小波新阈值法在振动信号去噪中的应用研究

针对传统的软、硬阈值函数去噪方法的缺陷,提出了一种基于小波的新阈值函数去噪算法,运用该方法对风力发电机齿轮箱的振动信号进行分析,排除振动信号中的噪声干扰,准确地提取故障信息。通过实验分析,对比了新阈值函数和传统软、硬阈值函数的去噪效果,证实新阈值函数在去除高斯白噪声方面表现出了良好的特性,重构信号更贴近真实信号,为风力发电机齿轮箱的故障诊断奠定基础。     

基于改进小波阀值的振动信号去噪方法研究

采取小波算法,运用小波变换阀值法对振动信号进行去噪。对比了传统的软阀值函数和硬阀值函数的优缺点,并在软、硬阀值函数的基础上,提出了一种改进的阀值函数的方法。通过与软、硬阀值函数方法去噪效果的仿真对比分析,新的去噪方法提高了重构信号的信噪比,可以有效去除噪声,并对原始信号的细节特征保留较好。     

一种新的小波阈值去噪算法研究

为了更好地消除噪声对被测信号的干扰,针对传统小波软、硬阈值函数与全局阈值去噪算法的不足,综合考虑了小波阈值的估计与阈值函数的选取,提出了一种新的小波阈值去噪方法。对仿真信号与实验轴承振动信号进行去噪分析,并与几种不同的小波阈值去噪算法结果相对比。结果表明:新的小波阈值去噪算法更好地去除了噪声并保留了信号的原始特征,是一种更加优越的去噪方法,具有较高的实用价值。     

一种改进的小波域去噪算法

在Donoho D L和Johnston IM提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的双变量阈值函数。采用新的阈值函数的去噪效果无论在视觉效果,还是在信噪比增益和最小均方意义上均优于传统的硬阈值和软阈值,克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点。通过仿真实验结果,表明该方法的有效性和优越性。     

基于改进小波算法的轴承信号降噪研究

针对传统阈值函数降噪在阈值处不连续和存在恒定偏差的问题,采用层层递进的改进方法对小波阈值和小波阈值函数做了去噪研究。小波阈值的改进是基于不同分解尺度小波阈值算法,改进阈值考虑了轴承故障信号在不同分解层上的去噪特性和噪声在各分解层上的分布情况。小波阈值函数改进是基于对数逼近阈值函数算法,改进阈值函数考虑了传统软阈值函数的不连续性和硬阈值函数的偏差性。从传统阈值函数、改进阈值函数和传统阈值、改进阈值选取上看,传统阈值函数结合改进阈值去噪效果最好,其次是传统阈值函数结合改进阈值,最后是传统阈值函数结合传统阈值。在小波去噪算法中,改进小波阈值法可获得较好的去噪效果。     

基于新阈值函数的小波阈值去噪算法及仿真

针对小波阈值去噪算法中传统软、硬阈值函数以及现有的一些文献所设计阈值函数的不足,提出一个新的阈值函数,此函数具有更好的光滑性,其随着小波分解尺度的变化而发生变化,具有很好的适应性,函数中无不确定参数,提高了去噪稳定性。仿真结果显示,采用新阈值函数去噪后的信号信噪比和均方根误差均优于传统阈值函数及现有的两种改进阈值函数,去噪效果良好,具有广阔的应用前景。     

小波变换在手持心电图机中的心电信号去噪应用

本文以小波变换为基础,介绍了小波去噪的方法和步骤,并通过具体的实例分析,说明小波去噪的效果明显优于传统的滤波效果。然后利用软硬阈值小波去噪算法对ECG信号进行消噪处理。结果表明,软阈值去噪的效果明显的优于硬阈值去噪。     

小波分析中4种去噪方法的分析比较

分析了基于小波分析的4种不同的去噪方法,并在其中寻找最适宜在实际中应用的心电信号中肌电干扰的去除方法。4种去噪方法分别采用软、硬及改进等3种阈值函数,通过MATLAB对MIT-BIH数据库中所提供的心电信号进行实验分析,根据去噪效果及所需时间对比结果判断最适宜的去噪方法。离散小波变换阈值法在采用3种阈值函数时去噪效果均较差,平移不变量小波阈值法本身运算量过大,平稳小波变换阈值法与提升小波变换阈值法在采用改进阈值函数时去噪效果好且所需时间相对较少。采用改进阈值函数的平稳小波变换阈值法与采用改进阈值函数的提升小波变换阈值法为4种方法中最适宜在心电信号肌电干扰去除中应用的方法。     

一种改进的小波包阈值去噪法在压缩机振动信号分析中的应用

结合变频涡旋压缩机振动小,噪声低的特点,利用一种改进阈值的小波包函数进行去噪处理,克服了硬阈值去噪不连续的缺点,同时还克服了软阈值函数去噪中的估计小波系数与分解小波系数之间存在着恒定偏差的缺陷。通过Matlab仿真分析比较了这3种去噪效果。     

