信号去噪阈值与阈值函数的取舍研究

为了提高爆破振动信号精度,采用小波阈值去噪方法对爆破振动信号进行去噪,在去噪过程中阈值与阈值函数的选取是关键,阈值与阈值函数选取的合适与否将直接影响到消噪的效果。研究结果表明:heursure和sqtwolog两种阈值的去噪效果比较好;软阈值函数较硬阈值函数有更好的去噪效果。     

基于小波去噪振动加速度信号处理及时频域积分方法研究

使用小波去噪函数对实测加速度信号去噪并去除直流分量处理,利用时域积分法和频域积分法获取速度信号和位移信号,通过比较这两种积分方法在分析振动信号上的优劣,再分析误差来源并给出定量评判指标。通过实例验证了基于最小极大方差阈值的小波去噪在处理加速度信号时能获得较好的去噪效果;积分后修正的时频域积分法能够较好地克服直流分量和积分趋势项问题,并指出在对振动信号的处理上频域积分比时域积分有更高的准确度和稳定性。     

非线性小波变换阈值法去噪在工程中的应用

利用基于非线性小波变换阈值去噪算法,对变形监测数据进行去噪处理,对模拟数据的处理结果表明,基于非线性小波变换阈值去噪方法与传统的阈值去噪方法相比,能有效地去除伪吉布斯现象,提高信噪比,剔除变形监测数据中的噪声,识别被噪声疏忽的有用信号。     

基于混沌蜂群算法的高耸结构振动信号小波阈值去噪方法研究

为了有效去除实测振动信号中的噪声,改进了一种基于Kent混沌人工蜂群(KCABC)算法的振动信号小波阈值去噪方法。该算法采用Kent混沌映射初始化蜂群,引入锦标赛选择机制选择食物源,并结合混沌策略搜索最优解。基于广义交叉验证(GCV)阈值构造了目标函数,采用改进的KCABC算法搜索最优阈值,实现了不基于噪声先验知识的振动信号阈值去噪。通过对广州新电视塔4组实测振动信号的处理,比较了改进的KCABC算法与粒子群优化(PSO)算法、标准蜂群(SABC)算法以及Logistic混沌蜂群(LCABC)算法的去噪性能。结果表明:提出的KCABC算法具有较快的收敛速度和较高的搜索精度,能够有效去除高耸结构振动信号中的噪声部分。     

基于经验模态分解的电测井信号去噪研究

电测井方法所得到的信号含有一定的随机噪声,对原始信号进行处理之前需对其进行去噪。基于经验模态分解(EMD)得到的本征模态函数(IMF)具有自适应性、完备性、可重构性以及正交性和良好的时频聚集性等特点。因此,利用IMF分量去噪对于处理信号与噪声频率混叠的情况具有很好的效果,是一种多分辨率的去噪方法。本文采用一种首先经过经验模态分解,其次通过对部分IMF分量进行软阈值去噪的方法,研究结果表明,该方法能有效去除电测井信号的噪声干扰,且效果优于传统的小波软阈值去噪结果。     

基于EEMD阈值的绝缘子泄漏电流去噪的研究

绝缘子泄漏电流信号的采集受很多噪声信号的干扰,直接使用将影响准确地提取其特征量,本文对基于EEMD(Ensemble Empirical Mode Decomposition)阈值的绝缘子泄露电流去噪方法进行研究,借鉴小波去噪的4种阈值方法对泄漏电流信号进行去噪,分别是自适应阈值、固定阈值、启发式阈值和极大极小阈值,对EEMD阈值的去噪方法进行研究,通过对去噪前后信号的波形、有效值和谐波幅值比这3个特征量进行分析比较,综合比较仿真和实测信号去噪前后的效果,得出固定阈值是EEMD去噪方法的最佳阈值。     

基于经验模态分解去噪改进主成分分析的冷水机组传感器故障检测

提出了一种基于经验模态分解(EMD)阈值去噪(TD)和主成分分析(PCA)相结合的冷水机组传感器故障检测方法(EMD-TD-PCA)。采用EMD阈值去噪法去除原始数据中的噪声来提高数据质量,针对去噪后的数据构建PCA模型。采集了武汉市某电子厂螺杆式冷水机组的实际运行数据,用于验证故障检测效果,并与传统PCA方法和小波阈值去噪(Wavelet-TD-PCA)方法的传感器故障检测结果进行了对比。结果表明:EMD-TD-PCA可以有效提高冷水机组传感器的故障检测效率,同等偏差条件下,故障检测效果优于传统PCA方法和Wavelet-TD-PCA方法。对于小偏差(-1～1℃)故障,故障检测效果提升尤为明显。     

小波分析去除地震资料高频干扰的研究

利用MATLAB小波分析工具箱,选用db4小波基函数、软阈值函数对实际地震资料进行五层小波去噪,通过对比分析四种小波阈值的去噪结果,指出启发式阈值函数可以较好的实现地震信号的去噪,去噪后的地震震相易于识别,有助于准确的分析研究地震信号。     

