煤矿钢芯输送带缺陷信号非平稳强噪声滤波研究

煤矿钢芯输送带缺陷电磁检测信号易受到煤矿工况中非平稳强噪声影响,因此,提出一种改进阈值小波的变步长LMS自适应滤波算法对缺陷信号非平稳强噪声进行滤波。该方法首先运用改进阈值小波多尺度分解后的高频信号作为自适应滤波的参考噪声信号,然后运用变步长LMS自适应滤波方法对缺陷信号进行滤波。该方法克服了小波软、硬阈值的缺陷和固定步长LMS自适应滤波中收敛速度和稳态误差对步长因子要求不一致的矛盾。并与改进阈值小波滤波方法进行了对比,结果表明:该方法具有更好的滤波效果,能有效地滤除缺陷信号中的非平稳强噪声。     

一种自适应小波消噪方法

为了消除噪声对被测信号的干扰,有效提取信号中的有用成分,根据信号和噪声小波变换系数的不同特性,在分析了传统阈值方法局限性的基础上,提出了一种自适应小波消噪方法.该方法首先对被测信号进行小波分解,并改进了阈值量化公式,使其具有能量分布自适应的降噪能力;然后,利用类别方差作为判别依据,选取使得类别方差最大和类内方差最小的阈值作为最佳的阈值.并根据每层分解后的小波系数进行自适应的阈值确定;最后,对信号进行重构,通过分解、阈值处理和重构等过程实现小波消噪.仿真信号和轴承故障诊断的实例结果表明该方法可在强噪声背景下消除噪声干扰,有效提取出滚动轴承的早期故障频率.     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。     

静态小波相关滤波法在振动信号处理中的应用

为了有效提取振动信号中的故障特征,本文提出将静态小波变换和尺度相关滤波相结合的方法.先对信号进行静态小波分解,再利用尺度相关法分离信号与噪声,提出了一种针对振动信号的噪声能量阈值估计算法.利用连续小波变换和尺度相关对振动信号降噪.实例分析表明,该方法具有良好的去噪性能,并能更好的提取振动信号中的故障特征.     

基于小波自适应算法的电网谐波测量方法研究

提出小波自适应滤波算法的结构模型,将多尺度小波分解与自适应滤波算法相结合,对多尺度小波变换固定步长和变步长LMS算法进行分析。通过MATLAB对算法进行了仿真验证。根据3种不同的输入信号,对算法的实时性、准确性、使用范围和收敛性等分别进行了仿真研究。     

小波变换在压力传感器输出信号去噪中的应用

压力传感器输出信号一般都包含了噪声信号,尤其其感受的压力信号比较微弱时,信噪比较小,输出信号不能以较高的精度表示输入压力物理量。为了最大程度地提高压力传感器输出信号的信噪比,在分析传感器输出信号中噪声特性的基础上,利用小波变换的多尺度分析特性对输出信号进行小波分解,选择合适的阈值算法处理分解后的小波系数以实现在重构输出信号中去除噪声。实验结果表明该方法能够显著提高压力传感器输出信号的信噪比,优于基于傅里叶变换的去噪方法。     

小波阈值降噪算法中最优分解层数的自适应确定及仿真

小波阈值降噪算法是一种有效的从测试信号中去除噪声的方法.通过对有用信号和噪声信号在小波空间上传播特性的不同进行分析,提出了一种基于小波去相关白噪声检验的最优分解层数自适应确定算法.该算法可以根据含噪声信号的特点和信噪比,自适应的选择小波变换的最优分解层数以达到最优的降噪效果.最后,在MATLAB环境下进行了仿真实验,并进行了工程应用.仿真实验和工程应用结果表明,该方法可以有效的确定合理分解层数得到最优的信噪比.     

基于最优小波包Shannon熵的再制造电机转子缺陷诊断技术

为了实现对再制造电机转子质量的有效监控,采用超声波技术对其内部缺陷进行检测与评价。引入滤波效果良好的最优小波包滤波法和对超声波信号噪声含量变化敏感的Shannon信息熵算法,定义一种新的最优小波包Shannon熵(Best wavelet packet Shannon entropy,BWPSE)的概念,并提出基于BWPSE的超声波信号消噪方法。对采集到的再制造电机转子超声检测信号进行最优小波包滤波处理,得到各尺度的小波包分解系数,在此基础上计算各尺度小波包分解系数的Shannon熵,通过分析小波包系数Shannon熵的变化规律确定分解层数及阈值。采用该方法对再制造电机转子超声检测信号进行消噪处理,结果表明该方法对噪声消除比较彻底,对比Sqtwolog阈值小波分析及Heursure阈值小波分析等其他信号消噪方法,该方法可显著提高再制造电机转子内部缺陷定量分析的准确度。     

基于小波变换的图像降噪技术研究

根据小波变换和噪声信号的能量分布特性,提出了一种先用小波变换对含噪图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法;实验结果说明该方法既可以有效地降低噪声,又可以较好地保持图像细节。     

角加速度信号自适应小波的去噪方法

针对多扰动、大负载环境下角加速度计输出信号中含有脉冲噪声和高斯白噪声的情况,提出一种改进的离散小波阈值法与中值滤波算法相结合的角加速度计信号自适应去噪算法。首先,使用中值滤波对原始信号进行去除脉冲噪声的预处理;其次,使用分解层数的自适应确定方法与改进的阈值选取准则,通过离散小波阈值去噪法去除高斯白噪声。仿真结果表明,该算法能够有效地提高信噪比,降低最小均方误差。实验结果表明,该算法既能去除分子型液环式角加速度计信号中噪声,又能很好地保留真实信号中的高动态部分。     