基于轴承仿真信号的小波阈值及阈值函数的优化

针对传统小波阈值法在轴承信号去噪效果不佳的难题,对阈值和阈值函数采用层层递进的方法进行降噪研究。阈值函数方面,在软阈值函数基础上提出了指数阈值函数,在指数阈值函数的基础上结合硬阈值函数,提出了带有收缩性指数的阈值函数。阈值方面,给出了估噪阈值,在估噪阈值的基础上,结合噪声的小波系数,随着分解层的增大而减小并引入调节量,给出了分层估噪阈值,表征去噪效果优劣指标为SNR&RMSE。通过选取估噪阈值、分层估噪阈值、软阈值函数、指数阈值函数和收缩指数阈值函数进行去噪试验,结果表明,收缩指数阈值函数和分层估噪阈值去噪效果较好。从阈值函数选取上看,收缩指数阈值函数去噪效果最好(32.3118&0.0141),其次是指数阈值函数(30.4301&0.0175),最后是软阈值函数(23.5500&0.0385);从阈值选取上看,分层估噪阈值去噪效果最好(33.9360&0.0117),其次是估噪阈值(32.3118&0.0141)。该方法去噪效果好,可从噪声中提取有用信息,可用于对大型轴承运转的有效诊断。     

海洋可控源电磁数据的新型小波基消噪方法

海洋可控源电磁(MCSEM)信号极易受到多种噪声的干扰,从而影响后期数据的反演解释精度。基于小波技术的降噪理论和方法已被广泛应用于MCSEM信号的消噪领域,但小波基均为通用小波基,消噪效果有待提升,提出了构造专用于MCSEM信号的新型小波基。首先,通过粒子群优化算法(PSO),以新型小波函数与MCSEM信号的平均相似度作为约束条件,迭代求解滤波器组的最优系数;然后利用得到的系数构造新型小波基。其次,针对深海勘探中的海水扰动噪声,设计了基于新型小波基消噪方法,并利用仿真的含噪数据与传统小波基消噪方法进行了对比实验;通过信噪比(SNR)及均方误差(MSE)进行消噪效果评价,表明新型小波基消噪方法优于传统小波基消噪方法。最后,将新型小波基消噪方法应用到了实测MCSEM数据中;通过消噪前后的时域信号及振幅随偏移距变化(MVO)曲线对比分析,结果表明,该方法不仅可以去除海水扰动类噪声,还可以扩大MVO曲线偏移距的解释范围,证明了基于新型小波基消噪方法的有效性和实用性。     

超声波测距系统中的小波去噪方法研究

针对远距离超声波测距系统中回波信号信噪比低的问题,采用小波变换对超声波的回波信号进行去噪处理。为取得较好的去噪效果,对小波变换的参数选取进行了研究。根据小波基的特性,通过能量与能量熵选取最优小波基;基于回波信号噪声的白噪声特征,采用白噪声检验自适应确定分解层数;引入参考噪声信号,确定小波系数处理阈值,并选用一种结合软、硬阈值函数的改进阈值函数进行小波系数处理。为验证方法的有效性,搭建基于NI数据采集卡和LabVIEW的超声回波信号采集平台,利用MATLAB小波工具包完成回波信号的去噪处理,并通过信噪比、均方根误差等指标对去噪效果进行综合评判。实验表明小波去噪可以达到很好的去噪效果,为大量程超声测距提供理论基础。     

基于经验模分解的陀螺信号去噪

陀螺随机漂移是影响寻北精度的重要因素,小波消噪方法对小波基和分解尺度等因素依赖性较强。提出了一种新的基于功率谱密度准则的经验模态分解(EMD)去噪方法,可有效解决传统EMD去噪自适应滤波器截止阶数难以确定的难题,该方法将经验模态分解得到的固有模态函数(IMF)分为信号分量起主导作用模态与噪声分量起主导作用模态,并对噪声分量起主导作用的模态进行类似小波软阈值去噪的方法进行滤波,然后与信号分量起主导作用的模态共同对信号重建实现去噪。将该方法应用于测试信号与陀螺信号的去噪,结果表明:新方法能有效地判断噪声与信号起主导作用的模态分界点,具有良好的去噪效果,且不受主观参数的影响,具有自适应性。     

空气耦合超声信号的小波阈值滤噪试验研究

穿透式空气耦合超声检测中,由于较低声波透射率、激励接收系统噪声及声波在介质中的散射噪声导致接收信号信噪比较低,小波阈值滤噪技术在解决上述问题时面临小波基、分解层数及阈值函数的选取难题。基于小波分析的基本原理,以单因素分析方法开展小波阈值滤噪试验研究。选择不同小波族(Daubechies,Symlet和Coiflet)中的小波基、小波分解层数(4～8层)及阈值函数(软阈值及改进阈值函数)对实际含噪超声信号进行小波阈值滤噪处理,并通过对比滤噪信号的信噪比及频谱特性得出不同参数对滤噪效果的影响。结果表明,选择Coiflet小波族中的小波基能获得具有更高信噪比及透射信号幅值的滤噪信号;分解层数越高,滤噪信号的信噪比越高,但增长趋势渐趋稳定;阈值函数对滤噪性能的影响并不十分显著,一般采用软阈值函数或改进阈值函数就能获得良好滤噪效果。     

