基于BWO优化VMD联合小波阈值的管道泄漏次声波去噪方法

管道泄漏次声波信号中的干扰噪声影响管道泄漏定位的精准度。提出了一种基于白鲸优化算法（BWO）优化变分模态分解（VMD）联合小波阈值（WT）的管道泄漏次声波去噪方法。针对VMD算法中分解层数K和惩罚因子α的取值对信号分解结果影响较大,利用白鲸优化算法（BWO）对VMD分解的两关键参数进行寻优,获得最优参数组合[K、α],并利用优化后的参数对次声波信号进行VMD分解,获得一系列本征模函数（IMF）分量。通过计算各IMF分量的相关系数来区分噪声IMF分量和有效IMF分量,引入一种改进的小波阈值函数对有效的IMF分量进行去噪处理,再重构去噪后各有效IMF分量,得到去噪后的管道泄漏次声波信号。通过仿真实验,将所提方法与灰狼优化算法（GWO）优化VMD联合小波阈值和麻雀搜索算法（SSA）优化VMD联合小波阈值两种方法对比,所提方法去噪后信号的信噪比分别提高了1.27%、2.01%,表明所提方法的去噪效果具有一定的优越性,为后续管道泄漏计算定位奠定了良好的基础。     

联合CEEMD及AFSA优化小波阈值的心音信号去噪研究

心音是诊断身体健康的重要生理信号,为有效降低心音信号的噪声,提出一种联合互补总体经验模态分解(CEEMD)及AFSA优化小波阈值去噪相结合的方法。即先将不同频率范围的心音信号通过CEEMD进行分解,然后选取高频部分的IMF分量使用人工鱼群(ArtificialFish-SwarmAlgorithm,AFSA)优化小波阈值算法进行去噪,最后将去噪后的信号与分解的低频IMF信号进行重构得到去噪后的心音信号。将联合CEEMD及AFSA优化小波阈值去噪算法与传统的CEEMD算法、小波阈值去噪算法进行仿真对比。实验结果表明,联合去噪算法在去除心音信号噪声方面效果最好。     

基于小波阈值去噪方法的研究

系统地研究了小波的软阈值去噪、硬阈值去噪、garrote阈值去噪以及semisoft阈值去噪等四种阈值去噪方法,并把它们应用到典型的含噪信号中进行比较,最后对去噪的影响进行了阐述.     

CEEMDAN-小波阈值联合的球磨机筒体振动信号去噪方法研究

针对球磨机振动信号非线性、非平稳性特点及总体平均经验模态分解方法(CEEMDAN),舍弃高频分量降噪方法和小波阈值降噪方法存在的不足,提出了一种基于CEEMDAN-小波阈值联合的球磨机筒体振动信号去噪方法。首先运用CEEMDAN算法将信号分解成一系列IMF分量;其次采用连续均方误差准则确定含噪声较多的高频IMF分量;然后采用小波阈值去噪方法对含噪声较多的高频IMF分量进行去噪处理;最后将去噪后的IMF分量和去噪的IMF分量进行重构,从而得到去噪后的信号。通过对实测球磨机筒体振动信号进行去噪分析,结果表明本研究提出的联合去噪方法去噪后信号的信噪比更高、均方根误差更低,证明该方法具有更高的去噪精度。     

基于改进小波域阈值法的平移不变振动信号去噪

针对含噪振动信号的去噪问题,采用了目前最有效的小波算法。在传统小波域阈值法的基础上,克服了软、硬阈值的缺陷,采用了新的闽值函数,并通过平移不变小波变换对去噪效果进行了强化。通过与几种方法去噪效果的仿真对比,其结果表明,新的去噪方案可以获得最大的信噪比（SNR）,其去噪效果明显优于传统的软、硬阈值函数,并在实际振动信号的处理中得到了很好的应用。     

小波分析在振动信号去噪中的应用

旋转机械振动信号是监测和诊断设备运行状态的重要信息,但是采样信号不可避免地受到各种噪声和干扰的污染。介绍了采用小波分析对振动信号进行去噪处理。通过对噪声信号的特性分析,用一维小波对信号进行分析和研究,并在MATLAB环境下对信号进行详尽的仿真研究,验证了小波去噪的优越性,并总结了应用小波去噪的一些实际经验。     

基于AMD和小波阈值去噪的电机轴承故障诊断

轴承是异步电机常见故障类型中发生故障概率最大的部件.谐波法是目前轴承故障诊断的常用方法,想要准确的获取故障特征谐波分量,需要对故障信号进行去噪预处理.针对故障信号提取特征频率的噪声干扰问题,结合电机轴承故障机理分析,提出运用解析模态分解(AMD)算法和小波阈值去噪算法相结合的谐波检测方法来提高电机轴承故障特征谐波分量提取的准确性.实验结果表明,所提方法能够准确的提取故障信号的特征分量,可有效提升故障诊断的准确性和可靠性,降低了电动机故障发生概率.     

