小波去噪方法在管道应力波检测中的应用

介绍了一种适合于管道应力波检测的基于小波变换的去噪方法。利用小波变换多尺度分析的优点。根据有用信号和噪声在小波变换不同尺度下的传递特性的不同，进行小波系数阈值选取后，对剩余小波系数重建信号，得到有用信号的波形。结果表明，它能较好地抑制噪声，使信号的信噪比明显提高。     

输油管道应力波检测中的小波去噪方法研究

本文介绍了一种适用于油田输油管道应力波检测的小波去噪方法。在盗油实时监测时，利用冲击激励产生的应力波到达两个检测传感器的波达时刻的差对冲击激励点进行定位。由于小波变换具有多尺度分析的优点，根据有用信号和噪声奇异性的不同及其在小波变换不同尺度下的传递特性的不同，区分信号和噪声，进行小波系数的阈值选取后，利用剩余的小波系数重建信号，得到有用信号的波形。试验发现，该法可以很好地去除噪声，从而使应力波的波达时刻的计算的准确度提高。     

一种基于小波变换的目标融合跟踪方法

本文在分析小波变换的基础上，将小波分析应用到目标图像的融合跟踪技术上，利用小波的多尺度和多分辨特性，不仅能够获得不同分辨力下的图像序列，进行目标图像融合；还能有效地从信号中提取突变信号。对函数或信号进行多尺度的细化分析。图像边缘用小波变换进行处理和提取并对图像形心进行计算。能够得到较好的轮廓提取效果和形心定位精度，进而说明了小波变换可能成为目标跟踪中较好的数学方法。     

基于小波变换的MR图像的去噪处理

根据小波变换多尺度下图像信号与噪声不同性质的理论,提出了一种新的MR图像去噪处理 算法,这种算法直接比较相邻小波域的系数,根据比较结果设立滤波器去除噪声。计算机模拟结果表明:这种算法的速度快,能去除渗噪图91%的噪声,图像的信噪比从3.1861提高到了13.4784。     

基于小波变换的柴油机气缸压力信号降噪

为了获取高信噪比的柴油机气缸压力信号,采用非线性离散序列的小波变换（DTWT）对柴油机气缸压力信号进行降噪．由于降低压力信号采集循环数目,简要分析了气缸压力信号中的高频噪声和高斯白噪声特征,先用Donoho的阂值降噪法去除高斯白噪声,降噪效果明显优于低通滤波和9点平滑法;再用多分辨率分析法,分析不同频率段上的噪声幅值,用小波尺度系数反变换来去除高频噪声,恢复柴油机气缸压力信号．结果表明：这种方法能够有效地去除气缸压力信号的噪声．     

小波变换技术概述

小波变换具有良好的时频局部化特性,通过小波变换可以将一个时域信号进行多分辨分解,因此小波变换技术就常被应用到数字水印中来。文章对小波变换理论及其相关知识进行了研究,论述了离散小波变换、多分辨率分析等理论。     

基于小波分析的电涡流检测信号消噪法应用研究

电涡流检测具有检测方便、快捷的特点。但电涡流检测信号微弱常伴有各种高频测量噪声,提取困难。多分辨小波分析具有区分信号高频部分和低频部分的功能。利用噪声的高频特点,可以采用小波分解、系数处理和小波重构来滤除噪声。Matlab的小波工具箱提供了一维小波分析函数,文中提出采用小波消噪方法进行滤除高频噪声,给出了实验结果,实际测试表明该方法有效可行。     

基于提升小波的发动机振动信号相关分析

发动机的振动信号一般呈非平稳时变特征.傅立叶变换只能确定一个函数奇异性的整体性质,而难以确定奇异点在空间的位置及分布情况.经典的小波变换具有空间局部化性质,但多数性质都是通过傅立叶变换性质来实现的.提升算法摆脱了这种局限,它从一个简单的多分辨分析开始,然后向具有某一特性的MRA逐渐逼近.根据信号与噪声在各尺度下的不同传播特性,通过各层之间相关性分析滤除噪声,有效的提取出信号特征.     

小波变换与卡尔曼滤波结合的RLG降噪方法

针对激光陀螺随机游走噪声其非平稳和非正态分布的特性,提出了基于小波变换的卡尔曼滤波的RLG降噪方法,该方法既具有小波变换对自相似过程的去相关作用和多分辨分析的功能,同时又保持了卡尔曼滤波器对未知信号的线性无偏最小方差估计的特点,实现了激光陀螺随机游走噪声的实时多尺度分解和最优估计。实测激光陀螺零偏信号去噪的结果表明,基于小波变换的卡尔曼滤波器使随机游走噪声的标准差降低了10.3%,降噪效果优于传统的卡尔曼滤波器。     

旋转机械故障诊断的多小波分析法

本文选择 Daubechies、Coiflets、Symlets、Biorthogonal等多小波 ,对叠加有白噪声的典型旋转机械故障信号进行多分辨分析、比较 ,给出了不同分辨率下的离散近似 ,结果表明多小波比单一小波较容易而准确地获得故障特征信息     

