果蝇优化小波阈值超声检测信号去噪

由于材料结构的复杂性,超声检测回波信号往往存在很多干扰噪声。针对钢制结构中平底孔的超声检测信号传统小波去噪方法中小波阈值难确定的问题,结合小波良好时频特性和果蝇的全局优化能力,提出基于果蝇算法(FOA)优化小波阈值函数的超声检测信号去噪方法。对原始信号叠加5d B高斯白噪声,通过测试最大信噪比改善量获得最佳小波基和分解层数,采用sym5小波对超声检测信号进行6层分解后,利用果蝇算法对小波阈值进行参数优化,对比传统4种阈值确定方法,提高小波阈值的精度。验证结果表明:该方法对超声检测信号去噪后信噪比、均方根误差和相关性等参数具有满意的效果,去噪效果明显。     

基于小波分析的锂电池空耦超声信号降噪研究

空耦超声波检测是锂电池无损检测的一种新型方法,在空耦超声波检测锂电池时,由于较低的声波透射率、硬件系统的噪声以及声波在电池中的散射噪声导致采集的超声波信号含有大量噪声,将有效信息淹没,信噪比较低.本文用400 k聚焦探头采集锂电池空耦透射信号,利用小波阈值去噪技术,通过对比信号的信噪比得出选择sym11, db10, coif5小波基,在分解层数为7～10层时,能将有效透射信号与缺陷分离.其中sym11小波基在分解层数为9层时处理的信号达到了最高的信噪比.     

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。     

基于小波变换的整车驾驶性评价信号去噪

整车驾驶性评价试验采集的加速度信号中混有噪声,严重影响了数据的准确性。针对整车驾驶性评价试验中采集的加速度数据存在的噪声对驾驶性评价指标值的准确性产生影响的问题,提出一种适合于整车驾驶性评价试验数据的小波去噪方法:根据整车加速度数据特征,初步选择备选的小波基函数,通过评价信噪比和均方根误差确定最优的小波基函数和阈值选取规则组合,在此基础上对含噪信号进行多个尺度的分解,通过评价由平滑度和均方根误差构造的复合指标确定最优小波分解层数,从而实现对噪声信号的滤除。对一换挡工况的加速度试验数据采用上述方法的去噪并进行分析,分析结果表明,该小波去噪方法不仅较好地保留了换挡工况中用于评价驾驶性的振动与冲击指标特征,并且能够有效地提取信号的有用频率成分,保证了驾驶性评价指标值的准确性。     

基于小波能谱熵的信号消噪方法

以表面肌电信号和脑电信号为例,提出了一种基于小波能谱熵的生物电信号消噪方法.将信号进行多尺度小波分解,对分解后各尺度的高频小波系数分区间计算小波能谱熵,根据能谱熵的分布特性确定滤波阈值,最后由低频部分小波系数和滤波后的各尺度上的高频小波系数重构得到消噪后的源信号.该方法具有阈值选取自适应性,操作方便.实验结果表明,基于小波能谱熵的消噪方法能有效滤除信号中的绝大部分噪声,且能较好地保留源信号的细节信息.     

旋转叶片振动信号的小波变换去噪处理

在旋转叶片叶尖定时测振系统中,叶片多处于大噪声工作环境,为了保障振动位移的高精度测量,需有效解决叶片振动信号的去噪问题.提出采用具有时频局部分析特性的小波变换方法对振动信号进行去噪,建立了叶尖定时测振系统的仿真模型.针对仿真信号的特征,对小波变换的小波基、阈值估计及小波分解尺度进行了参数优化,实现了宽频白噪声的有效滤除.并与传统的滤波和Savitzky-Golay(SG)平滑算法进行对比,结果表明小波变换去噪方法在去噪效果和减小振动位移测量误差上均具有明显优势,有较好的实际工程应用价值.     

非线性系统的小波分频的扩展Kalman滤波

基于噪声的小波变换特点,结合量测的多尺度分解和扩展Kalman滤波(EKF),提出了一种小波“最佳”尺度分解的分频EKF滤波算法。该算法依据小波变换模功率谱选择最佳小波分解尺度,并将小波多尺度分解去噪和分频EKF滤波结合起来。对实际中含强噪声的非线性动态系统进行状态估计效果较好。Monte-Carlo仿真表明,与普通EKF滤波相比,本文算法的滤波精度平均提高约10%。     

自适应小波阈值去噪算法在低空飞行声目标的应用EI北大核心CSCD

近年来,低空飞行声目标的探测与识别已得到军事领域的重点关注,而如何滤除信号中的背景噪声并准确保留信号的有效特征信息是该领域的一个难点。在研究小波去噪算法特点的基础上,针对低空飞行声目标信号的噪声特性,构建了一个新的阈值函数,通过自适应调整阈值函数实现在小波分解细尺度和宽尺度上对噪声信号最大限度的滤除,同时,运用香农熵理论来判断最优层数。通过大量的实验仿真验证,并与传统阈值去噪算法比较分析,结果表明该算法对去噪指标SNR有较大尺度的提高,可以更好的去除噪声,并对低空声目标信号去噪有很好的去噪效果。     