基于经验模态分解空域相关滤波的脉冲星信号消噪

针对脉冲星信号信噪比极低,且信号中有色噪声成分远大于高斯白噪声的特点,提出了一种基于经验模态分解(empirical mode decomposition,EMD)的脉冲星信号空域相关滤波消噪方法。首先建立脉冲星信号的分形高斯噪声模型,根据双对数功率谱密度估计分形高斯噪声的Hurst参数值;然后,结合脉冲星累积信号的窗口辐射特性和分形高斯噪声经EMD分解后的噪声分布特点,估计脉冲星信号各层内蕴模态函数(intrinsic mode function,IMF)中噪声的方差;最后,以IMF噪声方差为基础,建立EMD空域相关滤波方法并应用于脉冲星累积轮廓消噪。实验结果表明,与经典的平移不变小波阈值消噪法、平移不变小波空域相关滤波消噪法以及EMD模态单元比例萎缩消噪法相比,改进的EMD空域相关滤波消噪法在抑制脉冲信号中的噪声和保留更多的微脉冲特征细节信息方面更加有效。     

一种基于小波分析的阈值去噪算法

利用信号和噪声在小波变换中不同尺度上具有不同的特性,提出了基于小波变换的去噪方法。经过小波变换后的信号,在其小波系数中包含了实际信号的重要信息特征,表现为幅值较大的小波系数,而噪声产生的小波系数幅值较小。通过在不同尺度上选取适当的阈值,对大于和小于该阈值的小波系数进行相应的处理,以得到去噪后的信号。     

岩石高边坡安全监测数据的小波变换去噪处理

 把小波变换模极大值去噪法和小波变换阀值去噪法应用于noissin模拟噪声信号和某水电站岩石高边坡安全监测资料,根据信号和噪声在小波变换各尺度上的不同传播特性,剔除由噪声产生的模极大值点,保留信号所对应的模极大值点,利用剩余模极大值点重构小波系数,恢复原有监测信号。并通过信噪比、去噪信号能量比、去噪信号与原信号标准差三个性能指标,比较二者的去噪性能。实例应用表明,小波变换模极大值去噪法能够更有效地去除噪音突变信号,保留原始有用信号的突变点,重构信号能够更光滑地重现原始信号,比小波变换阀值去噪法性能更佳,具有更好的实际应用价值。     

基于小波变换对GPS信号去噪的分析

小波分解能够精细地把信号划分到不同的频带范围内,因此可对含噪信号在不同频带范围内的特征进行信噪分离.本文从GPS精密测量、导航领域的信号去噪角度,探讨了基于小波分析的信噪分离方法,并结合具体实例,说明小波分析对GPS信号消噪处理的实用性及有效性.     

小波变换用于磁记忆信号降噪技术研究

介绍了利用小波变换对获取的磁记忆检测信号进行去噪处理的三种方法,指出基于小波变换的非线性方法能够获得较理想的处理效果,详细介绍了基于该方法的信号处理原理,并重点探讨了影响去噪效果的三项因素,以推广该法的广泛使用。     

基于局部化自适应阈值的小波图像降噪

为了能在去除图像噪声的同时有效地克服Gibbs现象,得到令人满意的视觉效果,提出了一种基于局部自适应阈值的小波图像降噪方法.该算法利用局部化信息和层间相关性理论,对小波系数进行分块分类处理.该算法首先把图像划分成子块,通过调节全局阈值得到各个子块阈值,从而有效地利用了局部信息,有选择地对图像进行降噪处理.算法加入自适应的步骤,对于不同尺度的子带,分别赋予大小不同的阈值,使算法具有更好的自适应性.试验结果表明, 与其他几种传统降噪方法相比,该方法能获得较好的降噪效果.     

基桩检测反射波的非线性小波降噪重建方法

针对现行的基桩完整性检验方法存在的问题,在分析了基桩检测中信号与噪声特征的基础上,采用非线性小波分析对基桩完整性检测的反射波信号进行降噪处理,为基桩完整性诊断提供了一种有效的降噪分析方法.并在实际工程测试中取得了较好的效果.     

GPS单历元变形信号小波降噪方法研究

本文阐述了小波分析理论的基本原理 ,针对一种特殊含噪状态下的GPS单历元变形信号 ,提出了分尺度、分阶段多阈值GPS单历元变形信号的小波降噪方法 ,并与通常基于阈值的小波降噪方法对比 ,通过残差的直方图统计 ,直观说明了本文方法能在有效降噪的前提下 ,保留更多的变形信号。     

经验模态分解在高层建筑GPS变形监测分析中的应用

经验模态分解是一种数据驱动的自适应分解方法,能够把数据信号分解为具有自然物理意义的内蕴模态函数,有效分解各个周期的变形信号,相对小波分析等方法有其固有优势。本文针对某高层建筑物的GPS变形监测时间序列,采用EMD分解方法分离得到了建筑物的日周期、半日周期、整体趋势等多个方面振动特征,符合实际变形信号特征,验证了该方法在变形监测分析中的实用性。     

爆破震动信号的时频分析

针对具体的爆破震动信号,基于短时Fourier变换(STFT)、连续小波变换(CWT)、离散小波变换(DWT)和Hilbert-Huang变换(HHT)进行时频分析比较研究。结果表明:STFT使用的窗函数固定,分辨率单一,其分析结果只能大致反映信号能量随时间的变化;小波变换(WT)以小波基为变换基础,具有多分辨率特点,其分析结果较详细地反映了质点震动强度随时间的衰减起伏变化,但小波谱的能量在频率范围内分布较宽;HHT自适应性强、高效,Hilbert能量谱能清晰地表明能量随时频的具体分布,并且大部分能量都集中在有限的能量谱线上。分析认为HHT是一种全新而更优越的分析与处理爆破震动信号的时频方法。