二代小波降噪在激光陀螺信号滤波中的应用

为了抑制激光陀螺的随机漂移,提高其使用精度,提出了一种改进的第二代小波变换降噪方法对陀螺随机漂移测试数据进行滤波处理.该方法在二代小波变换时采用多组预测器和更新器,根据变换样本与相邻样本之间的相关性检测信号的局部特征,确定每个尺度上的每个变换样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.该方法克服了传统小波变换降噪方法的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.运用该方法对激光陀螺测试数据进行了滤波降噪实验,并用Allan方差法对不同降噪算法的降噪效果进行了比较分析,实验结果验证了该方法的有效性和优越性.     

局域均值分解在MEMS陀螺随机误差消噪上的应用

针对标准Kalman滤波需要建立准确的系统模型、小波阈值降噪对小波基和阈值的选取依赖于经验的不足,将局域均值分解(LMD)方法引入MEMS陀螺的随机误差滤波.该方法可自适应地将随机误差信号分解为若干PF分量之和,且对各分量进行小波降噪处理,将处理后的各分量相加得到降噪信号.实验分析表明该滤波方法效果明显.     

光纤陀螺全频域小波阈值降噪技术

为了有效地去除光纤陀螺信号中的分形噪声,提出了全频域小波多尺度阈值降噪方法。从分形信号的分数微分形式出发,建立了分形信号与高斯白噪声之间的联系,结合小波分析的高阶消失矩特性,实现了分形信号在小波空间的去相关。当分形信号被具有高阶消失矩的小波分解后,其在小波域具有白噪声的特点,可以采用阈值处理的方法予以去除。同时,根据陀螺信号噪声的宽频带特点,对小波分解的低频近似系数和高频细节系数进行阈值处理,有效地抑制了噪声成分。光纤陀螺信号的降噪实例表明:相比传统的小波阈值降噪方法、卡尔曼滤波方法和滑动平均滤波方法,该方法具有较好的降噪效果。     

基于变分模态分解的自适应滤波降噪方法

为了提高分析信号的信噪比,本文提出了一种基于变分模态分解的变步长归一化最小均方自适应滤波降噪方法.该方法对原信号进行变分模态分解并区分信号分量和噪声分量,再对噪声分量进行间隙阈值降噪处理并将其作为参考信号输入自适应滤波器,通过自适应算法迭代处理得到降噪后的信号分量,并通过重构算法得到最终降噪后的信号.本文还在变分模态分解的基础上使用小波阈值降噪和间隙阈值降噪方法按不同方案进行降噪处理并得到最佳算法,将其与所提算法进行对比.实验结果表明,本文所提自适应滤波降噪方法的降噪效果比阈值降噪最佳方法效果更好.     

基于经验模态分解的有载分接开关振动信号识别

为了提升有载分接开关振动信号降噪效果及故障识别准确率,研究了一种基于经验模态分解的有载分接开关振动信号识别方法。该方法对有载分接开关振动信号进行采用掩膜的经验模态分解,降低模态混叠;采用阈值滤波方法对各个固有模态函数进行处理,降低噪声影响;再采用相关系数法选取特定固有模态函数并进行信号重构,采用时频分析和卷积神经网络方法进行特征提取和故障识别,得到故障识别结果。实验结果表明,利用所提出的方法进行降噪处理后的识别准确率得到有效提高。     

基于经验模态分解的光纤陀螺1/fγ类型分形噪声滤除方法

提出了一种可有效滤除输出信号中干扰信号的新的光纤陀螺信号降噪方法.中高精度光纤陀螺的随机噪声中包含了白噪声和具有长程相关性、自相似性及1/fγ型谱密度特点的一种非平稳随机噪声--1/fγ型分形噪声.利用传统的滤波方法无法有效去除该类分形噪声,而新方法以经验模态分解(EMD)和阈值降噪方法为核心,结合提升小波理论对光纤陀螺的输出信号进行软阈值滤波,进而提高光纤陀螺的精度.利用这种新方法对多组实测数据进行滤波仿真实验,结果中仅偏置稳定性一项性能指标就已表明,使用新滤波方法滤波后数据精度可提高一个数量级,而相较传统的小波滤波方法可提高2.5倍,故此验证了新方法的有效性.     

