脉冲涡流检测信号的消噪处理

小波分析作为一种时频分析工具,特别适用于非平稳信号的分析,并且具有多分辨分析的特点.阐述了小波阈值去噪的基本原理,对脉冲涡流这种典型的非平稳信号进行了小波阁值法去噪的仿真实验,并与传统的FIR和IIR数字低通滤波方法进行了比较,然后对实际的脉冲涡流信号进行了消噪.仿真实验结果和实际消噪结果都表明,该方法能够有效地去除脉冲涡流信号中的噪声,同时又能较好地保留原信号的特征,确保了对缺陷的精确定量,是一种对脉冲涡流信号即有效又适用的去噪方法.     

小波分析在脉冲涡流无损探伤中的应用

脉冲涡流探伤时,瞬态信号和一次扫描波形中的噪声干扰成分会影响缺陷定量检测的准确度。对于该问题,研究了小波分析在脉冲涡流探伤中的两方面应用。对于瞬态信号,利用小波阈值去噪法对其处理,分析了阈值方法的不同对去噪效果的影响并进行实验验证,并与传统低通滤波进行了比较;对于一次扫描波形,利用小波分解后的近似系数重构信号,再提取峰值扫描曲线。实验结果证明：在瞬态信号的去噪中,软阈值法相比于硬阈值法有更好的去噪效果,其可以在保留真实信号特征的情况下去除噪声,并解决了传统低通滤波会损害真实信号特征的问题,还原了信号的真实峰值和过零时间;使用该方法获得的峰值扫描曲线消去了抖动,极值点时间变得明确,提高了缺陷长度的检测准确度。     

基于全频带小波能量相对熵的脉冲涡流感应信号辨识

脉冲涡流检测是一种新兴的无损检测技术,检测方便、成本低、安全性好,适用于对各种材料缺陷进行在线检测。然而,脉冲涡流感应信号强度微弱、识别困难,必须采用比较有效的信号处理方法对信号进行处理。为了提高脉冲涡流检测系统的精度和正确率,在详细分析了脉冲涡流感应信号特性后,提出了一种基于全频带小波能量相对熵的脉冲涡流感应信号辨识方法。对几种典型脉冲涡流感应信号的采样数据进行多尺度小波分解,并单支重构各尺度小波系数。利用小波变换对局部信号特征的放大作用以及小波相对熵对信号之间差异的辨识优势,计算各尺度小波能量占所有小波系数能量的权重系数,及原始信号在各频带下的小波能量相对熵,然后根据小波能量相对熵对脉冲涡流感应信号的类别进行信号辨识。理论分析和试验表明,该方法能够有效消除干扰,提高无损检测的精度和正确率。     

基于小波分析的脉冲涡流信号去噪方法研究

应用小波多尺度分解与重构技术和小波包分析技术对脉冲涡流检测信号进行处理,将信号中的噪声分离出来并去除。采用离散小波变换的强制消噪法、软阈值消噪法和不同熵准则的小波包消噪法,对实测的脉冲涡流信号进行消噪。在保留信号中有用成分的前提下,结合信号的信噪比和均方根误差,对消噪方法进行比较和优选。实验结果表明,小波包分析中的Threshold熵准则法效果最好。     

去除漏磁信号中系统噪声的小波系数去噪方法

漏磁无损检测普遍用于铁磁材料的无损检测中,是近年来输油管道检测中常用的一种有效方法。研究了输油管道检测中漏磁信号的去噪问题,由于漏磁信号被多种噪声源所污染,极大地降低了漏磁信号中缺陷信号的可检测性。通过利用小波系数去噪, 提出一种去除漏磁信号中系统噪声的新方法。实验结果说明:该方法的去噪效果优于传统的小波去噪方法。     

基于二阶段噪声检测的滤波算法研究

研究信号优化问题,针对信号中的混合噪声,大大降低了信号的精度和准确性,影响了对真实信号特征的提取,为了消除存在于信号中的混合噪声,提出了一种基于二阶段噪声检测的滤波算法.先通过小波空域法处理由高斯噪声控制的小波系数;根据脉冲噪声控制的小波系数幅度的特点,结合中值滤波算法,构造一种能检测出脉冲噪声控制的小波系数的检测器,处理检测出的小波系数;最后用二次处理后的小波系数进行信号重构,可以去除混合噪声;仿真实验表明方法有效可行并优于单-的小波空域相关去噪法和软阈值去噪法,而且能够较好地去除混合噪声,达到提取信号优化过程.     

一种基于小波变换的红外导引头信号检测方法

针对某型号红外导引头信号的检测问题,提出了一种基于离散平稳小波变换的微弱脉冲信号检测方法.根据有用脉冲信号与噪声信号在频谱特性上的差异,对导引头信号进行多尺度的离散平稳小波变换,利用分解后得到的低频近似信号逼近信号中的低频噪声来滤出低频噪声的干扰,同时采用阈值去噪的方法处理信号中的白噪声.将该方法应用于仿真信号和真实导引头信号检测,仿真实验结果表明:该方法在有效克服传统离散正交小波变换去噪时容易产生的Gibbs现象的前提下,极大地提高了导引头信号的信噪比,增强了导引头的探测能力.     

脉冲漏磁信号的EMD小波阈值去噪研究

为有效抑制脉冲漏磁检测信号中的各种噪声,将小波阈值去噪运用到经验模态分解(EMD)中,提出一种基于EMD的小波阈值去噪方法。针对小波软、硬阈值函数中存在的不足,引入平滑截断绝对偏差惩罚因子进行优化改进。将该方法应用于脉冲漏磁信号进行实际消噪处理。实验结果表明,该方法能较好地剔除信号中的噪声,在脉冲噪声的抑制方面优于小波阈值去噪。     

重复利用噪声信息的图像去噪的研究

该文主要考虑利用图像噪声再生技术来提取图像细节.其思想是利用被滤除的噪声信号进行回收再利用.通过对噪声信号和初步去噪信号进行小渡变换.比较它们的小波系数,当噪声信号的小波系数达到一定的阈值时,将噪声信号的小波系数保留叠加至初步去噪信号的小波系数,然后利用传统的软阈值去噪的方法来进行图像的去噪,从而达到既能够去除噪声,又能保留图像细节的目的.实验证明,该方法较传统的方法在去噪和细节保持上有改进.     

非高斯噪声背景下的诱发电位信号去噪方法

在一些特殊实验条件下EP信号的背景EEG噪声具有显著脉冲特性。基于传统的小波去噪方法不能有效地去除EP信号中具有尖峰脉冲特性的背景噪声。提出中值滤波-小波阈值去噪算法,进行中值滤波抑制信号中的尖峰脉冲,利用小波阈值消噪去除剩余噪声。仿真结果表明经过中值滤波预处理后的小波去噪方法比传统的小波去噪方法在信噪比较低时更具有良好的消噪性能。