电域自适应中红外激光甲烷传感系统

为了抑制甲烷传感器中统计特性无法预知的电学噪声,本文结合递归最小二乘自适应去噪算法和直接吸收光谱技术,使用中心波长为3 291nm的带间级联激光器和多反射吸收气室,研制了一种电域自适应中红外甲烷传感器系统。在传统探测器输出信号(称为信号通道)的基础上,增加了激光器电流驱动器的反馈信号作为噪声通道来感知电学噪声。利用MATLAB软件对最小二乘法在直接吸收光谱技术中的滤波效果进行了仿真。通过在激光器驱动信号中施加不同的噪声,实验验证了最小二乘法的去噪效果。针对该传感器的Allan标准差结果表明,当不使用自适应最小二乘法时,系统在积分时间为6s的检测下限为78.8nL/L;使用RLS自适应算法时,系统的检测下限为43.9nL/L。相比基于传统传感结构和滤波方法的中红外直接吸收光谱传感器,本文所报道的中红外甲烷传感器由于采用了电域自适应滤波方法,因而呈现出更好的抗干扰性和稳定性。     

一种改进的转子振动信号消噪方法研究

为提高转子振动信号消噪方法的性能,通过分析噪声成分和对应消噪方法的特点,提出了一种基于改进中值滤波与小波包消噪技术相结合的信号降噪新方法.该方法首先根据信号采样频率计算中值滤波器的窗口宽度,从而可以有效滤除含噪信号中的脉冲噪声和部分白噪声;然后再用阈值及其处理函数都经过改进的自适应小波包消噪方法去除残留在信号中的白噪声,最终得到信噪比提高的振动信号.通过仿真信号和转子实验振动信号的降噪处理,对新方法的性能进行了验证.降噪结果表明,该方法在有效消除混合复杂噪声对振动信号干扰的同时,保留了故障信号的细节特征,比一般的小波域中值滤波降噪方法更为有效.     

捷联惯导陀螺信号的小波实时滤波器设计

介绍小波去噪步骤和一种实时滤波算法.针对捷联惯导系统中光纤陀螺输出信号的特点和系统导航计算的要求,设计了实时滤波方案,去除了信号中高频部分的噪声,从而抑制了陀螺的随机漂移.通过仿真实验,验证了小波实时滤波算法对陀螺输出信号进行滤波消噪处理的可行性和有效性.     

改进的最小二乘自适应滤波陀螺仪去噪方法

为了降低微机电系统(MEMS)陀螺仪输出当中的噪声分量,提出了一种基于随机加权方法下的抗野值递推最小二乘法(RLS)自适应滤波算法。标准RLS算法的基本思想是对于所有已输入的信号而言,尽量使得在每个时刻对数据块估计的平方误差的加权和最小,这也是RLS算法对于非平稳信号的适应性要比其他滤波算法好的重要原因。针对标准RLS算法中野值对其滤波精度的影响,同时,复杂的非平稳环境也会对其有一定的影响。所以,提出并验证了随机加权方法对RLS算法的抗野值处理,并将提出的改进算法应用到了MEMS陀螺仪的去噪研究中,改进后的算法不仅可以很好的去除单个野值对滤波的影响,而且对于野值连续成片出现的情况,也能结合算法的适应性很好的保持滤波的稳定性。     

基于粒子群优化的形态学滤波器消噪方法

为了有效地消除信号的噪声,提出了基于粒子群优化的数学形态滤波器构造方法。首先,根据数学形态学算法的特性构造了形态学滤波器;然后,对于形态学滤波运算中的重要参数形态结构算子,采用具有全局优化性能的粒子群算法自适应选取,以最大信噪比作为整个优化过程的判定标准,从而实现了最优滤波器的构造;最后,通过仿真实验和轴承故障信号的分析表明,该形态学滤波器能够实现较好的滤波效果,可以有效地对机械设备的故障信号进行消噪。     

基于数学形态学的汽车轮毂单元振动信号消噪算法研究

针对轮毂单元故障信号中的脉冲信号往往被背景噪声淹没的问题,将数学形态学滤波技术应用到一维振动信号的消噪中,并与3σ规则结合,提出了基于数学形态学运算和软阈值的振动信号消噪方法.首先,采用形态滤波对染噪的轮毂单元信号进行了过滤,并提取了峰谷信号;然后,采用3σ规则对峰谷信号进行了阈值处理,并将形态滤波结果与阈值处理后的峰谷信号相加,作为最终消噪结果;最后,对其进行了频谱分析以提取特征,并在Matlab中对该算法仿真试验进行了有效性评价以及轮毂单元振动信号的消噪试验.研究结果表明,该算法不仅运算简便,并且在最大限度抑制噪声的同时保留了绝大部分的有用信号,取得了较好的消噪效果,故障信号识别率提高了20％左右.     