基于VMD的故障特征信号提取方法

变模式分解(variational mode decomposition,简称VMD)能够将多分量信号一次性分解成多个单分量调幅调频信号(variational intrinsic mode function,简称VIMF),但对噪声比较敏感。利用VMD对噪声的敏感特性,提出了一种基于VMD的降噪方法。利用排列熵定量确定VMD分解后各分量的含噪程度,对高噪分量直接剔除,对低噪分量进行Savitzky-Golay平滑处理,然后重构信号。运用该方法降噪后,对重构信号进行变模式分解,能够有效提取故障特征信号。仿真和实例分析表明,基于VMD的降噪方法的降噪效果优于小波变换降噪方法,VMD能有效提取故障特征信号。     

改进小波包多阈值去噪法及其工程应用

针对机械振动信号提取时面临的去噪问题,在小波包多阈值准则去噪法的基础上,提出一种改进的小波包多阈值准则综合去噪方法(改进FMC去噪法)。该方法首先采用探测插值法对机床原始振动信号进行预处理,剔除受外界干扰产生的突变噪声信号;再以小波包分析为基础,根据有用信号的最小频率确定最大分解层数,并按最小代价原理确定信号分解的最佳小波包基;最后采用小波包多阈值降噪准则对振动信号进行重构,得到去噪后的机床振动信号。针对含噪blocks信号、doppler信号及模拟的含噪振动信号进行的仿真实验结果表明,改进后的FMC去噪法去噪效果优于传统方法。将该方法应用于气囊修整机振动信号分析中,结果表明,改进FMC去噪法能够有效剔除振动信号各频段的噪声,提高信号特征的可分离性。     

Implementation of Adaptive Wavelet Thresholding Denoising Algorithm Based on DSP

By utilizing the capability of high-speed computing,powerful real-time processing of TMS320F2812 DSP,wavelet thresholding denoising algorithm is realized based on Digital Signal Processors.Based on the multi-resolution analysis of wavelet transformation,this paper proposes a new thresholding function,to some extent,to overcome the shortcomings of discontinuity in hard-thresholding function and bias in soft-thresholding function.The threshold value can be abtained adaptively according to the characteristics of wavelet coefficients of each layer by adopting adaptive threshold algorithm and then the noise is removed.The simulation results show that the improved thresholding function and the adaptive threshold algorithm have a good effect on denoising and meet the criteria of smoothness and similarity between the original signal and denoising signal.     

基于小波除噪和经验模式分解的信号分析方法

经验模式分解是一种自适应分解算法。通过对常见信号的经验模式分解结果进行分析,发现信号中包含的噪声对分解结果影响较大。在此基础上,提出一种小波除噪与经验模式分解相结合的信号分析方法。该方法充分利用小波变换的降噪功能和经验模式分解的自适应分解能力,能真实地反映信号特征,为基于信号分析的故障诊断提供了一种可行的途径。     

基于压缩感知理论的MEMS陀螺仪信号降噪研究

通过分析传统小波阈值滤波的局限性,将基于压缩感知的小波滤波方法应用于低精度MEMS(micro electro mechanicalsystem)陀螺仪信号降噪中,并与小波阈值滤波方法进行了实验对比,实验结果表明:基于压缩感知的小波滤波方法可以有效地去除MEMS陀螺仪输出信号中的噪声,并且在压缩比较大时基于压缩感知的滤波方法去噪效果优于小波阈值滤波方法,改善了低精度MEMS陀螺仪零偏稳定性,为工程中解决低精度MEMS陀螺仪降噪问题提供了新思路。     

Noise cancellation of ultrasonic NDE signals using blind source separation

This paper proposes a new denoising method for ultrasonic NDE (nondestructive evaluation) signals using blind separation (BSS) technology. The proposed denoising method consists of four steps. First, a reconstructed phase space (RPS) is constructed from observed ultrasonic NDE signals. The information about the underlying sources (e.g., ultrasonic signal, noise, etc.) acting on this system is contained in this RPS. Second, independent component analysis (ICA) is performed on the RPS to recover all sources underlying the RPS. Next, the ultrasonic signal component is selected by a decision criterion related to the denoising application and, finally, is reconstructed to obtain the denoised ultrasonic signal. To validate the proposed method, it has been applied to the experimental ultrasonic NDE signals of the test sample and is compared with the wavelet denoising method in SNR (signal-to-noise ratio) enhancement. The experimental results show that the SNR of the ultrasonic NDE signals can be enhanced greatly using the proposed denoising method and the proposed method has almost the same denoising performance as the wavelet denoising method in SNR enhancement. A trait of the proposed denoising method is the ability to denoise ultrasonic NDE signals by separating the ultrasonic signal and noise using blind source separation technology. The text was submitted by the authors in English.