二代小波包变换在爆破振动信号去噪分析中的应用

在提升算法及小波包变换原理基础上,构造了基于插值细分的小波SGW(6,6);介绍了基于最优提升小波包基分解的阈值去噪算法,将实测爆破振动信号通过二代小波包分解,对小波包系数进行阈值量化,再对阈值处理后的系数进行重构,成功地实现了爆破振动测试信号中的噪声去除。为将二代小波包变换引入到爆破振动效应分析研究领域奠定了基础。     

基于双树复小波的重叠块阈值降噪方法

针对机械早期故障信号受到强背景噪声影响导致故障特征不明显的问题,提出一种基于双树复小波包的重叠块阈值降噪方法。利用有限冗余双树复小波包变换对信号进行具有平移不变性的稀疏分解,结合双树复小波包变换系数所具有的稀疏集簇和邻域相关性特点,建立重叠块阈值估计模型,通过最小化包含块稀疏模型的适应度函数获得估计信号,分析了重叠块阈值降噪各参数对降噪效果的影响和参数优化原则,仿真与实测信号实验结果表明,该方法在不同信号和不同噪声水平下均有效地抑制了噪声干扰,提高了信噪比。     

基于小波变换的心音信号检测与噪声消除方法

利用小波变换多尺度多分辨率的特点对心音信号进行分解,将不同频带的信号显现在小波分解的不同尺度上,在进行信号重构时,通过选择重构系数消除信号中的各种干扰分量,保留心音信号中的有效心音成分获得准确的心音信号,为心音信号的进一步分析、处理和心血管疾病的无创诊断奠定基础.     

基于MAS小波变换的红外小目标检测方法

提出一种基于MAS小波变换多尺度相关的红外小目标检测方法.该方法通过二进MAS小波对图像进行多尺度分析;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换模尺度相关性区分边缘和噪声;利用小目标与背景和云层边缘具有不同的奇异性,在相同尺度下小波变换模不同的特性加以区分,得到最终的检测结果.实验结果表明,该方法能够有效地进行红外小目标检测.     

基于双树复小波与非线性时间序列的降噪方法

针对双树复小波变换传统软阈值降噪方法对实、虚部树系数分别进行阈值处理时提取的强背景噪声下轴承故障特征信号效果不理想,且实、虚部分离的阈值处理方法会引起局部相位失真问题,利用故障信号小波变换系数具有周期性与双树复小波系数模震荡小等特点,提出双树复小波变换与非线性时间序列方法相结合的强背景噪声下轴承故障特征提取方法。对故障信号进行双树复小波变换,获得各层小波系数并求模,选择系数模周期性较强层系数进行非线性时间序列处理,增强系数中周期性成分,抑制随机噪声;对增强后系数进行软阈值处理消除直流成分对提取结果的影响;将处理后系数还原为复数形式进行双树复小波重构,可成功提取弱故障特征信号。仿真、试验信号处理结果表明,该方法能有效提取强背景噪声下的故障特征信号。     

基于小波分析的惯性传感器信号实时处理方法

分形噪声和白噪声是影响光电跟踪系统惯性传感器输出信号精度的重要因素,采用传统的方法很难滤除分形噪声.利用分形噪声在小波变换域的特殊性质,采用小波滤波方式,并在此基础上,实现两种不同带宽的惯性传感器信号的融合.通过将阈值计算进行简化,并对信号输入延拓方式进行改进,提高了信号处理的精度,由此可以大大降低信号的小波变换长度以提高运算速度,最终在相应硬件的基础上实现信号的实时处理.最后的实验验证了该算法的有效性和实时性.     

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。     

小波变换的滤波器解释和在冲击测量中的应用

通过分析小波函数和尺度函数的傅里叶频谱,用滤波器的观点对小波变换和多分辨分析进行了解释。并对实测的冲击信号应用多分辨分析进行了滤波,与传统的低通滤波器进行了比较,表明:小波分析对冲击信号的消噪有着傅里叶分析不可比拟的优点。     

水中目标辐射噪声调制信息提取方法研究

讨论了应用小波分析从辐射噪声中提取调制信息的方法。首先利用多尺度分析方法将噪声信号在不同层次的空间上进行分解，实现调制信号与辐射噪声的分离；然后，利用小波变换提取其包络，求取功率谱得到调制信息．在此基础上，对实测辐射噪声数据进行仿真研究．结果表明，该方法用于噪声中调制信息检测是一种有效的手段．     

改进的阈值法在毫米波目标辐射信号去噪中的应用

根据毫米波目标辐射信号小波变换的特征,使用非负小波系数作信号的小波系数,对于确定的阈 值,令小于阈值的小波系数为零,大于阈值的小波系数减去常数a ,利用信号的方差函数推导了a 的取值方 法,实验表明该方法有良好的去除毫米波目标辐射信号噪声的能力