共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
基于小波去噪和EMD的信号瞬时参数提取 总被引:14,自引:1,他引:13
为了消除随机噪声对经验模式分解(EMD)质量的影响,提出利用小波去噪作为EMD的预处理,并结合希耳伯特变换提取信号瞬时参数的方法。研究了经验模式分解与希耳伯特变换相结合的提取信号瞬时参数的EMD/HS法,并针对随机噪声的影响,提出了基于阈值的正交小波变换去噪法。理论分析及仿真结果表明,该法克服了直接运用EMD分解中由于大量噪声带来的不必要的干扰,减少了EMD的分解层数以及累积边界效应对信号分析的影响,提高了瞬时参数提取的时效性和准确性。 相似文献
3.
次声传感器采集到的泥石流次声信号中包含有大量的无关干扰信号,严重影响信号的分析与评估。针对含噪泥石流信号中无法准确确定噪声频段的特点,以及传统经验模态分解(Empirical Mode Decomposition, EMD)联合小波阈值去噪方法无法智能分辨噪声所在频段的缺点,提出了信号经EMD分解后,基于相关性选择噪声频段的方法。首先利用EMD分解获取信号的固有模态函数(Intrinsic Mode Function, IMF)分量,然后计算各个IMF分量与原始信号的相关性,根据相关性大小确定IMF噪声频段,然后采用小波阈值去噪方法对噪声频段进行处理,最后对处理后的信号进行重构得到去噪泥石流信号。通过模拟实验分析,证明该方法具有智能选择噪声频段的能力,是一种更适于泥石流信号的去噪方法。 相似文献
4.
5.
为了消除隧道爆破振动信号中无规则混杂的噪声,引入了一种基于CEEMD(互补集合经验模态分解)的低通去噪方法。首先对模拟正弦信号进行EMD、EEMD、CEEMD分解,验证CEEMD分解方法的优越性,然后使用EMD和CEEMD低通方法分别对新鼓山隧道爆破信号进行去噪处理,结果表明该方法不仅克服了小波类去噪基函数选择困难和EMD模态混叠的问题,还能够使爆破波形保留其真实性和完整性,为爆破信号的精确处理奠定了基础。 相似文献
6.
超声信号在空气中传播效率低、气固界面耦合时透射率差,且易受到接收电路固有噪声和材料晶粒散射噪声的影响,导致接收的信号信噪比低。针对这一问题,结合小波分析“信号显微镜”的优点和变分模态分解(VMD)在窄带谐波信号提取方面的优势,提出一种基于小波分析联合VMD的超声信号去噪方法,并且对小波的阈值做改进,以减少信号的损失。利用改进阈值的小波分析对信号预处理,实现信号和噪声的初步分离,然后用VMD分解信号,提取所需频带的分量,对小波处理的结果进行优化,达到最终去噪的目的。实验数据表明,处理后的超声信号与原始信号相比,SNR平均提高1.84 dB,MSE减小34%,改进阈值后时域峰值损失减少7%,信号能量损失减少13%。该方法去噪彻底,有用信号保留完整,为超声信号的去噪提供新思路。 相似文献
7.
基于EMD的时间尺度去噪方法的研究 总被引:1,自引:0,他引:1
研究利用Hilbert-Huang变换中的经验模态分解(EMD)与希尔伯特变换(Hilbert)来进行信号瞬时参数的提取。构造了时间尺度滤波器,结合经验模态分解(EMD)获得有限数目的分段固有模态函数(IMF)的多特征尺度参数的特征进行非平稳信号的滤波,仿真实验验证了该法的可行性。 相似文献
8.
9.
10.
基于经验模式分解(EMD)时间尺度滤波特性,在引入相关度分析的基础上提出了EMD相关度去噪方法.首先对含噪信号进行EMD分解得到信号各个本征模函数(IMF)分量,再根据所建立的相关度阈值函数计算各个分量的相关度值,在与预定阈值比较得到满足阈值要求的IMF分量,然后对这些分量进行信号重构得到去噪信号.该方法消除了EMD时间尺度滤波不适用于噪声和信号在IMF成分混叠情况下的限制.通过对平稳含噪信号和非平稳含噪信号进行的去噪仿真研究,表明了该方法的有效性.通过轧机在轧钢时实测信号分析验证了该方法的可靠性. 相似文献
11.
EMD和二进正交小波分解对旋转机械振动信号处理效果的研究 总被引:1,自引:1,他引:1
二进正交小波分解通过一组高、低通正交镜像滤波器,以二分频形式把信号分解到各个频段中,经验模式分解(EMD)具有类似性质。但由于分解原理问的差异,对同一信号有不同处理效果。以故障滚动轴承振动信号处理为例,对比分析两种方法的处理效果,表明对于旋转机械,由于故障信号往往表现为调幅形式,而且相互间具有不同的载波与调制波频率,EMD方法是以信号的真实物理意义实现自适应二分频分解,能完整保留各个调幅信号,二进正交小波变换严格按照数学意义分解信号,势必破坏调幅信号完整性,影响故障定位,对比处理效果,EMD提取故障特征频率的效果要比二进正交小波分解好。 相似文献
12.
