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。     

基于Grubbs准则的小波自适应阈值去噪算法

小波阈值去噪法是去除信号中白噪声的有效算法.根据白噪声和信号小波系数的特点,提出一种分解层数自适应确定法和一种基于Grubbs准则的各层阈值选取法,并结合软、硬阈值法的特点,改进了小波系数阈值估计的模型.     

基于排列熵的小波包改进去噪算法研究

为了弥补传统小波包阈值去噪算法去噪参数选择完全依据人为经验的缺陷,引入对信号噪声含量变化敏感的排列熵算法,提出一种新的基于排列熵的小波包阈值去噪方法。对含噪信号进行小波包分解得到相应的小波包系数序列,并对其进行排列熵计算,通过分析小波包系数排列熵的变化规律来确定小波包分解层数与阈值以达到最优去噪效果。采用该方法对滚动轴承振动信号进行去噪分析,结果表明该方法去除噪声较为彻底,与其他参数去噪结果进行对比,验证了该方法的有效性。     

电磁超声检测信号小波去噪研究

针对电磁超声检测信号含有较多噪声的现象,使用小波分析方法进行了信号去噪。通过建立信号模型,从小波函数的选取、分解层数的选取、阈值函数和阈值的选取等几个方面进行了分析。采用强制去噪、默认阈值去噪、给定阈值去噪三种方法进行小波去噪仿真,比较得出给定阈值去噪方法效果最佳,在保留信号特征值的前提下达到了去除噪声的目的。     

凸轮廓线反求信号的小波包去噪研究

凸轮廓线反求时,测量噪声严重影响了反求的精度和廓线的光顺等。利用小波包分析,选用合适的小波基函数、分解层数、去噪阈值和阈值量化方法可有效去除噪声。通过把五次多项式叠加白噪声作为原始的凸轮廓线含噪信号,应用MATLAB软件进行去噪仿真试验,结果表明:选择coif2小波基函数、分解层数取1和选用启发式阈值软阈值去噪,去噪效果最好;小波包去噪效果优于小波去噪,得出了小波包去噪的一般步骤和重要参数的选取方法。     

超声回波信号的小波软阈值法去噪处理

针对工程中常用的脉冲反射法超声检测中反射回波信号的特点,研究了基于小波分解的阈值去噪方法,通过理论分析、仿真以及实验研究得出,对于超声回波选取sym8小波基,采用软阈值法,运用基于史坦无偏似然估计的阈值选取规则,分解层数为4层时,可以有效地去除噪声干扰,突出缺陷信号,去噪性能优于硬阈值法.     

基于Nomannowsky准则的小波自适应阈值消噪

小波阈值消噪法是去除信号中白噪声的有效算法.根据白噪声和信号小波系数的特点,文中提出一种分解层数自适应确定法和一种基于Nomannowsky准则的各层阈值选取法,并结合软、硬阈值法的特点,改进了小波系数阈值估计的模型.     

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。     

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。     

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。     

奇异值小波降噪法在柱塞泵振动信号处理中的应用

针对小波阈值和奇异值分解降噪法的不足,研究一种新的小波阈值函数。提出一种基于改进阈值的奇异值小波降噪方法,该方法利用奇异值分解技术,将噪声非均匀分布的信号正交分解为噪声分布相对均匀的分量,并对每个分量进行小波阈值降噪,重构降噪后的分量,得到降噪信号。仿真实例证明,该方法与小波软、硬阈值及改进阈值法相比,不仅提高信噪比,而且能够更好地消除高斯噪声。利用该方法对柱塞泵不同状态振动信号进行降噪,结果表明,该方法能有效抑制噪声,为柱塞泵振动信号预处理提供一种更为有效的方法。     

CEEMD和小波半软阈值相结合的滚动轴承降噪

针对滚动轴承振动信号降噪处理时如何保证信号边缘信息完整性的问题,提出将互补集合经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)与小波半软阈值相结合的信号降噪方法,对滚动轴承故障高频振动信号进行降噪处理。首先,采用CEEMD方法对故障振动信号进行分解,针对信号特点自适应获取不同频段模态分量;其次,将对包含噪声污染的高频信号模态分量进行相关性分析,得到含噪成分较高的高频模态分量,进一步采用小波半软阈值进行降噪处理;最后,将降噪后的模态分量同残余分量进行信号重构,完成降噪过程。分析结果表明,相对于传统小波阈值降噪和CEEMD强制降噪方法,提出的方法能够有效去除高频信号的噪声,且最大程度地保证了原始信号的完整性,降噪效果更好。     

基于CEEMD的滚动轴承振动信号自适应降噪方法

针对滚动轴承故障特征信号容易被噪声掩盖难以提取的问题,提出了基于互补集合经验模态分解(CEEMD)的滚动轴承振动信号自适应降噪方法。为了准确判定噪声分量和有用信号分量的分界点,在对振动信号进行CEEMD分解后,设计了依据信噪分量自相关函数的单边波峰宽度特性自适应地判定分界点的方法。为了保证重构信号的完整性,利用改进的小波阈值降噪方法提取低频IMF分量中的高频有效信息。实验分析表明,结合改进阈值函数的CEEMD自适应降噪方法能够有效地去除故障振动信号中夹杂的噪声,并且很好地保留了滚动轴承振动信号的突变细节,达到了不错的降噪效果。     

小波分析在信号处理中的应用

在信号奇异点检测中,首先对信号进行多尺度小波分解。然后对高频部分进行重构,确定模极大值点位置,从而确定出奇异点位置。在例子中检测含有故障信息的电压信号,结果表明信号分解的细节部分均能清晰地显示出奇异点的准确位置。在信号消噪中,首先将信号进行多尺度小波分析。然后通过设置阈值的方法对高频子带进行处理,接着进行重构。在例子中对染噪的电压信号进行消噪处理,结果表明阈值的选取直接关系到消噪的质量。     

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。     

平稳小波变换在轴承振动信号去噪中的应用

为有效提取振动信号中的故障特征,提出了一种基于平稳小波变换的降噪方法,阈值大小取决于不同尺度上故障信号的小波分解系数的峭度。实例分析表明,该方法具有良好的去噪性能,并能很好地提取振动信号中的故障特征。     

空域相关滤波在下肢表面肌电信号中的应用

针对消噪过程中信号细节难以保留的问题,采用了一种基于小波变换的空域相关消噪方法。通过运用信号小波分解后与噪声的小波系数随尺度变化规律不同的特性,实现了信号与噪声的分离,同时给出了表面肌电信号噪声能量阈值的估计算法。实验结果表明,该消噪处理方法不仅能有效地去除肌电信号中的噪声,而且可以较好地保留肌电信号的边缘特征,为下肢表面肌电信号特征的提取创造了良好的条件。     

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。     

Application of wavelet transform technique to detect tool failure in turning operations

In this study, discrete wavelet decomposition is used to detect tool failure and to conduct the de-noising of the cutting force signal in a turning process. As a result of de-noising, the wavelet de-noising method is more effective than the FFT filtering technique that is typically used. An analysis of the approximation and the detail coefficients of the cutting force signal confirmed that the onset time of tool failure and chatter vibration was successfully detected.