核磁共振信号的小波变换消噪方法

基于小波分析的空域相关消噪法存在小波系数位置偏移影响消噪性能的缺点,本文提出对小波系数位置先平移对齐后再进行相关处理的新方法,主要思想为"分解→平移→相关处理→反平移→重构".实验表明,将该方法应用于低场脉冲核磁共振信号的消噪,能在有效保护信号峰值信息的同时,最大限度地抑制噪声.     

新的基于小波变换的振动信号消噪方法

噪声消除是小波变换最成功的应用之一,其基本思想是将信号的小波变换系数与给定的门限比较,保留比门限大的系数,而将其他的置零,然后进行小波重构。这种小波变换消噪方法很可能将信号中一些有用的小能量分量当成噪声消除。根据旋转机械振动信号的循环平稳性特征,提出了一种新的基于小波变换的振动信号消噪方法,并用数字试验信号和碰摩试验振动信号对新消噪方法和Matlab提供的小波消噪方法的性能进行了比较测试。结果表明,在振动信号消噪方面,新方法相比传统的小波消噪方法有更好的性能,能够有效地抑制信号中处于各频段的噪声分量。     

基于最优小波包Shannon熵的再制造电机转子缺陷诊断技术

为了实现对再制造电机转子质量的有效监控,采用超声波技术对其内部缺陷进行检测与评价。引入滤波效果良好的最优小波包滤波法和对超声波信号噪声含量变化敏感的Shannon信息熵算法,定义一种新的最优小波包Shannon熵(Best wavelet packet Shannon entropy,BWPSE)的概念,并提出基于BWPSE的超声波信号消噪方法。对采集到的再制造电机转子超声检测信号进行最优小波包滤波处理,得到各尺度的小波包分解系数,在此基础上计算各尺度小波包分解系数的Shannon熵,通过分析小波包系数Shannon熵的变化规律确定分解层数及阈值。采用该方法对再制造电机转子超声检测信号进行消噪处理,结果表明该方法对噪声消除比较彻底,对比Sqtwolog阈值小波分析及Heursure阈值小波分析等其他信号消噪方法,该方法可显著提高再制造电机转子内部缺陷定量分析的准确度。     

液压系统中油箱温度信号的小波消噪处理

为高精度对液压系统进行状态监测、在线自动控制,要通过传感器获取液压系统工作时的油箱温度数据,并对含噪的油箱温度信号进行消噪处理.针对不同小波基处理信号时的效果不同,探讨了正交小波基和具有线性相位的双正交小波基对不同噪声水平信号的消噪效果,得出选择小波基的一般方案,并选用双正交小波基对油箱温度信号的消噪处理.     

OFDM水声通信系统语音信号的小波包消噪方法

在阐述和构造了正交频分复用(OFDM)水声通信系统的基础上,利用小波包分解与重构对OFDM水声通信系统进行语音信号消噪处理.小波包分解方法依据信号与噪声小波变换系数分布特性不同来进行,首先将语音信号分层,确定最佳小波包分解树,再进行阈值量化,完成小波包分解,并对所得阈值进行消噪处理,最后利用小波包逆变换重构传输信号.计算机仿真结果表明在OFDM水声通信系统中利用小波包分解方法对语音信号进行处理,可有效消噪,并可较为完整地保存有效信号.     

进化小波消噪方法及其在滚动轴承故障诊断中的应用

阈值是小波阈值消噪方法中决定消噪结果的关键因素,传统阈值估计方法存在抑制噪声污染与保留信号细节间的矛盾,难以实现对滚动轴承故障信号的有效消噪.为准确估计阈值以改善小波阈值消噪方法的消噪性能,提出一种基于小波变换的进化阈值消噪方法.该方法以小波变换作为含噪信号分解与重构工具,构造含噪信号在各小波分解尺度上硬阈值收缩均方误差的近似函数,利用粒子群优化进化搜索与其最小值对应的最优阈值,以近似实现均方误差最小意义下的最优消噪.模拟信号消噪分析与滚动轴承故障信号消噪实例表明,该方法可有效消除噪声对信号的干扰,并准确提取淹没在噪声背景中的故障特征,消噪性能在信噪比与均方误差意义下优于传统小波阈值消噪方法.     

