小波阈值降噪与经验模态分解在信号瞬时特征提取中的应用

为了在信号瞬时特征提取过程中有效降低噪声干扰影响,提出一种基于小波阈值降噪和经验模态分解(EMD)的信号瞬时特征提取方法。根据信号特征选择适合的小波阈值函数进行降噪处理,然后对降噪信号进行EMD分解,以互相关系数作为判别依据,保留含有信号瞬时特征的本征模函数(IMF),并进行Hilbert时频谱图和边际谱图分析,最终完成信号瞬时特征的提取。     

基于CEEMD与小波阈值的机械密封声发射信号自适应降噪方法

针对机械密封声发射信号容易受到环境噪声干扰,难以有效地从背景噪声中分离的问题,提出将互补集合经验模态分解(CEEMD)与改进小波阈值降噪方法相结合的声发射信号自适应降噪方法。根据白噪声经经验模态分解(EMD)后其固有模态函数分量的能量密度与其平均周期的乘积为一常数的特性,自适应地判定CEEMD信噪分量的分界点;为避免小波原阈值函数的缺陷,应用改进小波阈值函数对高频IMF分量进行降噪处理,然后同其余的IMF分量进行信号重构,完成降噪过程。对仿真信号和采集的机械密封声发射信号的降噪结果,证明了该降噪方法的有效性和可行性。     

基于小波分析的声发射信号降噪处理方法

声发射检测过程中的噪声干扰问题,一直是困扰声发射技术工程应用的主要障碍之一,介绍了一种新兴的基于小波分析的声发射信号降噪处理方法,能有效降低噪声。     

基于Lab VIEW的声发射信号小波阈值去噪研究

虚拟仪器代表着目前测试仪器领域的发展方向,LabVIEW语言是一种功能强大的仪器开发平台。对淹没在噪声中声发射信号的有效提取（去噪）是声发射信号处理技术的第一步,也是声发射信号处理的关键所在。本文介绍了基于小波变换的阈值去噪方法。在LabVIEW平台上,通过仿真试验,对声发射信号的几种阈值法的去噪结果进行比较,选出一种适合声发射信号去噪的阈值准则。     

基于平移不变小波阈值算法的经验模态分解方法

针对经验模态分解(EMD)处理存在间断事件的数据会引起模态混叠的问题,提出了一种经验模态分解与小波去噪相结合的新方法.由于传统的小波变换去噪会使信号在间断事件处产生人为的振荡现象,故先用平移不变小波去噪算法对信号进行预处理,消除间断信号对EMD方法的影响,再对信号进行EMD分解.理论计算及实验研究表明:只有在有效消除异常干扰的情况下才能获得可靠的IMF分量,采用本文的方法消除间断信号对EMD分解的影响是有效可行的.     

声发射信号降噪及在裂纹检测中的应用研究

针对采用声发射技术评估疲劳裂纹断裂状态时存在噪声干扰,以及采用小波包阈值降噪方法或集合经验模态分解降噪方法处理信号时会受到阈值选取、模态分量等因素的影响等问题,对上述两种降噪方法的工作原理进行了分析。提出了将两者相结合的声发射信号降噪方法,根据声发射信号处理流程可分为IMF-WPT降噪方法、WPT-EEMD降噪方法和EEMD-WPT降噪方法;利用以上3种降噪方法对同一模拟含噪声疲劳断裂声发射信号进行了降噪处理,分别计算了降噪处理后信号的信噪比和失真度;分别进行了金属材料和焊接结构疲劳裂纹扩展试验,利用WPT-EEMD降噪方法对采集声发射信号进行了降噪处理。研究结果表明:WPT-EEMD降噪方法降噪后的信号信噪比为10.32,失真度为0.31%,降噪效果最好;该方法可以有效去除高频噪声的干扰,提高分析结果的可靠性。     

小波降噪在起重机声发射信号方面的应用

检测起重机械的方法主要是常规无损检测,但是这种常规方法一般不具备实时性特点,为了弥补这点缺陷,提出采用声发射技术来实现检测。在本次实验中搭载了试验系统,研究了起重机常用钢材Q235试件在不同缺陷条件下的声发射信号特性,同时运用有限元分析,小波分析来研究声发射信号和预制缺陷之间的关系,通过比较频谱和声发射参数,来获取有用的的缺陷信息。试验结果表明,可以根据波形的分析简要判断所检测试件的受损情况。     