小波分析在陀螺信号滤波中的研究

介绍了小波分析进行滤波法，建立了陀螺随机漂移的数学模型，使用了4种典型的小波基对陀螺的输出信号进行多尺度的小波分解，通过软阈值法消除了由噪声产生的小波系数，通过小波重构实现了滤波，试验数据验证了方法的有效性。     

基于EMD-NLMS的船舶发动机声信号降噪处理方法

针对船舶声信号降噪滤波的问题,提出了一种基于经验模态分解-归一最小均方的算法。该方法进行经验模态分解得出噪声分量,将得到的噪声分量作为输入信号进行自适应滤波,通过自适应滤波算法迭代处理得到降噪后的信号分量,并把信号分量叠加得到最终降噪后的信号。通过对比最小均方算法、归一化最小均方算法、经验模态分解-最小均方算法和经验模态分解-归一最小均方算法对船舶声信号的降噪效果,得出在船舶声信号滤波降噪方面经验模态分解-归一最小均方算法相比于其他三种算法有更好的滤波效果。     

基于EMD-LSSVM的多尺度混合建模方法及其应用

激光陀螺漂移时间序列具有非平稳和非线性的特点,单一预测模型难以准确跟踪其变化趋势。研究了基于经验模态分解（EMD）和最小二乘支持向量机（LSSVM）的多尺度混合建模方法及在激光陀螺漂移预测中的应用。首先,利用经验模态分解将漂移时间序列分解为多个本征模式分量,在采用具有适当核函数的最小二乘支持向量机分别对这些分量进行预测后,以加权集成方式得到最终预测结果。最后,将该方法用于激光陀螺的随机漂移预测中,仿真结果表明:该方法能够准确预测激光陀螺漂移值,取得了比单一模型更好的预测效果,能够为激光陀螺的漂移补偿、故障预报和可靠性诊断提供参考。     

基于经验模态分解的自适应滤波算法及其应用

在对炮膛进行检测时,由于温度、光照强度等影响,使得测得的信号带有很大的噪声,当噪声频带很宽时,自适应滤波器的参数设置比较困难,致使去噪效果不明显.为此,提出了一种基于经验模态分解的自适应滤波算法,该算法基于信号和噪声经过经验模态分解后在不同的IMF上有不同的特征,即先对信号进行经验模态分解,然后对各个高频IMF信号分别选用不同的滤波参数,进行自适应滤波处理.通过实验对比研究了该算法与普通自适应去噪、多尺度EMD滤波的降噪效果,实验表明,该算法具有很好的去噪效果.将该算法应用于炮膛检测系统中身管内径测量信号的降噪处理,取得了满意的效果.     

基于主成分分析的经验模态分解消噪方法

 针对非线性非平稳信号的去噪问题,提出一种基于主成分分析(PCA)的经验模态分解(EMD)消噪方法.该方法根据EMD的分解特性,利用PCA对噪声信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理:首先利用"3σ法则"对第一层IMF进行细节信息提取,并估计每层IMF中所含噪声的能量;然后对IMF进行PCA变换,根据IMF中所含噪声的能量选择合适数目的主成分分量进行重构,以去除IMF中的噪声.为验证本文方法的有效性,进行了数字仿真与实例应用实验.实验结果均表明,所提方法的消噪效果整体上优于Bayesian小波阈值消噪方法和基于模态单元的EMD阈值消噪方法,是一种有效的信号消噪新方法.     

小波域中值滤波在激光陀螺信号处理中的应用

各种随机噪声是导致激光陀螺产生误差的主要因素,且其性质特殊,很难用传统的滤波方法去除。为了减小激光陀螺的随机误差,提高测量精度,提出了小波域的中值滤波器滤波方法,对激光陀螺零漂数据进行了滤波,并采用Allan方差法对滤波效果进行了定量分析。结果表明,此方法的滤波效果优于中值滤波和小波软阈值滤波效果,能有效地减小激光陀螺零漂信号中的角度随机游走、角速度随机游走、速率斜坡、零偏不稳定性和量化噪声,提高激光陀螺零漂输出的稳定性。     

模极大值降噪法在信号降噪中的应用

利用信号与噪声奇异点Lipschitz指数的区别,以及反映在其小波变换模极大值曲线上的特点,应用小波变换模极大值降噪法,对含有带限高斯白噪声的数字通信信号进行了降噪处理,并对降噪原理、算法和仿真结果进行了较为详细的分析。提出了一种信号重构新方法,该方法利用小波变换对信号和噪声的模极大值进行分离,通过对噪声模极大值对应的小波系数进行线性压缩后重构信号,并用仿真试验验证了该方法的有效性。     

