号叠加5d B高斯白噪声,通过测试最大信噪比改善量获得最佳小波基和分解层数,采用sym5小波对超声检测信号进行6层分解后,利用果蝇算法对小波阈值进行参数优化,对比传统4种阈值确定方法,提高小波阈值的精度。验证结果表明:该方法对超声检测信号去噪后信噪比、均方根误差和相关性等参数具有满意的效果,去噪效果明显。     

基于小波降噪的蜂鸣声快速识别方法

针对工厂复杂环境中电子产品的蜂鸣声信号信噪比低所造成的难以识别问题,采用小波变换对蜂鸣声信号进行降噪处理.为获得良好的降噪效果,对不同小波降噪方法以及不同小波参数选取的降噪效果进行对比分析,得出采取db1小波基以sqtwolog为阈值标准的软阈值法去噪效果良好,但是软阈值法随着小波分解层数的递增,容易造成信号失真.通过...     

汽车驾驶性评价中小波去噪分解层数的确定

在汽车驾驶性评价试验过程中所采集的信号内通常混有诸多噪声信号,一般运用小波变换进行去噪,然而若小波去噪分解层数选择不当,则会影响去噪效果,从而影响驾驶性评价的准确性。针对此问题,提出了一种通过信息熵法融合所采集的汽车驾驶性数据的均方根误差、信噪比以及平滑度等多指标来选择小波分解最佳层数的方法,从而取得较佳的去噪效果。现对所采集的某一换挡工况下汽车振动加速度数据运用上述方法进行去噪,结果表明,基于此多指标融合的小波去噪方法在很好滤除初始信号中噪声的同时,能够有效保留数据中的有用成分,譬如驾驶过程中的冲击及振动等,从而保证了后续汽车驾驶性评价过程中所提取的指标的准确性。     

基于Shannon熵的自适应小波包阈值函数去噪算法研究

小波包去噪算法的关键问题在于对信号进行去噪时,如何有效地消除噪声且尽可能地保留原始信号的小波包系数。传统阈值函数由于无可调节参数,其去噪形式固定,无法根据小波包分解系数的噪声成分自适应地进行调整,去噪效果有待提升。据此,将Shannon信息熵作为调节参数引入小波包阈值函数中,提出一种基于Shannon熵的自适应小波包阈值去噪算法,对信号进行小波包分解并计算最大分解尺度小波包系数的Shannon熵值,依据该值对阈值函数进行调整,以实现在强噪声背景下对小波包系数进行大尺度的收缩,而在弱噪声背景下实现阈值收缩的平滑过渡。采用该方法对仿真信号与轴承振动实验信号进行去噪分析,并与其它小波包阈值去噪算法相对比,结果表明该方法去噪效果更好且在滤除噪声的同时有效地保留了信号的原始特征。     

模糊逻辑提升小波在惯性传感器去噪中的应用

针对传统小波在惯性传感器去噪中存在计算复杂和分解层数固定的问题,提出了一种基于模糊逻辑的提升小波阈值去噪方法。该方法首先利用模糊逻辑判断载体当前的运动状态,并根据先验知识确定该状态下的信号带宽;然后依据小波分解层数与截止频率间的对应关系,选择惯性传感器各个轴向的分解层数;最后在提升小波框架下对信号做离散小波变换,并对各层系数进行阈值去噪。实验结果表明,该方法可以对运动状态进行正确判别,与固定层数的传统小波相比,具有更好的降噪效果和更快的处理速度。     

高精度超声测距系统中自相关小波去噪法

超声测距的精度主要取决于飞行时间的提取精度,由于受噪声影响,接收信号的始点位置通常无法精确提取.传统方法常采用设计滤波器降噪,然而由于滤波器的参数无法随超声信号变化而改变,导致其适应性较差.本文提出了一种自相关小波阈值去噪的自适应去噪方法,通过计算各层小波细节分量与近似分量的相关性系数,自动确定最优分解层数,并通过采集分析噪声信号的小波分量,选择最优去噪阈值,达到了良好的去噪效果,增强了回波信号的信噪比,极大地提高了回波飞行时间的提取精度.经实验验证,信噪比可提高6~7 d B,在1 900 mm的范围内测量误差小于0.3 mm,测量不确定度小于0.17 mm.与传统方法相比,本方法具有适应性强、始点识别率高、测距精确等优点.     

小波阈值去噪法在超声信号处理中的应用研究

研究了小波阈值去噪方法在超声信号处理中的应用.在对用超声方法测得的信号进行去噪处理的过程中,探索了不同的小波基和阈值选取准则对阈值去噪结果的影响.通过对去噪信号的图形以及统计特性的分析和比较,选用Sym小波系中的Sym8小波和“Minimaxi”阈值选取准则对测得的信号进行去噪处理.实验结果表明：小波阈值去噪方法在超声检测去噪中能够取得较好的效果.     

基于小波变换的整车驾驶性评价信号去噪

整车驾驶性评价试验采集的加速度信号中混有噪声,严重影响了数据的准确性。针对整车驾驶性评价试验中采集的加速度数据存在的噪声对驾驶性评价指标值的准确性产生影响的问题,提出一种适合于整车驾驶性评价试验数据的小波去噪方法:根据整车加速度数据特征,初步选择备选的小波基函数,通过评价信噪比和均方根误差确定最优的小波基函数和阈值选取规则组合,在此基础上对含噪信号进行多个尺度的分解,通过评价由平滑度和均方根误差构造的复合指标确定最优小波分解层数,从而实现对噪声信号的滤除。对一换挡工况的加速度试验数据采用上述方法的去噪并进行分析,分析结果表明,该小波去噪方法不仅较好地保留了换挡工况中用于评价驾驶性的振动与冲击指标特征,并且能够有效地提取信号的有用频率成分,保证了驾驶性评价指标值的准确性。     

SGWT在爆破振动信号信噪分离中的应用研究

为提高测试信号分析效率和质量,引入二代小波变换并用于爆破振动信号信噪分离。采用提升db小波以及根据提升算法构造的插值细分小波,进行爆破振动信号的分解-阈值去噪-重构,取得了满意的效果。通过比较4个不同提升小波的去噪质量和效率,提出了适用于爆破振动信号分析的提升小波选取办法,为将SGWT引入到爆破振动信号分析研究领域,实现爆破振动特征的快速提取提供了参考