基于平稳小波变换的X射线衍射信号消噪研究

讨论利用平稳小波变换进行X射线衍射信号消噪的方法,首先利用Haar小波将受噪声污染的X射线衍射信号进行多层平稳小波变换,利用小波变换的细节系数估计噪声均方差σ,选取阈值σ2lnN(N为细节系数长度),对小波分解的细节系数进行阈值处理,然后进行平稳小波逆变换重建信号,以达到对信号消噪和提纯。实验结果证明,这种去噪方法是非常有效的,它在消除噪声的同时保留了信号的奇异特征。     

空域相关滤波在下肢表面肌电信号中的应用

针对消噪过程中信号细节难以保留的问题,采用了一种基于小波变换的空域相关消噪方法。通过运用信号小波分解后与噪声的小波系数随尺度变化规律不同的特性,实现了信号与噪声的分离,同时给出了表面肌电信号噪声能量阈值的估计算法。实验结果表明,该消噪处理方法不仅能有效地去除肌电信号中的噪声,而且可以较好地保留肌电信号的边缘特征,为下肢表面肌电信号特征的提取创造了良好的条件。     

最佳小波包基改进软阈值的消噪方法及应用

在讨论基于小波包变换消噪方法的基础上,针对传统小波方法消噪中阈值选取方法的优缺点,提出了一种基于最佳小波包基改进的软阈值消噪方法,并将该方法应用于电机故障信号的消噪。试验结果证实,与传统的阈值选取方法相比,基于最佳小波包基的改进软阈值消噪方法对非平稳的电机故障信号消噪效果更好。     

基于最优小波包分析的肌电信号消噪

为了清除表面肌电信号(SEMG)夹杂的生理噪声,提出了一种基于最优小波包分析的消噪处理方法.该方法以受试者做内旋动作,采自尺侧腕屈肌的SEMG信号为例,基于symlet5小波函数,分别采用小波方法、小波包方法和最优小波包方法进行了消噪处理.分析比较结果表明,该消噪处理方法能更有效地去除肌电信号中的噪声.     

基于经验模分解的陀螺信号去噪

陀螺随机漂移是影响寻北精度的重要因素,小波消噪方法对小波基和分解尺度等因素依赖性较强。提出了一种新的基于功率谱密度准则的经验模态分解(EMD)去噪方法,可有效解决传统EMD去噪自适应滤波器截止阶数难以确定的难题,该方法将经验模态分解得到的固有模态函数(IMF)分为信号分量起主导作用模态与噪声分量起主导作用模态,并对噪声分量起主导作用的模态进行类似小波软阈值去噪的方法进行滤波,然后与信号分量起主导作用的模态共同对信号重建实现去噪。将该方法应用于测试信号与陀螺信号的去噪,结果表明:新方法能有效地判断噪声与信号起主导作用的模态分界点,具有良好的去噪效果,且不受主观参数的影响,具有自适应性。     

基于小波分析的FastICA联合降噪方法在滚动轴承故障诊断中的应用研究

采用小波分析方法进行振动信号降噪存在选取参数依靠经验的问题,采用独立分量分析（ICA）方法进行振动信号降噪存在欠定问题,为了避免小波降噪以及ICA方法单独使用的缺点,提出了将小波降噪分析和基于负熵的FastICA独立分量分析相结合来处理滚动轴承含噪振动信号的方法。首先对原始信号进行小波降噪处理,然后将处理后的信号与原始信号组成FastICA的输入矩阵,进行FastICA降噪处理,最后利用滚动轴承振动信号对该方法进行有效性验证。实验分析表明：该方法增大了振动信号的峭度值,达到了滚动轴承振动信号降噪的目的。     

改进小波包多阈值去噪法及其工程应用

针对机械振动信号提取时面临的去噪问题,在小波包多阈值准则去噪法的基础上,提出一种改进的小波包多阈值准则综合去噪方法(改进FMC去噪法)。该方法首先采用探测插值法对机床原始振动信号进行预处理,剔除受外界干扰产生的突变噪声信号;再以小波包分析为基础,根据有用信号的最小频率确定最大分解层数,并按最小代价原理确定信号分解的最佳小波包基;最后采用小波包多阈值降噪准则对振动信号进行重构,得到去噪后的机床振动信号。针对含噪blocks信号、doppler信号及模拟的含噪振动信号进行的仿真实验结果表明,改进后的FMC去噪法去噪效果优于传统方法。将该方法应用于气囊修整机振动信号分析中,结果表明,改进FMC去噪法能够有效剔除振动信号各频段的噪声,提高信号特征的可分离性。     

基于软阈值和小波模极大值重构的信号降噪

软阈值小波降噪是一种常用的非平稳信号特征提取方法.为了改进软阈值小波降噪法的性能,提出一种基于软阈值和二进小波变换模极大值的新小波降噪方法.首先,对信号进行二进小波变换,再对小波系数进行软阈值处理;然后,选择由信号产生的小波系数模极大值点;最后,用交替投影算法重建信号.理论分析表明,该方法能有效地降低软阈值小波降噪法的误差下界.仿真试验表明,该方法提高了降噪结果的信噪比,且较好地保留了信号中的奇异性.将该方法和二进小波变换软阈值降噪法结合起来,应用于滚动轴承故障振动信号降噪.结果表明,该方法能有效地提取到信号中的冲击特征.     