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。     

基于EMD和ANFIS的自适应噪声消除研究

对于混入色噪声的混合信号,如果可以通过测量得到产生色噪声的白噪声,对白噪声进行非线性训练即可逼近色噪声,达到非线性滤波的目的.自适应模糊推理系统(adaptive neuro-fuzzy unference system,ANFIS)可以实现上述非线性逼近.文中在上述算法的基础上,提出一种EMD(empirical mode decomposition)-ANFIS的自适应色噪声消除方法,首先对混合信号进行EMD分解,得到各个内禀模态函数分量(intrinsic mode function, IMF),然后对分解得到的内禀模态分量进行ANFIS模糊消噪,最后对消噪后的各个分量信号进行叠加.由于所得内禀模态函数为近似平稳信号,且图形越来越趋于平缓,减小了ANFIS方法的逼近难度.在混合信号信噪比为2.840 7 dB时,经过EMD-ANFIS消噪后的估计误差比只经过ANFIS消噪后的估计误差减少11.74 dB,证明EMD-ANFIS方法的有效性.     

深孔加工过程功率监测信号的自适应消噪

针对深孔加工过程功率监测信号舍有大量脉冲干扰和随机非平稳噪声的特点,采用自适应滤波方法对监测到的功率信号进行消噪.实验表明,利用自适应滤波方法,对功率监测信号具有很好的滤波效果.     

数学形态学和HHT在轴承故障诊断中的应用

数学形态学滤波算法具有很强的抑制脉冲干扰的能力,但滤除白噪声的能力却不及小波算法。针对这一不足,在对信号进行形态滤波之前先进行小波消噪,再进行HHT分析提取故障特征频率。通过仿真和示例证实了该方法可以有效地消除信号干扰噪声,提取轴承故障特征,达到对滚动轴承故障诊断的目的。     

基于自适应滤波的气/固两相流固体颗粒速度测量方法

本文把自适应滤波应用于气固两相流固体颗粒速度测量。对安装于方形气力输送管道上的静电传感器输出信号,采用自适应滤波计算流动噪声在上下游静电传感器间的渡越时间,结合传感器对的安装尺寸,测得管道中固体颗粒的流速。采用自适应时延估计缘于它的诸多优点,基于参数模型估计理论,算法相对简单,对各种统计特性的信号和干扰噪声适应性强,能在较强的干扰背景下获得较好的时延估计。为验证理论的可行性,分别利用仿真信号和方形管道实验平台的实测信号进行了实验,结果表明自适应滤波适用于气力输送管道中固体颗粒的速度测量。     

多项式拟合方法在目标跟踪中的应用

文章在经典RLS自适应滤波算法的基础上.引入曲线多项式拟合的方法;在位置滤波的同时.应用多项式拟合的方法估计出目标运动的速度值.仿真结果表明滤波效果得到改进。     

稳健的仿射投影符号自适应滤波算法

非高斯的冲击噪声在现实世界广泛存在,严重影响了基于l2范数优化准则的自适应滤波算法的性能。在各类自适应滤波算法中仿射投影符号算法(APSA)结合了仿射投影算法(APA)良好的收敛特性和符号算法对非高斯冲击噪声干扰的抑制能力,因而其在非高斯冲击噪声条件下具有良好的性能。但是该算法的步长选择是固定的,且未考虑系统稀疏特性,因而在参数选择和收敛速度方面有一定的局限性。将变步长的方法和比例矩阵的思想融合到一起,引入步长函数,提出了一种稳健的仿射投影符号自适应滤波算法—变步长的改进比例仿射投影符号算法(VSS-IPAPSA)。该算法不仅可以缓解收敛速度与稳态失调之间的矛盾,同时也可以增加其对系统的不同稀疏特性和噪声特性的适应性。理论分析和仿真实验结果验证了其稳健性和有效性。     

基于小波消噪和优化支持向量机的板形模式识别

提高板形模式识别的精度利于得到高精度的控制效果。针对实测的板形信号中混有噪声信号的问题,利用双变量阈值小波去噪,克服了软硬阈值函数在处理小波系数方面存在的缺点,使得去噪的效果更好。将去噪后的板形信号离散化,作为支持向量机的学习样本,建立识别模型。引入布谷鸟算法优化支持向量机的参数。仿真结果表明,相比于粒子群和遗传算法,布谷鸟优化算法所需匹配的参数少,而获得的最优解更好。     

