基于Neyman-Pearson信号消噪方法的改进

本文介绍了运用小波变换进行信号消噪的原理，阐述了基于阈值的正交小波变换消噪法，对运用Neyman-Pearson准则进行阈值选定的方法作了改进，使其适合多尺度分解的小波变换，并将电子测量中的38准则用于对噪声强度的估计运算中，实验证明该种方法取得了较好的实用性。     

基于时频峰值的汽车加速度信号消噪方法

由于干扰源多、噪声功率大等原因,汽车加速度传感器信号在使用前需要进行降噪预处理.根据汽车加速度非平稳、信噪比低的特点,结合时频峰值滤波理论和实际采集的汽车加速度数据,研究了适用于汽车行驶加速度信号增强的滤波算法及合适的滤波窗长.通过Carsim仿真实验和实车行驶实验进行验证表明,时频峰值滤波能够大大地增强有效信号的强度,取得良好的消噪效果.     

基于小波阈值的sEMG信号消噪方法研究

在表面肌电（sEMG）信号采集过程中,不可避免的会出现噪声,特别是人体运动时,肌肉动态收缩,采集的结果含噪就会更多。针对含噪情况,提出基于小波阈值的sEMG信号消噪方法。通过选择肌电信号的采集位置,在采用高精度的肌电采集系统的基础上,采集正常行走过程中胫骨前肌的sEMG信号,利用matlab小波工具箱,用dbN小波函数进行分解后,用detcoef函数提取不同尺度的细节系数,将与噪声相关的细节系数进行强制阈值消噪,对信号相关的细节系数用minimaxi阈值规则进行软阈值消噪,并与分层阚值得到的降噪信号进行比较,分层阈值得到的降噪信号过于光滑,降噪后的信号能量保留成份仅为46．48％,失去了原信号本身的一些信息。而采用软闯值消噪,不仅较好的去除了噪声,而且与原信号保持了很好的相似性,能量保留成份达到86．38％,说明比分层阈值具有更好的消噪效果。     

RFID射频信号的小波消噪方法

为了改善RFID系统的性能,提出使用小波变换去噪的方法降低射频信号的噪声影响.为了提高对物体自动识别的准确率,采用了小波去噪与傅里叶变换去噪方法.根据标准ISO18000-3在LabVIEW 环境下使用调制工具包仿真产生了13.56MHz的RFID射频信号,并用小波分析方法和傅里叶分析方法对仿真产生的RFID射频含噪信号进行去噪.仿真结果表明,与传统傅立叶分析消噪相比,小波消噪具有较高的精度及较好的消噪效果.研究小波分析在射频信号消噪中的应用具有现实意义并切实可行,同时小波分析应用到虚拟仪器测试领域,能够为人们提供更为精确和方便的测试,在工程应用中具有较好的应用前景.     

钢丝绳信号消噪方法的仿真研究

介绍了小波阈值去躁和平移不变量小波阈值去躁的基本原理及算法流程。在传统软硬阈值函数的基础上,构造了一个新的阈值函数,该阈值函数不仅克服了硬阈函数不连续的缺点,而且解决了软阈值函数存在的恒定偏差。将新阈值函数用于改进的平移不变量小波阈值去躁算法,取得了较好的降噪效果。     

火炮反后坐装置振动信号小波消噪处理

阐述了反后坐装置在整个火炮系统中的重要性,重点比较了针对振动信号的三种小波消噪方法的优劣,并结合反后坐装置振动信号的特点选择多小波去噪方法进行去噪处理,得到了较理想的处理结果,为反后坐装置进一步故障诊断奠定基础.     

基于EMD的脉冲星信号消噪算法

为了提高脉冲星辐射信号的信噪比,提出了一种基于经验模态分解(EMD)的脉冲星信号去噪算法。利用经验模态分解将信号分解为一组固有模态函数(IMF)。针对EMD阈值消噪算法性能不稳定这一问题,该算法滤除固有模态函数噪声时,利用相邻信号标准差作为噪声水平的判断准则,并采用自适应阈值,对于噪声含量较高的信号采用低通滤波器消噪。实验结果表明,与EMD阈值消噪方法相比,该算法能获得更高的信噪比,并具有较好的稳定性。     

基于EMD阈值方法的轴承故障振动信号去噪

针对随机噪声信号影响对有用信息的获取,提出了EMD分解阈值去噪方法,将小波阈值去噪原理应用于经验模态分解（Empirical Mode Decomposition,EMD）中。首先对实际含噪信号进行EMD分解,根据分解后得到的内蕴模态函数（Intrinsic Mode Function,简称IMF分量）,采用自适应阈值去噪,进行信号重构,得到消噪后的信号,获取有用信息。将该方法应用于实际工程故障振动信号中分析研究表明,该方法可以获得较高的信噪比,能够对实际信号进行有效的故障特征频率提取,降噪后比降噪前的诊断效果更明显。     

小波阈值法在炮口振动信号消噪中的应用

针对传统软硬阈值方法存在的估计小波系数连续性差和信号失真等问题,采用了三种改进的小波阈值消噪方法,通过对仿真含噪信号进行消噪分析及计算信噪比、赋范均方根误差等评价参数,表明改进的方法消噪效果良好,最后对实测航炮炮口振动信号进行消噪处理,分别从时域和频域两个角度进行比较分析,进一步验证了改进小波阈值函数方法在炮口振动信号消噪中的有效性.     