基于EEMD和小波的爆破振动信号去噪

针对爆破振动信号去噪的问题,提出基于EEMD(ensemble empirical mode decomposition,集成经验模态分解)和小波变换结合的去噪方法。首先,采用EEMD将爆破振动信号分解成若干个IMF分量,然后利用自相关函数选择主要包含噪声的分量,再利用基于无偏估计的小波阈值去噪方法分别对含噪声分量进行去噪,最后,将去噪得到的分量之和与剩余分量相加,得到最终的消噪信号。该方法兼具了小波去噪以及EEMD去噪的优点,使得去噪后的信号信噪比更高,有用信息保留更完备,为爆破振动信号的去噪提供了一条新的途径。     

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。     

基于最优Morlet小波和SVD的滤波消噪方法及故障诊断的应用

分析了传统的小波去噪方法和小波变换的滤波特性.利用小波变换技术、奇异值分解技术和Morlet小波良好的时域和频域特性,提出了基于最优Morlet小波和SVD的滤波消噪方法.首先,采用最小Shannon熵方法确定出最优Morlet小波;然后,利用奇异值分解技术确定出最佳变换尺度a;最后对信号进行滤波消噪处理,从而提取信号中的有用成分.实验结果表明,该方法具有良好的去噪性能,用于故障特征提取是有效的.     

硅微陀螺信号处理方法——基于前向线性预测小波变换方法

为补偿漂移误差对硅微陀螺的测量精度造成的损失,针对漂移误差易受外部环境噪声影响的特点,提出了一种基于前向线性预测（FLP）的小波变换（WT）处理方法——DWT-FLP算法,并通过硅微陀螺试验对其进行了验证。该方法利用快速小波变换算法进行信号的小波分解和小波重构,并将FLP方法用于小波分解系数的重构,比较显著地提高了重构信号的精度。对于4尺度的db4小波变换,40阶FLP的滤波方法可以将硅微陀螺静态漂移的标准差提高4.8倍,动态测量过程信噪比可以提高6.5dB,并且该算法的实时性也可以满足实际工程的需要。     

低速行驶地铁轨道振动信号小波去噪参数研究

针对地铁低速行驶时的轨道振动信号,分析小波去噪参数的选取对去噪效果的影响。以北京某地铁站附近的隧道断面的轨道铅垂向振动加速度信号为例,对轨道振动信号进行小波分解、阈值去噪和重构。以信噪比作为去噪质量评价指标,采用Kruskal-Wallis非参数检验方法分析小波系、小波阶数、小波分解层数和阈值的选取对去噪效果的影响。基于信噪比最大化原则,确定地铁低速行驶时轨道振动信号的最优小波去噪参数。结果表明：显著性水平0.05下,小波系、小波阶数的选取对地铁轨道振动信号小波去噪效果没有显著影响,不同的小波分解层数、阈值对地铁轨道振动信号小波去噪效果的影响不全相同;以SymletsA小波系的4阶小波为去噪小波基,经过3层小波分解,基于无偏似然估计阈值和软阈值函数进行小波去噪后的信号获得最大的信噪比,去噪后的振动信号保留了原始信号的峰值特征,同时信号曲线的光滑性有了显著改善。     

基于线性混合小波基的图像去噪

单小波基由于时频特性难以与复杂的图像特征相匹配,限制了小波闽值算法在图像去噪效果上的进一步提高.提出了一种基于线性混合小波基的图像去噪方法,将多个不同特性的正交小波基进行线性混合构成一个新的小波基,用该混合小波基对图像进行分解后再通过阈值处理实现去噪.调节混合系数,可使混合小波基的时频特性与图像特征相匹配,从而提高小波阈值去噪效果.实验结果表明,该方法去噪效果优于参与混合的各单小波基去噪效果,其峰值信噪比(PSNR)最大可提高3.5 dB.     

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。     

小波阈值去噪法在超声信号处理中的应用研究

研究了小波阈值去噪方法在超声信号处理中的应用.在对用超声方法测得的信号进行去噪处理的过程中,探索了不同的小波基和阈值选取准则对阈值去噪结果的影响.通过对去噪信号的图形以及统计特性的分析和比较,选用Sym小波系中的Sym8小波和“Minimaxi”阈值选取准则对测得的信号进行去噪处理.实验结果表明：小波阈值去噪方法在超声检测去噪中能够取得较好的效果.     

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.     

基于经验模态分解及小波变换的炸药NQR信号处理

为解决炸药NQR信号去噪问题,针对NQR信号非线性与非平稳性特点,提出基于经验模态分解及小波变换联合的信号去噪方法。据实验测试的黑索金NQR信号对所提方法进行去噪性能分析。结果表明该方法在保留信号有用信息的前提下可有效去除噪声,从而提高信噪比、克服小波阈值去噪与直接EMD去噪缺陷,自适应性良好,为有效的炸药NQR信号去噪方法。     

基于小波变换的轮轨垂向力信号降噪

轮轨力应变信号在采集过程中,由于噪声干扰的存在,将严重影响所采集数据的准确性。针对轮轨力应变信号中存在的基线漂移和随机白噪声,提出基于小波变换的去噪方法:采用db 6小波基,根据小波多分辨率分析理论,以大尺度分解的逼近分量估计基线漂移成分,从而消除基线漂移;对于随机白噪声则是运用小波阈值去噪法,先根据离散有限序列的自相关函数确定小波分解的最优分解层数,然后采用最小最大阈值以及硬阈值函数,从而实现对白噪声的滤除。仿真与实测数据分析都表明该去噪法能达到比较理想的效果。