小波去噪结合信道估计在OFDM系统中的应用

在正交频分复用（OFDM：Orthogonal Frequency Division Multiplexing）系统中，我们通常从频率域的角度估计信道衰落因子，在频率域，发射的信号在经历了乘性衰落的同时还经历了加性的噪声的干扰，不论我们采用哪种方法来估计乘性的衰落因子，加性噪声的干扰始终存在，从而影响了估计的质量，将小渡去噪用于信道估计中以去除其中的加性干扰。从而在不增加复杂度的前提下，提高了信道估计的准确度，进而提高了整个系统的性能，同时证明了该方法适用于不同的信道环境（频率选择性衰落信道、平坦衰落信道、快衰落和慢衰落信道）。     

小波包分析在GPS 数据去噪中的应用

基于小波包分析,提出了一种新的自适应阈值快速优化算法。算法根据每层的不同节点的小波系数产生与节点相对应的阈值,同时根据阈值化后的小波系数个数,用一种新的“快速优化”方法来减少算法的运算量,提高运算速度。通过对河北某市的地面沉降监测数据的去噪实验,验证了算法的优越性。     

基于相关系数的EEMD转子信号降噪方法

针对转子振动信号周期性强的特点,应用集合经验模式分解(ensemble empirical mode decomposition,简称EEMD)对转子振动信号降噪过程中固有模式函数(intrinsic mode functions,简称IMF)分量的选取问题,提出了基于相关系数的EEMD降噪方法。首先,对原始信号进行EEMD分解得到IMF分量,并计算各IMF分量自相关函数与原信号自相关函数的相关系数;然后,根据相关系数选择相应的IMF分量重构信号最终达到对原信号降噪的目的;最后,对比了EEMD过程中不同加噪次数对降噪效率和效果的影响,给出了加噪次数的设置方法。仿真信号和转子振动信号的降噪结果表明了该降噪方法的可行性和有效性。     

小波空域去噪改进算法在焊接缺陷信号分析中的应用

针对高温合金摩擦焊接头超声检测中缺陷信号特点,通过运用遗传算法对小波阈值函数进行寻优,提出一种小波空域相关系数去噪的改进算法。该方法可以对缺陷信号的相关系数进行非线性阈值处理,进而实现对非平稳焊接缺陷检测信号的去噪处理。为后续进一步实现缺陷的准确分析奠定基础。     

小波阈值降噪算法中最优分解层数的自适应选择

小波阚值降噪算法是一种去除数字信号中白噪声的有效算法．针对加性高斯白噪声的情况,提出一种自适应小波降噪算法,用于语音信号的增强．它能根据带噪信号的特点,自适应选择小波变换的最优分解层数．实验结果表明,该算法比经典的小波降噪算法具有更好的降噪效果,能有效提高算法的实用性能．     

一种基于复小波变换提取PD信号的分块自适应复阈值算法

基于复小波系数之间的相关性以及块阈值算法能充分利用周围小波系数的特点,创建一种用于复小波变换对PD信号的去噪的分块自适应复阈值算法,并与点自适应复阈值算法和分块自适应实阈值算法的去噪效果进行了对比.利用变化趋势参数(VTP)和波形相似性参数(NCC),并结合去噪前后的信噪比(SNR)对仿真PD信号的去噪效果进行综合评价.最后,将分块自适应复阈值技术用于对实验室实测的模拟GIS超高频PD信号的去噪.结果表明,采用分块自适应复阈值算法的复小波变换抑制白噪声效果更好,在保证高信噪比(SNR)或噪声抑制比(NRR)的情况下,对信号的畸变也更小.     

遗传算法用于局部放电小波自适应阈值去噪

小波去噪用于局部放电信号在线监测具有良好的效果,阈值选取与局部放电去噪后信号的畸变具有紧密联系。为提高局部放电监测中小波去噪的自适应能力,并降低去噪信号的畸变率,提出一种小波自适应最优阈值去噪算法,用于变压器局部放电脉冲信号去噪。该方法采用小波对局部放电信号进行分解,在阈值选择时采用基于史坦无偏似然估计(SURE)的最优阈值自适应选择方法,并引入一种新的具有多阶导数的阈值函数,结合二进制遗传算法全局自适应搜索最优阈值,使最优阈值自适应寻优速度大大提高。对局部放电仿真信号和现场局部放电信号的去噪结果表明,该方法与Donoho阈值计算公式及标准软阈值法相比,能更好地去除局部放电信号中的白噪声,去噪信号失真度较小,具有良好的应用价值。     

基于小波和高阶PDE的电缆局部放电去噪研究

局部放电(PD)试验是检测电力电缆绝缘性能的重要手段,由于试验现场电磁环境比较复杂,提取所得的PD信号已被噪声淹没。为得到较为真实的PD信号,提出了一种基于小波变换和高阶偏微分方程(PDE)相结合的去噪方法。利用小波变换提供较好的局部放电信号预处理和后处理平台,对低频子信号进行四阶PDE迭代去噪,同时采用效果评价指数信噪比(SNR)作为迭代终止条件。将该方法的去噪效果与传统的小波阀值去噪效果进行了比较,经过计算和仿真分析表明,文中方法能够较好的保留信号边缘与细节,比传统小波阀值去噪具有更优越的去噪性能。     

含噪声车用柴油机振动信号混沌识别

为提高柴油机故障诊断的准确性与可靠性,针对含噪声车用柴油机振动信号的瞬时非线性特点,将含噪声柴油机振动信号经验模态分解,去掉主要干扰因素所对应的IMF分量,再将剩余IMF分量进行重构,得到去噪声后柴油机振动信号时间序列;并应用混沌理论,选择合适的时滞τ,对去噪后车用柴油机振动信号时间序列进行相空间重构,并得出了不同嵌入相空间下去噪后车用柴油机振动信号时间序列关联维的变化规律.结果表明:重构的去噪后车用柴油机振动信号能反映柴油机机身振动的真实趋势,是混沌序列,并具有分形特征.在车用柴油机系统中,影响去噪后车用柴油机振动信号的系统内部因素最多可达8个,最小不会小于1个,这为柴油机振动信号的在线故障诊断提供了理论依据.     

双自寻优小波去噪方法及其在滚动轴承故障诊断中的应用

阈值和阂值函数的选取是小波阈值去噪方法中影响去噪效果的最重要的两个因素．经典方法与后续诸多改进方法都存在两者之间相互选取无法解决耦合性的问题,难以在噪声环境中提取有用的滚动轴承故障信号．在论述了已有方法中存在的耦合性和数与数组合的问题后,提出了一种双自寻优的方法解决这种问题．双自寻优方法中把所有阈值和阈值函数的参数可能性相互组合,在这些组合中找出最优去噪组合．闽值的寻优范围由信号自身的高频死去值决定,文中给出了解决方案并予以证明,阈值函数的选取本文以带参数的软硬阈值折衷法为基准,其参数寻优范围为0到1．通过模拟轴承信号和真实轴承故障信号的实验结果表明,此算法得到了更高的信噪比和更好的图像外观．