非平稳背景噪声下声音信号增强技术

在电力电缆故障精确定位中声磁同步法由于具有精度高与抗干扰能力强的优点而得到广泛的应用,但放电声音信号的有效检测是其难点。由于小波包变换在检测正常信号中是否含有瞬态异常现象方面具有独特的优势,自适应滤波器具有对信号和噪声的先验知识需求少的特性以及遗传算法具有不依赖于具体问题的优点,提出了一种基于小波包变换分解信号、自适应滤波估计噪声与遗传算法寻优重构相结合的声音信号增强算法。实验研究表明,该算法精确性高、鲁棒性强,尤其适用于电缆故障点放电声不明显时声音信号提取的情况,从而解决了电缆故障精确定位中对背景噪声要求高、识别范围小的问题。     

Adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in wavelet domain for scanning electron microscope images

Image processing is introduced to remove or reduce the noise and unwanted signal that deteriorate the quality of an image. Here, a single level two‐dimensional wavelet transform is applied to the image in order to obtain the wavelet transform sub‐band signal of an image. An estimation technique to predict the noise variance in an image is proposed, which is then fed into a Wiener filter to filter away the noise from the sub‐band of the image. The proposed filter is called adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in the wavelet domain. The performance of this filter is compared with four existing filters: median filter, Gaussian smoothing filter, two level wavelet transform with Wiener filter and adaptive noise Wiener filter. Based on the results, the adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in wavelet domain has better performance than the other four methods.     

Gear fault diagnosis using active noise cancellation and adaptive wavelet transform

Acoustic signal from a gear mesh with faulty gears is in general non-stationary and noisy in nature. Present work demonstrates improvement of Signal to Noise Ratio (SNR) by using an active noise cancellation (ANC) method for removing the noise. The active noise cancellation technique is designed with the help of a Finite Impulse Response (FIR) based Least Mean Square (LMS) adaptive filter. The acoustic signal from the healthy gear mesh has been used as the reference signal in the adaptive filter. Inadequacy of the continuous wavelet transform to provide good time–frequency information to identify and localize the defect has been removed by processing the denoised signal using an adaptive wavelet technique. The adaptive wavelet is designed from the signal pattern and used as mother wavelet in the continuous wavelet transform (CWT). The CWT coefficients so generated are compared with the standard wavelet based scalograms and are shown to be apposite in analyzing the acoustic signal. A synthetic signal is simulated to conceptualize and evaluate the effectiveness of the proposed method. Synthetic signal analysis also offers vital clues about the suitability of the ANC as a denoising tool, where the error signal is the denoised signal. The experimental validation of the proposed method is presented using a customized gear drive test setup by introducing gears with seeded defects in one or more of their teeth. Measurement of the angles between two or more damaged teeth with a high level of accuracy is shown to be possible using the proposed algorithm. Experiments reveal that acoustic signal analysis can be used as a suitable contactless alternative for precise gear defect identification and gear health monitoring.     

液压泵故障的小波变换诊断方法

分析了小波变换的时 -频局部化特性及基于多分辨分析的信号小波分解重构算法 ,研究了信号局部奇异性在小波变换下的特性。根据故障信号和噪声的局部奇异性在小波变换下的模极大值在不同尺度上的传播特性不同的特点 ,并利用小波分解重构算法 ,对泵壳振动加速度信号进行了分解、去噪和重构。大大改善了监测信号的信噪比 ,对故障特征信号进行了时域定位 ,提取了故障特征频率。     

基于小波变换的涡街流量计信号处理方法

涡街流量计有许多优点,应用比较广泛。但是,涡街流量计易于受到由管道振动和流场扰动引起的噪声干扰。涡待流量计中的处理电路不能保证仪表在工业现场的测量精度。本文研究基于小波变换的涡街流量计信号处理方法。本文介绍小波变换的基本原理和快速算法,分析小波滤波器的幅频特性,研究调整滤波器中心频率的方法,给出涡街信号的处理过程,进行仿真和实验测试。仿真和实验结果表明,小波变换能有效地减小了噪声影响,使频率测量的精度高,处理实时。小波变换是涡街流量计信号处理的一种新方法。     

机械微弱振动信号检测的研究

研究了信号局部奇异性在小波变换下的特性。根据故障信号和噪声的局部奇异性在小波变换下模极大值在不同尺度上的传播特性不同的特点,利用小波分解重构算法,对机械振动信号进行了分解、去噪、重构和谱分析。实验表明,小波减噪方法非常适于机械微弱振动信号的检测。     

Selective noise filtration of image signals using wavelet transform

This paper examines the technique of denoising and signal extraction using wavelet transform scale space decomposition. The noisy signal is decomposed into multiple scales by the dyadic wavelet transform. At a given position, the level of correlation is used to deduce the presence or absence of significant feature of signals or images, which is then passed through the filter. By comparing the correlation information of the data at that scale with those at larger scales, noise is preferentially removed from the data. In the wavelet transform domain, the desired features are identified and retained because they are strongly correlated across scales compared to noise. This denoising algorithm can be used to reduce noise to a high degree of accuracy, while preserving most of the important features of the signal. In this paper, this technique of scale space filtering is applied to sample signals and images. Representative results are presented which shows that considerable noise content in signals and images can be reduced while preserving the value of the desired signal.     

一种基于提升算法的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法.该方法以第二代小波变换为基础,用变换样本与相邻样本之间的相关性来检测信号的局部特征,并根据相关系数的大小来确定每一尺度上的每个样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.在信号相关性强的情况下,采用了最优插值估计的改进算法.模拟实验和工程应用的结果表明,该方法克服了传统小波变换降噪方法丢失原始信号局部信息的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.