基于二维EMD和小波阈值的掌纹图像去噪 总被引:1,自引:0,他引:1
为有效抑制掌纹图像中含有的噪声、提高特征提取的精度,提出一种基于二维经验模式分解和小波阈值去噪相结合的掌纹图像去噪新方法。首先,对含有噪声的掌纹图像进行二维EMD分解,得到不同特征尺度的本征模函数子图像;然后对中高频成分的IMF进行小波多阈值去噪;最后将去噪处理后的各IMF与残差图像通过加和进行重构。实验结果表明,该方法与单独的二维EMD滤波及小波阈值去噪相比,去噪效果更明显,提取的主线和细节特征更清晰,因而均方误差最小、峰值信噪比最高。 相似文献
13.
Majid Norouzi Keshtan Mehrdad Nouri Khajavi 《Research in Nondestructive Evaluation》2013,24(3):155-174
ABSTRACTStudying vibrational signals is one reliable method for monitoring the situation of rotary machinery. There are various methods for converting vibrational signals into usable information for fault diagnosis, one of which is the empirical mode decomposition method (EMD). This article is about diagnosing bearing faults using the EMD method, employing nondestructive test. Vibration signals are acquired by a bearing test machine. The discrete wavelet bases are used to translate vibration signals of a roller bearing into time-scale representation. Then, an envelope signal can be obtained by envelope spectrum analysis of wavelet coefficients of high scales. Local Hilbert marginal spectrum can be obtained by applying thr EMD method to the envelope signal from which the faults in a roller bearing can be diagnosed and fault patterns can be identified. The results have shown bearing faults frequencies are easily observable. There is a variant of the EMD method called the ensemble EMD (EEMD), which overcomes the mode mixing problem which may occur when the signal to be decomposed is intermittent. The EEMD method is also applied to the acquired signals, and the two methods were compared. While the outcomes of both methods do not differ much, one important merit of the EMD is that it has much less computational processing time than EEMD. 相似文献
14.
经验模态分解(empirical mode decomposition, EMD)固有的端点效应和模态混淆导致其在进行爆破网络延时分析时出现不容忽视的误差。为了获得爆破现场实际网络延时,判断批次雷管的安全性,必须对EMD进行改进。通过对爆破地震波监测信号进行端点处理(endpoint processing, EP),改善EMD在处理信号实际端点时出现的端点突变现象,进而抑制EMD端点效应,提高固有模态函数(intrinsic mode function,IMF)的稳定性和精度。对EMD进行改进,得到自适应补充集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN),抑制低频趋势项模态混淆,并结合排列熵检测(permutation entropy detection, PED)来控制高频模态混淆。得到的EP-CEEMDAN-PED算法能识别微差爆破实际延期时间,且能有效克服EMD固有的端点效应和模态混淆现象,结合干扰减振法,可计算实际隧道扩挖爆破合理减振微差时间为55.14~57.93 ms,对爆破振动控制具有重要的现实意义。 相似文献
15.
16.
在对液压泵常见故障模式进行分析的基础上,针对液压泵早期故障诊断时故障特征信号微弱且传统的包络分析需要预先依靠经验确定分析频段的问题,提出了基于经验模式分解(EMD)和包络谱分析的诊断方法。该方法首先将采集到的液压泵壳体的振动信号利用EMD分解为有限个固有模式函数(IMF)之和;然后对前几个IMF分量进行包络分析,并求出包含主要故障信息的包络谱;最后通过对包络谱的分析,判断液压泵的工作状态和故障类型。实验结果表明,该方法有效提取了液压泵的早期故障特征,准确实现了液压泵正常、滑靴松动、滑靴与斜盘磨损及缸体与配流盘磨损四种状态的分类,是进行液压泵故障诊断行之有效的方法。 相似文献
17.
针对齿轮振动信号的非平稳特征和现实中难以获得大量典型故障样本的实际情况,提出了基于经验模态分解(empirical mode decomposition,EMD)和支持向量机的齿轮故障诊断方法。首先通过EMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模函数(intrinsic mode function, IMF);齿轮发生不同的故障时,在不同频带内的信号能量值会发生改变,故可以通过计算不同振动信号的EMD能量熵判断是否发生故障;从包含有主要故障信息的IMF分量中提取出来的能量特征作为输入建立支持向量机(support vector machine,SVM),判断齿轮的工作状态和故障类型。实验结果表明,文中提出的方法能有效地应用于齿轮的故障诊断。 相似文献
18.
19.
LIU Ran XU Bao-jieBeijing Key Laboratory of Measurement Control of Mechanical Electrical Systems Beijing Information Science Technology University Beijing P.R.China 《国际设备工程与管理》2011,(1):28-34
We first introduce the empirical mode decomposition(EMD)and holo-spectrum analysis.Then we decompose the vibration signal of the equipment by EMD,re-organize the signal closely associated with the original signal,eliminate the noise signal better,and analyze the holographic re-signal spectrum,which makes the amplitude,frequency and phase combine completely,reflecting the equipment vibration morphology fully.Particularly applying a two-dimensional holo-spectrum can obtain the direction of rotation order harmonic,size,shape,and the relationship between order harmonic generation rotor vibrations,and so on.The traditional signal processing methods can not eliminate noise well.We apply this method to the rotor vibration signal of fault diagnosis,eliminate noise and reflect the equipment vibration characteristics well. 相似文献