超声波测距系统中的小波去噪方法研究

针对远距离超声波测距系统中回波信号信噪比低的问题,采用小波变换对超声波的回波信号进行去噪处理.为取得较好的去噪效果,对小波变换的参数选取进行了研究.根据小波基的特性,通过能量与能量熵选取最优小波基;基于回波信号噪声的白噪声特征,采用白噪声检验自适应确定分解层数;引入参考噪声信号,确定小波系数处理阈值,并选用一种结合软、...     

基于压缩感知理论的MEMS陀螺仪信号降噪研究

通过分析传统小波阈值滤波的局限性,将基于压缩感知的小波滤波方法应用于低精度MEMS(micro electro mechanicalsystem)陀螺仪信号降噪中,并与小波阈值滤波方法进行了实验对比,实验结果表明:基于压缩感知的小波滤波方法可以有效地去除MEMS陀螺仪输出信号中的噪声,并且在压缩比较大时基于压缩感知的滤波方法去噪效果优于小波阈值滤波方法,改善了低精度MEMS陀螺仪零偏稳定性,为工程中解决低精度MEMS陀螺仪降噪问题提供了新思路。     

DNA测序电泳荧光信号的小波去噪分析

在DNA荧光测序中,噪声影响分析的准确度和检出限。相比其他滤波方法,小波分析具有良好的时频域分辨特性。在小波去噪处理中,正确选择合适的小波基函数和去噪阈值直接关系到信号去噪处理的质量。通过对毛细管电泳(CE)荧光信号的仿真分析,结果表明:选择sym7小波基函数、分解层数(lev=5)与使用软阈值,可以有效去除CE荧光光谱信号的噪声,提高分析准确度。将其用于处理实际的DNA电泳荧光信号,效果良好。     

空气耦合超声信号的小波阈值滤噪试验研究

穿透式空气耦合超声检测中,由于较低声波透射率、激励接收系统噪声及声波在介质中的散射噪声导致接收信号信噪比较低,小波阈值滤噪技术在解决上述问题时面临小波基、分解层数及阈值函数的选取难题。基于小波分析的基本原理,以单因素分析方法开展小波阈值滤噪试验研究。选择不同小波族(Daubechies,Symlet和Coiflet)中的小波基、小波分解层数(4～8层)及阈值函数(软阈值及改进阈值函数)对实际含噪超声信号进行小波阈值滤噪处理,并通过对比滤噪信号的信噪比及频谱特性得出不同参数对滤噪效果的影响。结果表明,选择Coiflet小波族中的小波基能获得具有更高信噪比及透射信号幅值的滤噪信号;分解层数越高,滤噪信号的信噪比越高,但增长趋势渐趋稳定;阈值函数对滤噪性能的影响并不十分显著,一般采用软阈值函数或改进阈值函数就能获得良好滤噪效果。     

Noise cancellation of ultrasonic NDE signals using blind source separation

This paper proposes a new denoising method for ultrasonic NDE (nondestructive evaluation) signals using blind separation (BSS) technology. The proposed denoising method consists of four steps. First, a reconstructed phase space (RPS) is constructed from observed ultrasonic NDE signals. The information about the underlying sources (e.g., ultrasonic signal, noise, etc.) acting on this system is contained in this RPS. Second, independent component analysis (ICA) is performed on the RPS to recover all sources underlying the RPS. Next, the ultrasonic signal component is selected by a decision criterion related to the denoising application and, finally, is reconstructed to obtain the denoised ultrasonic signal. To validate the proposed method, it has been applied to the experimental ultrasonic NDE signals of the test sample and is compared with the wavelet denoising method in SNR (signal-to-noise ratio) enhancement. The experimental results show that the SNR of the ultrasonic NDE signals can be enhanced greatly using the proposed denoising method and the proposed method has almost the same denoising performance as the wavelet denoising method in SNR enhancement. A trait of the proposed denoising method is the ability to denoise ultrasonic NDE signals by separating the ultrasonic signal and noise using blind source separation technology. The text was submitted by the authors in English.     

应用分层自适应匹配追踪重构MEMS陀螺信号

对含噪微机械系统(MEMS)陀螺信号进行小波分解重构时,真实信号对应的小波系数很难选取,故本文提出一种分层自适应匹配追踪算法(LAMP)来解决上述问题。建立了含噪MEMS陀螺信号中信号小波系数稀疏提取架构,将信号小波系数提取问题转化为含噪信号中信号小波系数稀疏性的恢复问题。比较已有稀疏重构算法,采用一种新的LAMP算法,在各种可能的小波系数组合中挑选出分解系数最为稀疏的一组,以此消除信号中的噪声小波系数,进而重构MEMS陀螺信号。实验表明:提出的LAMP算法的稀疏重构效果优于其他迭代贪婪重构算法;基于LAMP的信号稀疏小波重构方法,可以有效去除MEMS陀螺信号的大量噪声;去噪前后,纯MEMS陀螺数据解算的方位角平均累积误差由10.060 2(°)/h减小到5.034 6(°)/h,优于传统小波阈值重构法平均累积误差8.596 8(°)/h,显示了较好的应用效果。