基于MATLAB的小波包信号消噪处理

信噪分离是小波包应用于信号分析的一个重要方面。本文在基于MATLAB的基础上,采用小波包对含高斯白噪声信号进行分解,通过不同的量化阈值对小波包系数进行处理、重构得出小波包消噪后的信号。计算机仿真结果表明,用不同量化阈值的小波包可对含高斯白声信号进行消噪重构。     

基于多准则排序融合的特征选择方法

针对模式分类中特征选择问题,为去除冗余特征,提高分类准确率,提出一种基于ReliefF算法、Fisher比率算法和马氏距离算法的多准则排序融合的特征选择方法。动态结合上述3种单准则特征选择法的优点,实现对多个评价准则的综合利用。以Ionosphere标准数据集和高速列车转向架故障数据集为研究对象进行实验仿真,仿真结果表明,相比于单准则特征选择法,该方法能更有效地降低特征维数,具有更高的分类性能。     

基于多准则排序融合的证据组合方法

Dempster-Shafer证据理论在信息融合领域有着广泛而重要的应用, 但传统Dempster证据组合规则往往会引发一系列反直观结果问题, 如冲突悖论、信任偏移悖论以及证据吸收悖论等. 针对这一问题, 提出了一种基于多准则排序融合的证据组合新方法. 该方法综合利用了证据精度、证据可信度以及证据自冲突程度等指标评价待组合证据体,并以选择性融合的方式获取最终的组合结果. 仿真结果和相关分析表明,所提方法是合理有效的.     

基于LabWindows/CVI的小波消噪技术在振动信号测试中的应用

在振动信号测试中,可由加速度信号积分求解速度与位移信号,但由于噪声的存在影响了速度与位移积分精度,因此提出一种基于提高积分精度的自适应确定小波分解层数及阈值的消噪方法。实验结果表明该方法能有效消噪,减少因为噪声引起的积分误差。     

基于最优小波基选取的掘进机振动信号去噪方法

为了提高掘进机振动信号小波包去噪的效果,最大限度避免噪声对信号特征提取的影响,提出了基于最优小波基选取的掘进机振动信号去噪方法。该方法以信号频谱为分析依据,首先确定了小波包分解的最优分解层数,再选择最优小波基函数,实现了对掘进机振动信号的实时处理,去噪效果达到了最佳。现场试验结果也验证了该方法的有效性。     

一种旋转机械振动信号的有效消噪方法

提出了一种基于奇异值分解(SVD)、Mallat算法和经验模态分解的信号降噪方法.首先,采用香农熵判据寻求最佳小波分解,对带噪部分小波系数进行经验模态分解,提取出信号趋势分量;其次对小波系数剩余部分采用奇异值分解方法降噪,并根据奇异值差分谱自适应的选择奇异值进行重构,将重构后的信号和趋势项叠加作为新的小波系数;最后进行小波重构得到最终的消噪信号.运用模拟信号和齿轮箱断齿故障信号进行仿真,结果表明该方法能够准确地选择用于重构的奇异值个数,并能有效去除信号噪声,保留特征信号的细节信息,尤其对含有趋势项的故障特征有很大实用性.     

基于EMD阈值算法的脉冲涡流信号消噪

针对脉冲涡流信号夹杂着较多的高频噪声,提出了一种新的经验模态分解阈值消噪算法。首先将信号分解为多个本征模态函数（Intrinsic Mode Function,IMF）,对信噪比低的高频IMF进行减小噪声能量处理后得到重组信号;再对重组信号进行EMD分解后根据白噪声统计特性对IMF筛选,对噪声含量多的IMF进行小波阈值消噪;最后将处理过的IMF与噪声含量少的IMF重构得到消噪后的信号。实验仿真的结果和数据表明,该方法可以减少失真,获得更高的信噪比,能够较好地消除噪声的干扰恢复出原始的信号。     

基于小波变换的车辆动态轴重信号消噪

对车辆的运动状态和动态轴重信号干扰的产生进行分析,在此基础上对车辆动态轴重信号的噪声在小波变换下的特性进行了说明,据此提出一种可有效消除车辆动态轴重信号噪声的软阈值选取方法;通过具体仿真实例说明该阈值处理方法的优点,表明基于该方法对车辆动态轴重信号消噪是很有效的。     

司法消噪与多技术融合的时间序列预测

针对时间序列的在线精确预测问题,建立了融合预测算法。创新地提出了司法消噪算法,在保留数据的原始信息前提下,实现了对时间序列中数据噪声和新稳态的处理;利用经验模式分解方法对除噪后的数据进行平稳化分解处理;结合BP神经网络、最小二乘支持向量机分别对分解后的低频、高频项进行预测,实现对时间序列的在线精确预测。该算法克服了BP神经网络的高频易发散和最小二乘支持向量机的计算高耗时问题。基于患者呼吸周期序列预测的仿真和临床实验结果表明,该算法能实现时间序列的在线精确预测,且误差小于单一的BP算法,耗时小于单一的最小二乘支持向量机预测算法。     

滚动轴承振动信号无线采集系统设计

针对滚动轴承振动信号有线监测系统存在现场布线不便的问题,设计了一种滚动轴承振动信号无线采集系统。该系统采用加速度传感器MMA7260采集滚动轴承振动信号的X、Y、Z轴向加速度信号,由无线射频收发芯片nRF9E5将该信号传输到PC机进行信号分析与处理,实现了滚动轴承振动信号的采集和短距离无线收发功能。实验结果验证了该系统的有效性。