小波阈值法在机械信号降噪研究中的应用

在操纵稳定性试验数据的采集过程中,由于存在外界干扰,试验数据会受到强烈的噪声污染,从而对试验数据的处理及分析造成负面影响。以汽车操纵稳定性试验数据为研究对象,详细阐述了小波阈值去噪法的基本原理和流程,提出了一套可用于车辆操纵稳定性试验数据去噪处理的小波阈值去噪方法。进行了汽车操纵稳定性试验,以转向轻便性试验数据为例,利用小波阈值去噪法、窄带滤波法对试验数据进行了去噪处理并对比了两种方法的去噪效果,结果表明,小波阈值法能够更有效地保持试验曲线的低噪与平滑特性,具有更好的去噪效果。     

运用总体经验模态分解的疲劳信号降噪方法

将总体经验模态分解(ensemble empircal mode decomposition,简称EEMD)用于疲劳应变信号降噪,并与小波变换(wavelet transform,简称WT)方法进行了对比.提出了基于EEMD方法的疲劳应变信号降噪计算步骤,并分别用于模拟信号、试验数据和实测资料的降噪处理.讨论了EEMD计算参数对降噪效果的影响,给出了计算参数的选取原则.结果表明,EEMD方法可以较好地降低疲劳信号的噪声,提高应力循环次数统计的准确度,具有自适应的特点.     

基于小波包的经验模态分解法的研究及应用

针对多频信号经验模态分解中的模态混成现象，提出了一种经验模态分解与小波包分解相结合的新方法。经验模态分解方法基于信号的局部特征时间尺度，把复杂的信号函数分解为有限的固有模态函数之和。利用最小Shannon熵准则，对出现混成模态的固有模态函数进行小波包分解，并根据小波包分解后各频带信号的频率分布特征，选择能量比重较大的频带信号进行重构，将重构信号作为新的固有模态函数分量。仿真信号和齿轮箱故障实测数据表明，新方法能将不同的频率成分提取出来，从而提高了经验模态分解的分解能力。     

基于小波-中值降噪的经验模式分解及应用

为提高经验模式分解(EMD)质量,降低模式混叠,使分解得到的固有模式函数(IMF)序列能较好地反映设备的振动模式,针对EMD在信号处理方面存在的不足,利用小波消噪对高斯噪声的滤除作用,以及中值滤波对脉冲干扰较好的抑制作用,引入小波-中值组合滤波设计,对待分解数据进行预处理以滤除随机噪声并抑制脉冲干扰.将该方法应用到航空发动机振动信号处理中,能够有效减少各IMF的“筛选”次数和EMD分解层数,降低端点效应在EMD分解过程中的累积作用,抑制模式混叠现象.分解结果表明,使用组合滤波设计能更好地反映出发动机的振动模式和工作状态,并能获取表征高压转子和低压转子振动特征的数据分量.     

基于改进MCKD方法的声发射信号降噪

针对强噪声环境中故障声发射信号提取的难题,在最小熵解卷积MED(Minimum Entropy Deconvolution)和最大峭度解卷积MCKD(Maximum correlated kurtosis deconvolution)的基础上,提出一种基于双向循环重构滤波准则的改进MCKD降噪方法。双向重构准则能够充分利用数据中的冲击成分,具有较强的抗冲击幅值变化干扰能力,改进MCKD方法通过滤波器迭代提取有用信号达到降噪目的。通过仿真信号和轴承故障声发射实验信号的研究表明:改进MCKD方法能有效提取原始信号中的有用故障信息,其降噪性能优于MED方法和MCKD方法。     

多金属离子极谱信号的改进经验模态分解降噪

针对多金属离子极谱2阶导数信号易受外部环境和内部电路噪声干扰的问题,结合极谱2阶导数信号的峰形特点,提出一种基于改进经验模态分解(EMD)的极谱信号降噪方法。首先对信号进行EMD分解得到固有模态函数(IMF)分量,统计IMF分量中的局部极大值点数目,判断EMD分解是否停止;再根据IMF分量与原信号之间的关联度,将IMF分量分为3类,对不同类分量分别进行降噪处理;最后进行重构。仿真实验结果表明:该方法与标准EMD法相比能有效减少分解步骤,缩短分解时间;与小波阈值法相比,对信噪比的提升更大,最小均方误差更小。对铜钴镍3种离子的2阶导数极谱信号的降噪结果表明,该方法有效去除了离子极谱信号的噪声,并较好地保留了信号的细节特征,对极谱法测量多金属离子浓度有重要意义。     

