输油管道应力波检测中的小波去噪方法研究

本文介绍了一种适用于油田输油管道应力波检测的小波去噪方法。在盗油实时监测时，利用冲击激励产生的应力波到达两个检测传感器的波达时刻的差对冲击激励点进行定位。由于小波变换具有多尺度分析的优点，根据有用信号和噪声奇异性的不同及其在小波变换不同尺度下的传递特性的不同，区分信号和噪声，进行小波系数的阈值选取后，利用剩余的小波系数重建信号，得到有用信号的波形。试验发现，该法可以很好地去除噪声，从而使应力波的波达时刻的计算的准确度提高。     

基于matlab的小波变换去噪性能的研究

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。     

基于Contourlet变换尺度间相关的图像去噪

Contourlet域数据分析表明，信号的变换域系数在尺度间相关性高，而白噪声则呈弱相关或不相关。通过相关性强弱区分噪声与信号系数，并结合阈值函数，提出了基于Contourlet变换尺度间相关的图像去噪新算法。实验结果表明，新方法去噪后的图像比小波相关去噪算法的PSNR值更高，视觉效果更好，尤其适用于纹理轮廓丰富的图像去噪。     

基于小波变换的柴油机气缸压力信号降噪

为了获取高信噪比的柴油机气缸压力信号,采用非线性离散序列的小波变换（DTWT）对柴油机气缸压力信号进行降噪．由于降低压力信号采集循环数目,简要分析了气缸压力信号中的高频噪声和高斯白噪声特征,先用Donoho的阂值降噪法去除高斯白噪声,降噪效果明显优于低通滤波和9点平滑法;再用多分辨率分析法,分析不同频率段上的噪声幅值,用小波尺度系数反变换来去除高频噪声,恢复柴油机气缸压力信号．结果表明：这种方法能够有效地去除气缸压力信号的噪声．     

基于小波变换的MR图像的去噪处理

根据小波变换多尺度下图像信号与噪声不同性质的理论,提出了一种新的MR图像去噪处理 算法,这种算法直接比较相邻小波域的系数,根据比较结果设立滤波器去除噪声。计算机模拟结果表明:这种算法的速度快,能去除渗噪图91%的噪声,图像的信噪比从3.1861提高到了13.4784。     

一种基于SSNF的新型阈值滤波去噪算法

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。     

小波域的冲击能量相关技术及其应用

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     

基于小波变换的射线图像疵病特征提取方法

本文讨论了小波变换在射线图像疵病特征提取中的应用，通过各尺度图对应不同频段的特性来识别信号的趋势项，并且利用有效信号和噪声在小波变换下的不同规律进行信噪分离，最终达到特征提取的目的，实验表明上述方法具有良好的特征信息提取效果。     

非线性小波变换在故障特征提取中的应用

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。     

基于二进小波的雷达干涉图条纹探测相位解绕

以二进小波和相位解绕理论为基础，利用二进小波变换的快速算法，对雷达干涉条纹图进行多尺度相位突变边缘探测，进而根据信号和噪声的奇异性在二进小波变换下的局部模极大值随尺度变化的不同演化规律，提出了对雷达干涉条纹图的噪声有一定压制的基于二进小波的干涉条纹检测的相位解绕算法，结果表明，在噪声没有严重破坏相位突变边缘的情况下，相位解绕结果是令人满意的。     

基于最优Morlet小波和SVD的滤波消噪方法及故障诊断的应用

分析了传统的小波去噪方法和小波变换的滤波特性.利用小波变换技术、奇异值分解技术和Morlet小波良好的时域和频域特性,提出了基于最优Morlet小波和SVD的滤波消噪方法.首先,采用最小Shannon熵方法确定出最优Morlet小波;然后,利用奇异值分解技术确定出最佳变换尺度a;最后对信号进行滤波消噪处理,从而提取信号中的有用成分.实验结果表明,该方法具有良好的去噪性能,用于故障特征提取是有效的.     

小波阈值去噪法在超声信号处理中的应用研究

研究了小波阈值去噪方法在超声信号处理中的应用.在对用超声方法测得的信号进行去噪处理的过程中,探索了不同的小波基和阈值选取准则对阈值去噪结果的影响.通过对去噪信号的图形以及统计特性的分析和比较,选用Sym小波系中的Sym8小波和“Minimaxi”阈值选取准则对测得的信号进行去噪处理.实验结果表明：小波阈值去噪方法在超声检测去噪中能够取得较好的效果.     

中值与小波消噪集成的转子振动信号滤波方法研究

对受强脉冲随机噪声干扰转子振动信号的滤波方法进行了研究。提出了一种将中值滤波与小波消噪算法集成的混合滤波器。其中,中值滤波用于滤除信号的强脉冲噪声分量,小波消噪平滑线性叠加在中值系列中的平稳随机噪声。结果表明,实施的滤波方法对该类信号的处理效果好,获取的转子本质振动信号保持了信号的光滑性。     

最优小波包基算法在爆破振动信号去噪中的应用

为比较基于Shannon熵准则的最优小波包基信号去噪算法的优越性,采用延期时间分别为22 ms、45 ms和75 ms高精度雷管进行台阶爆破试验,对监测的振动信号分别用基于小波变换去噪算法和基于Shannon熵准则的最优小波包基信号去噪算法进行对比并计算2者方法的峰值信噪比.结果表明:基于Shannon熵准则的最优小波...     

基于小波包的振动信号去噪应用与研究

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。     

桥梁健康监测采样信号 EMD小波相关降噪研究

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。     

基于最大Lyapunov指数和小波变换的管道检测信号降噪技术

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.     

邻域比较数字滤波与小波变换在脑电信号消噪中的应用

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。     

基于EMD小波阈值去噪和时频分析的齿轮故障模式识别与诊断

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。     

一种基于小波特征熵的液压系统故障信号去噪方法

针对故障诊断的需要和信号特点,提出一种基于小波特征熵的去噪新方法。该方法基于小波特征熵判断有用信号所在频带,重构所在频带系数,得到去噪信号。将该方法和阈值去噪法应用到液压系统压力信号中,去噪结果证明该方法比阈值去噪法更有效。