基于小波变换的阈值去噪方法

本文系统介绍了基于小波变换的的阈值去噪算法，给出了硬阈值函数，软阈值函数，线性半硬阈值函数法和Garrote阈值函数四种阈值去噪方法相应的程序，最后对比各种算法的结果，并阐述了去噪后的影响。     

基于EMD的振动信号去噪方法研究

煤矿机械在重载情况下运行,其振动信号往往具有非线性、不平稳等特性,其不仅带有大量设备运动状态的信息,同时也夹杂着大量的环境噪声,无法直接对其进行分析。而经验模式分解(EMD)在处理非线性、非平稳信号时具有一定优势,是一种自适应的信号处理方法。针对煤矿机械振动信号的特性,提出基于EMD的去噪方法,首先将振动信号进行EMD分解,得到各固有模态函数(IMF),然后计算各IMF与原始信号的相关系数,并将相关系统按照从小到大进行排序,通过相邻两个相关系数的差值最大,找到敏感IMF分量重构,实现非平稳信号的滤波,为机械设备后期故障诊断奠定了良好基础。并通过实验数据分析,验证了EMD方法对振动信号进行去噪的有效性及可行性。     

基于小波去噪和EMD的信号瞬时参数提取

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。     

基于Lipschitz指数的小波阈值去噪方法

对于非平稳信号,小波多尺度分解是一种有效的信号去噪工具.在D.L.Donoho的多分辨率小波阈值去噪方法的基础上,提出了基于Lipschitz指数的小波阈值去噪方法.仿真结果表明,采用基于Lipschitz指数的小波阈值去噪方法不仅有效抑制了由于硬阈值函数的不连续性而在信号奇异点附近产生的Pseudo-Gibbs现象,而且在更加彻底去噪的前提下很好地保留了信号的边缘信息.无论是在视觉效果上,还是在信噪比增益和最小均方误差意义上均优于传统的软硬阈值方法.     

适于泥石流除噪的EMD联合小波阈值除噪方法

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。     

基于EMD小波阈值去噪和时频分析的齿轮故障模式识别与诊断

建立了齿轮故障系统试验装置,对齿轮传动系统在各种转速与故障状态下进行测试分析,获取了有关振动信号,对齿轮系统的无故障、齿根裂纹、分度圆裂纹、齿面磨损四种状态信号进行特征提取,并对提取的信号进行基于经验模态EMD分解的小波阈值去噪处理,然后对预处理后的信号进行时频分析与诊断。结果表明,采用基于EMD的小波阈值去噪方法比单纯采用小波阈值去噪对测试信号进行预处理,能提高信噪比,并更加有效的提取出故障特征,而在EMD的小波阈值去噪的基础上,再与时频分析方法相结合能够较好的识别不同运转状况下不同种类的故障,如齿根裂纹、分度圆裂纹、齿面磨损等,可用于对实际工程工作的齿轮系统进行故障诊断。     

基于小波影响锥分析的小波域阈值去噪方法

分析了传统的小波域阈值去噪方法在信号的奇异点附近产生震荡的一方面原因.基于尽可能的保留携带奇异点信息的小波系数的思想,提出了一种基于小波影响锥分析的小波阈值去噪方法首先通过阈值确定重要小波系数的时间位置,然后在小波影响锥分析的基础上保留所有影响锥内的小波系数.试验表明,本文方法与传统的阈值去噪方法相比在抑制震荡的同时能显著地提高信噪比.     

基于小波影响锥分析的小波域阈值去噪方法

分析了传统的小波域阈值去噪方法在信号的奇异点附近产生震荡的一方面原因。基于尽可能的保留携带奇异点信息的小波系数的思想,提出了一种基于小波影响锥分析的小波阈值去噪方法:首先通过阈值确定重要小波系数的时间位置,然后在小波影响锥分析的基础上保留所有影响锥内的小波系数。试验表明,本文方法与传统的阈值去噪方法相比在抑制震荡的同时能显著地提高信噪比。     

基于交叉证认的EMD小波滤波在大桥动态监测去噪中的应用

在大桥动态位移监测中,为了更好地滤除噪声,提出了一种改进的交叉证认EMD小波滤波方法。即先用EMD对信号进行分解,再用交叉证认方法自适应地算出噪声主导分量,最后用小波阈值对噪声主导分量进行滤波;其中阈值函数选取极为关键,给出了一种新的阈值函数计算方法;最后进行信号重构。实例分析表明,该方法能够更有效地滤除噪声,提取大桥振动信息,是一种高效的去噪方法。     

基于ICA-CEEMD小波阈值的传感器信号去噪

针对传感器在采集信号时混入不同的噪声,提出一种基于ICA-CEEMD小波阈值的组合去噪算法。该方法是对一维含噪信号进行剪切分段、平移和拼接,得到几个不同的含噪信号作为独立分量分析(ICA)的输入通道信号。通过ICA的盲源分离技术使得信号和噪声进行初步分离。再利用互补集合经验模态分解(CEEMD)对分离信号进行分解去噪,由于不同的高频和低频噪声,需要对分解的高阶和低阶固有模态函数(IMF)进行处理。对第一层和最后一层IMF利用3σ原则提取细节信息,进一步抑制模态混叠影响,重构去噪信号。最后,利用小波阈值对重构信号做去噪处理,提升去噪效果和性能指标。为验证该方法的有效性,进行了仿真和中北大学汾机实测实验,结果表明,该方法在去噪效果和性能指标上都优于小波软阈值去噪和基于CEEMD的小波阈值去噪方法,是一种有效的信号去噪新方法。