活塞涡流信号的小波阈值降噪优化研究

涡流检测信号在产生、传输及接收过程中,会引入大量的随机噪声,为了后续信号特征提取识别处理,降噪在信号处理中是必不可少的一个环节。阐述了小波阈值降噪的基本原理,搭建了活塞喉口涡流检测实验平台。采集多组涡流检测信号,结合信噪比、均方根误差两项指标,评价降噪过程中阈值、阈值函数选取的不同对降噪效果的影响,对降噪方法进行比较优选。实验结果表明:当涡流检测信号中含有大量白噪声时,启发式阈值准则和改进指数型阈值函数能够很好的实现真实信号的提取,降噪效果最优。     

基于经验模态分解的脉搏信号特征研究

通过研究了脉搏信号的时域特征,利用阈值法提取了脉搏信号的时域特征点,得到了潮波与主波峰值的比值以及脉图K值.在分析经验模态分解算法的基础上,利用其对非稳态信号分解的自适应性,对典型高血压病人和正常人脉搏信号进行了EMD分解,研究了脉搏信号各模态的能量特征,提出了模态能量商的概念.对临床采集的130例高血压病人、高校50例健康中年人和50例健康大学生脉搏信号分别进行潮波与主波比值、K值和模态能量商特征计算,结果表明模态能量商能够区分正常人和高血压病人,并且与高血压弦脉程度有较好的相关性.实验证明所提出的模态能量商特征具有较好的重复性与稳定性,可以作为脉搏信号识别的特征向量.     

基于动态小波阈值的齿轮箱振动信号降噪方法

在齿轮箱的故障诊断、在线监控等领域,通常将振动信号作为最主要的分析来源。齿轮箱在起重机的实际运行过程存在多种机构相互交联影响的情况,且信号多数时候只能通过间接的形式采集获取,造成信号中存在大量杂乱无章的干扰噪声,影响了对信号的识别和特征的提取,容易造成对故障的错报和漏报等问题。文中深入分析硬阈值函数、软阈值函数、半软阈值函数和Garrote函数,提出动态调整小波阈值的算法。动态阈值算法可以在有效抑制噪声和保留信号中有用成分之间取得更好的平衡。通过模拟信号和实测故障振动信号进行对比测试,结果表明这种动态小波阈值降噪的方法相对于半软阈值函数和Garrote阈值函数的降噪算法具有更高的信噪比和较低的均方根误差。     

基于改进平移不变量小波阈值法的齿轮泵振动信号降噪

齿轮泵的振动信号中含有大量噪声,在对其进行应用之前必须降噪处理。传统的小波阈值降噪法在信号的奇异点附近会产生振荡现象,为此研究了一种新的小波阈值函数,把新的阈值函数和平移不变量相结合,提出了改进小波阈值法的平移不变量降噪方法。该方法克服了软、硬阈值的缺陷,同时抑制阈值法降噪时产生的伪吉布斯(Pseudo-Gibbs)现象。利用该方法对仿真信号和实测齿轮泵振动信号进行降噪处理,并与小波软、硬阈值法及新阈值法进行了对比。结果表明:该方法具有更好的降噪效果,可应用于齿轮泵振动信号降噪处理。     

基于改进小波阈值的激光陀螺漂移信号降噪

针对固定阈值法对激光陀螺漂移信号去除噪声会出现"过扼杀"小波系数的现象,提出一种称为E-median的小波阈值.信号进行平稳小波变换,计算各尺度高频小波系数的E-median阈值,采用软阈值法修正高频小波系数,通过平稳小波逆变换重构信号.对激光陀螺漂移仿真信号和实测信号去除噪声,该阈值均能保留原信号的特征并有效去除噪声...     

基于EEMD分解和改进小波阈值降噪的齿轮故障诊断

针对齿轮箱振动信号易受噪声影响以及齿轮箱振动信号比较复杂的特点,提出基于EEMD分解和改进小波阈值降噪的齿轮故障诊断方法。首先对经过EEMD分解的IMF分量中的高频分量进行改进小波阈值降噪处理,重构信号后得到降噪信号。实验结果表明应用该方法可以较为准确地识别齿轮故障。     

运用改进掩膜信号法的经验模态分解

为了克服经验模态分解中出现的模态混叠现象,提出了一种基于改进的掩膜信号法的经验模态分解方法。该方法通过设置掩膜信号,并依据能量法优化掩膜信号的选择,结合经验模态分解达到了消除模态混叠现象的目的,并利用仿真信号以及齿轮箱振动信号进行了验证。试验结果表明,该方法可有效分离混叠模态,提取有用信号。