轴系轮廓重构信号的CEEMDAN—小波阈值去噪方法

针对轴系回转过程中动不平衡引起的位移误差信号含噪问题,提出自适应噪声完备集合经验模态分解(CEEMDAN)—小波阈值去噪的轴系轮廓重构模型。采用CEEMDAN对位移信号进行分解得到各阶本证模态函数(IMF),采用相关性分析提取含噪的IMF分量,并对其进行小波阈值去噪,与经验模态分析EMD—小波阈值去噪方法进行比较,最后将提纯后的信号进行重构。模拟仿真表明,去噪后的信号不仅保持了原有信号的特征,并且有效去除了噪声。将去噪后的信号输入到重构轮廓模型进行试验,结果表明,去噪后分离的单个截面回转误差准确度提高了0.05μm,圆度误差准确度提高了0.0703μm。     

基于新阈值函数的小波阈值去噪算法及仿真

针对小波阈值去噪算法中传统软、硬阈值函数以及现有的一些文献所设计阈值函数的不足,提出一个新的阈值函数,此函数具有更好的光滑性,其随着小波分解尺度的变化而发生变化,具有很好的适应性,函数中无不确定参数,提高了去噪稳定性。仿真结果显示,采用新阈值函数去噪后的信号信噪比和均方根误差均优于传统阈值函数及现有的两种改进阈值函数,去噪效果良好,具有广阔的应用前景。     

多小波在信号中的去噪研究

在信号的传输过程中,常常因为各种干扰使得接收图像失真,从而需要对接收信号进行去噪处理。笔者介绍了多小波自适应阈值去噪的方法在信号去噪中的应用,并与传统小波去噪方法进行了实验对比,结果为通过采用多小波自适应阈值去噪方法中的均值逼近对信号进行预处理后,信噪比(SNR)要比不用均值逼近法的要高,信号质量得以大大改善,并且均方误差(MSE)反而也减小了,数据更加可靠。因此得到了更为理想的接收图像。     

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。     

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。     

基于遗传算法的轴承信号分形无标度区的截取

将遗传算法应用于分形无标度区的截取上，实现了无标度区的快速、准确的截取。在实际应用中，对轴承振动信号进行无标度区的截取，进而用G-P算法计算振动信号的关联维数，从结果中可以看出正常振动信号与故障振动信号之间有着明显的差异，为轴承故障诊断提供一个比较可信的判断依据。     

活塞涡流信号的小波阈值降噪优化研究

涡流检测信号在产生、传输及接收过程中,会引入大量的随机噪声,为了后续信号特征提取识别处理,降噪在信号处理中是必不可少的一个环节。阐述了小波阈值降噪的基本原理,搭建了活塞喉口涡流检测实验平台。采集多组涡流检测信号,结合信噪比、均方根误差两项指标,评价降噪过程中阈值、阈值函数选取的不同对降噪效果的影响,对降噪方法进行比较优选。实验结果表明:当涡流检测信号中含有大量白噪声时,启发式阈值准则和改进指数型阈值函数能够很好的实现真实信号的提取,降噪效果最优。     

基于遗传算法的自适应随机共振与VMD分解的轴承故障诊断方法

随机共振(Stochastic resonance,SR)在处理实测轴承故障信号时需满足绝热近似条件,即需满足小参数信号(信号幅值、信号频率、噪声强度远小于1),这一问题极大地制约了对实测振动信号的检测,针对这一现象,提出基于遗传算法的自适应变尺度随机共振与变分模态分解(Variational mode decomposition,VMD)的轴承故障诊断方法。首先,设定合适的压缩比R将实测信号进行压缩,使其满足小参数条件;然后,定义信号的输出信噪比为目标函数,利用遗传算法(Genetic algorithm,GA)对变尺度随机共振的结构参数a和b进行同步优化,选取最优值代入变尺度随机共振中对实测信号进行消噪处理;最后,将降噪信号进行VMD分解,从分解得到的各IMF分量的频谱图中识别轴承故障特征频率。对实验数据分析的结果表明,该方法可有效地提高轴承故障诊断的准确度。     

基于小波分析对信号噪声的处理及应用

简要介绍了小波去噪的主要作用、特点和发展现状,分析了小波对普通信号的去噪效果。结合小波去噪的具体应用实例,通过使用两种不同的小波去噪方法,分析比较其对侵彻弹体加速度信号的去噪效果,讨论使用不同小波去噪方法的特点,并分析不同背景下小波去噪方法的选择。     

改进小波阈值-形态学融合算法在振动信号误差抑制中的应用

针对机械装备振动信号采集中含有脉冲噪声及高斯噪声等多种复杂污染源的信号误差抑制去噪,设计了小波阈值和形态学融合算法.首先,在高斯平滑思想上引入改进的小波阈值函数,能够调节阈值函数向小波分解系数真值的收敛趋势达到有效去除高斯噪声及避免稳态偏差的目的,对比几种常用的函数算法,提出的阈值函数取得了在信噪比提升及均方根误差抑制...     

基于小波变换mallat算法的雷达回波去噪

为了准确识别雷达回波信号中的目标信号,将小波变换引入雷达回波信号处理,对回波信号进行分解、重构,并通过滤波器设计,去除了雷达信号中的噪声。采用Matlab软件进行系统仿真,结果表明,采用小波变换mallat算法对探地雷达回波信号进行目标识别具有较好的时频分辨率,且可抑制杂波,去除噪声,能很好地识别目标信号,具有很好的应用前景。