参数自适应选择的局部投影滤波算法研究

针对常规局部投影滤波算法中对邻域半径及噪声子空间维数的选取问题,提出了一种参数自适应选择的局部投影改进算法。利用相点与其近邻点形成的空间矢量方向随邻域半径的变化趋势,自适应地选取最优邻域半径;并采用MInka Beyasian模型选择(MInka Beyasian Selection,MI-BS)准则确定该邻域内噪声空间维数的大小。对Henon映射序列及实际采集的碰摩转子振动信号序列进行的仿真实验结果说明,该自适应滤波算法能够更精确地识别出噪声中的混沌数据,从而具有更强的混沌信号恢复及非线性降噪能力。     

Adaptive methods for resolution enhancement of ultrasonic NDT signals: Comparative exploration

Adaptive filters, with their efficiency and simplicity, have been used successfully in various ultrasonic NDT signal processing contexts. Of these, the adaptive deconvolution with the conventional least-mean-squares (LMS) adaptive filter has improved time resolution. However; the convergence speed of LMS is restricted by the eigenvalue spread of the input correlation matrix. This paper explores the potential of other adaptive algorithms, namely, normalized least-mean-squares (NLMS), recursive least squares (RLS) and QR-decomposition-based RLS (QR-RLS) to handle the deconvolution of ultrasonic NDT signals and compare their performances with that of the conventional LMS algorithm. Furthermore, the mean square error (MSE) behavior in the different adaptive filtering algorithms for ultrasonic NDT signals deconvolution is briefly introduced. Experiments results are explained by graphs and discussed based on the performance criteria. The proposed methods enhanced the resolution quality, offering more alternatives for this application according to specific case requirements.     

基于蚁群优化UKF算法的汽车状态估计

针对汽车状态估计中过程噪声和观测噪声的时变特性,提出一种新的自适应滤波算法。该算法基于三自由度非线性汽车动力学模型,在利用UKF对汽车状态量进行估计的同时,引入蚁群优化算法,根据目标函数对过程噪声和观测噪声进行寻优,实现了过程噪声和观测噪声的自适应作用,估计精度的大幅提高。虚拟实验验证了蚁群优化UKF算法的鲁棒性和精度。研究结果对汽车主动控制系统的开发具有重大的理论指导意义。     

多传声器小波多尺度信息融合滤波算法

为了滤掉信号采集过程中存在的环境噪声和信道噪声,提出一种基于小波多尺度信息融合和三角时延矢量误差的信号滤波算法。基于多传声器信号时延估计特性,提出时延矢量封闭准则。首先将多传声器同步采集所得信号进行小波多尺度分解,得到多尺度小波细节系数和近似系数,然后根据时延矢量封闭准则求取各层小波系数时延差,结合信息融合理论,提出一种三角时延矢量误差,由多传声器综合支持度获得时延阈值,将其作用于三角时延矢量误差,得到各层小波系数的权重,最后对小波系数重构得到降噪后的信号。实验表明,此滤波算法不仅滤掉了信号中的噪声成分,还优化了传声器资源的配置,既保留了高支持度传声器信号特性,还改善和提高了低支持度传声器信号质量,与小波分层阈值和全局阈值滤波算法相比充分体现出该算法的有效性。     

基于FastICA的超声A波信号降噪研究

为便于缺陷可视化和提高缺陷定量分析精度,必须降低超声检测过程中多种未知噪声源对超声A波信号的干扰。首先将超声A波信号进行相空间重构,得到一个相空间重构矩阵;然后进行基于FastICA算法的独立分量分析;最后从独立分量中提取出所需的超声信号。为了验证降噪效果,将该降噪方法与小波去噪方法进行对比。实验结果表明:该方法与小波去噪方法效果接近,极大地提高了超声信号的信噪比。同时,该方法与小波去噪方法相比具有自适应能力强、简单且易于实现等优点。     

基于字典学习和稀疏编码的振动信号去噪技术

针对现有机械振动信号去噪算法需要一定先验知识的问题,提出了一种基于字典学习和稀疏编码的自适应去噪滤波方法。根据信号的本质特性,应用在线字典学习方法对原始数据进行学习和训练,寻求数据驱动的最优字典空间。引入正交匹配追踪算法,确定原始信号在最优字典空间上的稀疏表示。基于稀疏编码和优化字典,重构原始信号,实现信号去噪。仿真和试验结果表明,相对于现有去噪方法,基于字典学习和稀疏编码的方法自适应能力强,去噪效果好。