基于空域相关的激光陀螺信号滤波方法研究

针对传统滤波方法滤除激光陀螺随机噪声性能低的特点,提出了一种改进的空域相关滤波方法。该算法通过引入阈值系数概念,选取一个合适的阈值终止算法的迭代过程来去除残留的噪声信息。实验采用Allan方差法对滤波效果进行定量分析,结果表明基于改进的空域相关滤波方法能够减少迭代次数节约计算量,有效地减小随机误差,提高测量精度。     

极点均值型经验模式分解及其去噪应用

使用经验模式分解（EMD）对信号进行去噪时,由于EMD 本身会产生模态混叠,往往很难将噪声完全分离。针对这一问题,提出了一种新型的极点均值型EMD 方法,并且给予固有模态函数（IMF）一个新的定义。首先,将相邻极点平均以求得均值包络,然后迭代相减进而获得IMF。最后用原始信号减去分离出的高频IMF 实现去噪。随机信号仿真以及激光雷达回波信号去噪实验表明,该方法与EMD 分解相比,可以更好地将噪声分离,有效地抑制模态混叠,更可以极大地减小均方误差。因此,极点均值型EMD 拥有很好前景。     

基于小波包分析的激光陀螺信号滤波方法

各种随机噪声是激光陀螺误差的主要来源。为了减少激光陀螺的随机误差,提高其测量精度,介绍了基于小波包分析的滤波方法,研究了小波包分析和滤波的原理、熵标准和阈值函数的选取,比较了选择不同熵标准、阈值函数对激光陀螺信号滤波的效果,并采用Allan方差法分析滤波效果。结果表明基于小波包分析的滤波方法能有效减小随机误差,提高激光陀螺的测量精度。     

自适应滤波算法在微弱振动测量中的应用

将递归最小二乘自适应滤波算法应用于激光多普勒测振技术中,搭建了相应的微弱振动测量装置。模拟仿真与实验中,通过与设计的切比雪夫低通滤波算法对比,结果表明:该递归最小二乘自适应滤波算法能够有效抑制随机高斯白噪声,还原出原始信号;能够对简谐振动信号实现有效滤波,并且可以还原出淹没在噪声中的低频20 Hz信号;文中算法可以去除语音噪声,使声音更加纯净,增强语音信号,以此验证了该算法在外差振动测量中的可行性。该算法简单易用、收敛性强、速度快,尤其对于随机噪声的去除比普通的低通滤波器更加有效。     

EMD相关度去噪及其在轧机信号处理中的应用

基于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.对含噪信号进行EMD分解得到各IMF分量,并结合相关度阈值函数计算各分量的相关度值,再与预定阈值比较获取满足阈值要求的IMF并对其进行信号重构最终得到去噪信号.该方法消除了EMD时间尺度滤波不适用于噪声和信号在IMF成分混叠情祝下的限制.通过平稳和非平稳含噪信号去噪仿真实验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.     

光纤陀螺基于SNR检测的EMD滤波方法

光纤陀螺的输出信号是一种非线性、非平稳的随机信号.针对光纤陀螺信号的特点采用经验模分解(EMD)滤波法对陀螺输出信号进行滤波存在一个如何重构信号的问题,为此提出了基于信噪比检测的EMD滤波法.该方法通过连续检测相邻两个重构信号信噪比提高的程度来确定滤波后的输出信号.实验结果表明,该法能有效消除光纤陀螺信号中的噪声,并为EMD滤波法重构信号提供了一个客观的判断方法,且无需任何先验知识.     

Gaussian Noise Filtering from ECG by Wiener Filter and Ensemble Empirical Mode Decomposition

Empirical mode decomposition (EMD) is a powerful algorithm that decomposes signals as a set of intrinsic mode function (IMF) based on the signal complexity. In this study, partial reconstruction of IMF acting as a filter was used for noise reduction in ECG. An improved algorithm, ensemble EMD (EEMD), was used for the first time to improve the noise-filtering performance, based on the mode-mixing reduction between near IMF scales. Both standard ECG templates derived from simulator and Arrhythmia ECG database were used as ECG signal, while Gaussian white noise was used as noise source. Mean square error (MSE) between the reconstructed ECG and original ECG was used as the filter performance indicator. FIR Wiener filter was also used to compare the filtering performance with EEMD. Experimental result showed that EEMD had better noise-filtering performance than EMD and FIR Wiener filter. The average MSE ratios of EEMD to EMD and FIR Wiener filter were 0.71 and 0.61, respectively. Thus, this study investigated an ECG noise-filtering procedure based on EEMD. Also, the optimal added noise power and trial number for EEMD was also examined.