共查询到20条相似文献,搜索用时 360 毫秒
1.
2.
文章分析了在小波变换下,信号和噪声所具有的小波系数性质的不同,对用户接收的信号进行噪声的滤除。小波的多分辨特性能将信号在不同尺度下进行多分辨的分解,并将交织在一起的各种不同频组成的混合信号分解成不同频段的子信号,针对信号经小波变换后在不同分辨率下呈现不同的规律,那么就在不同分辨下设定不同的阀值门限,通过调整小波系数,达到去噪的目的。 相似文献
3.
4.
5.
6.
介绍了一种空间选择性的噪声滤波(SSNF)方法,并在此工作之上提出了一种新的自适应于小波变换尺度的闽值函数,从而对经SSNF滤波之后的小波系数进行了进一步的阈值处理,以去除残留在系数中的噪声部分。仿真试验和理论分析表明,相比其它传统的去噪方法,该方法的优点在于:所得到的小波系数不仅连续性好,而且更加接近于未加噪信号的小波系数,阈值函数具有很大的灵活性和自适应性,并适用于一些掺杂非白噪声的场合。 相似文献
7.
针对传统小波尺度能量谱的不足之处,提出了一种改进型的小波域冲击能量相关技术.首先利用AR时序建模方法,去除振动信号中的周期谐波成分,然后采用连续小波变换将去除周期谐波后的信号分解到每个不同的小波尺度上,并计算不同尺度上小波系数的Teager瞬时能量.在此基础上,利用峭度和循环统计量对不同尺度上的小波Teager能量序列进行尺度筛选,确定能量序列进行尺度积分区间.最后,结合能量序列的时域相关运算,提取出冲击信号的发生周期或频率.结果表明:该方法能降低常规小波尺度能量相关法的误判率,而且在强噪声干扰下能准确地提取出弱冲击信号的发生频率,对旋转机械故障作出准确的判断 相似文献
8.
9.
非线性小波变换在故障特征提取中的应用 总被引:7,自引:0,他引:7
经典小波变换在不同尺度采用一种小波基 ,不能很好地匹配信号的局部特征 ,因而造成降噪信号丢失了原始信号中部分的有用信息。为了克服上述缺陷 ,提出了一种基于第二代小波变换的非线性小波变换振动信号预处理方法 .应用第二代小波变换的预测器和更新器相互独立的特点 ,根据预测方差最小的选取原则 ,确定每个变换样本的最佳预测器 ,使预测器能够适应信号的局部特征。模拟数据和振动信号的分析表明 ,该方法克服了传统小波降噪方法局部信息丢失的缺陷 ,不仅可以有效地去除信号中的噪声 ,而且能够保留信号的局部特征。作为一种预处理方法 ,在某发电厂的故障诊断中有效地从振动信号中提取了故障特征。 相似文献
10.
11.
12.
13.
14.
15.
基于小波包的振动信号去噪应用与研究 总被引:6,自引:1,他引:6
小波包分析算法对上一层的低频部分和高频部分同时进行细分,具有更为精确的局部分析能力。基于小波包变换的优良时频分析特性,论述小波包分析的基本原理,研究小波包在振动检测信号消噪处理中的应用,给出应用小波包变换对基于MSP430F449单片机的信号采集电路所检测到的振动信号进行消噪处理的实例。结果表明小波包变换的方法可以降低系统噪声影响,通过变换分解出高频噪声部分,利用小波包收缩的阈值量化方法能够更好地去掉高频部分,从而达到有效去除信号中噪声的目的。 相似文献
16.
为了进一步降低桥梁健康监测采样信号的噪声水平,根据其信号特征,在传统EMD小波阈值降噪算法的基础上,提出一种改进的降噪算法,称为EMD小波相关降噪算法。该算法综合了EMD、小波变换和相关检测三种方法的优点,首先对各阶IMF小波降噪前后的分量分别进行整体和局部相关检测,并以前三阶整体相关系数的均值作为降噪阈值,最后进行局部相关阈值降噪,得到降噪后的信号。将该算法与EMD小波阈值降噪和小波默认阈值降噪算法进行数值仿真和有限元仿真试验对比,结果表明,提出的EMD小波相关降噪算法具有更好的降噪效果,能够用于桥梁健康监测采样信号降噪处理。 相似文献
17.
针对分布式光纤管道安全预警系统检测信号的混沌特性,最大Lyapunov指数(λm ax)被定义为降噪指标用于评价各种小波及其阈值组合的降噪性能.基于小波阈值降噪法,采用不同的小波族系和阈值选取及重调方法对现场实测人工挖掘信号进行降噪处理.现场实验数据的分析结果表明检测信号存在混沌特征.在此基础上,λm ax被用于评价小波降噪性能.最后,通过对比实验结果,sym2小波、Sqtwolog阈值选取规则和M ln阈值重调方法,可以有效地消除现场实测信号中的噪声,达到最优的降噪效果. 相似文献
18.
提出了邻域比较与小波变换相结合的脑电信号消噪方法,并利用这种方法对含有脉冲噪声的脑电信号进行消噪。首先介绍了邻域比较滤波的算法和小波变换消噪的原理,然后对实测的10例脑电信号进行消噪处理,最后将两种方法相结合的消噪效果与小波变换的消噪效果进行对比。实验结果表明,无论是信噪比还是均方根误差,两种方法相结合的消噪效果均优于小波变换的消噪效果。 相似文献
19.
建立了齿轮故障系统试验装置,对齿轮传动系统在各种转速与故障状态下进行测试分析,获取了有关振动信号,对齿轮系统的无故障、齿根裂纹、分度圆裂纹、齿面磨损四种状态信号进行特征提取,并对提取的信号进行基于经验模态EMD分解的小波阈值去噪处理,然后对预处理后的信号进行时频分析与诊断。结果表明,采用基于EMD的小波阈值去噪方法比单纯采用小波阈值去噪对测试信号进行预处理,能提高信噪比,并更加有效的提取出故障特征,而在EMD的小波阈值去噪的基础上,再与时频分析方法相结合能够较好的识别不同运转状况下不同种类的故障,如齿根裂纹、分度圆裂纹、齿面磨损等,可用于对实际工程工作的齿轮系统进行故障诊断。 相似文献