基于改进VMD的岩石声发射信号去噪方法

针对岩石声发射(AE)信号中包含的噪声分量难以有效滤除的问题,提出了一种变分模态分解(VMD)与样本熵(SE)相结合的AE信号去噪方法.首先,将含噪声的岩石声发射信号进行VMD分解,并获得一系列具有不同中心频率的固有模态函数(IMF);其次,计算各个IMF分量的样本熵,将其大于设定阈值的IMF分量视为噪声分量剔除并保留...     

基于小波去噪和EMD的齿轮箱故障诊断研究

提出小波去噪和EMD相结合的齿轮箱故障诊断的新方法。该方法首先对原始信号进行小波阈值去噪,将去噪信号利用EMD方法分解为多个IMF分量,计算各IMF分量和原信号的互相关系数,选择互相关系数较大的IMF分量进行Hilbert包络谱分析,提取故障频率。以互相关准则提取IMF分量避免了IMF分量选择的盲目性。对实测齿轮箱故障信号进行了分析,结果表明该方法能够有效地识别齿轮箱故障频率。     

基于小波变换阈值方法的地震信号去噪研究

提高地震信号的信噪比,对地震勘探数据的处理具有非常重大的意义。小波变换能把信号分解在多个尺度上,不同尺度上的小波变换系数代表原信号在不同分辨率上的信息。地震能量主要集中在信号的低频段,利用信号在不同的尺度上进行小波分解,可以进行地震信号的去噪处理。     

基于EEMD方法的地下矿山微震信号去噪研究

对地下矿山实时在线监测的微震信号进行微震事件特征提取和识别分类研究时,识别的效率往往取决于训练样本和测试样本的质量,为提高数据样本的质量,去除信号中掺杂的噪声,采用聚合经验模态分解(EEMD)方法对地下矿山微震信号进行预处理。通过采用EEMD分析方法对矿山微震信号进行预处理,获得从高频到低频铺展的一组固有模式分量(IMF)及一个残余分量,通过计算各分量能量占比把IMF中的噪声部分及残余项去除,再将包含矿山微震信号主要信息的剩余分量进行重构,从而得到去噪后的微震信号。通过信号仿真实验及实例分析,对比小波预处理方法,结果表明:该方法利用EEMD自适应分解的特性不但克服了小波阈值和分解函数选取困难等弊端,而且能显著提高信号的信噪比,较好地保留了信号形态,获得较为理想的去噪效果。     

基于改进小波阈值算法的矿用钢丝绳损伤检测信号去噪方法

在矿用钢丝绳损伤检测中,信号去噪对损伤检测信号特征提取与定量识别的准确性有着直接的影响。针对小波阈值算法在钢丝绳损伤检测信号去噪中的应用,在Donoho的软、硬阈值去噪方法的基础上,提出一种改进的小波阈值算法,该算法解决了硬阈值去噪效果不佳与软阈值过度光滑导致信号失真的难题,完整地保留了钢丝绳检测信号中的小奇异信号,去噪效果明显优于传统的阈值去噪方法。     

基于VMD的大地电磁信号去噪研究

大地电磁信号是解释地质构造的重要信息载体,其受长周期和随机噪声影响严重,导致地质构造的反演结果出现严重的偏差。为了解决该问题,基于变分模态分解(Variational Mode Decomposition,VMD)提出了一种综合性的大地电磁信号去噪算法。对原始电磁信号进行多分辨VMD处理去除长周期噪声,采用小波包阈值去噪法去除信号的随机噪声,使用信号重构得到去噪处理后的大地电磁信号。使用此方法对工程实测大地电磁信号进行处理,结果表明,此方法能够对大地电磁信号的长周期噪声和随机噪声进行抑制,并且极大限度地保存了信号的有效分量,提高了时域信号的周期性,全频分段的视电阻率曲线得到了明显优化。     

小波变换域井下视频监控图像改进阈值去噪方法

通过对井下视频监控系统实时采集的各类开采、地质环境信息进行有效分析,可为制定井下开采方案以及进行灾害救援提供准确依据。由于井下光照不均匀,粉尘较多,严重干扰了监控探头获取高质量的监控图像。为此,结合小波变换方法,提出了一种小波变换域改进阈值去噪方法。该方法首先对井下视频监控图像进行3层小波分解,得到低频和高频分解系数;其次对低频分解系数进行重构,得到空间域背景图像,采用维纳滤波算法进行处理,以去除其中存在的少量噪声;然后根据经典小波硬、软阈值去噪模型的不足,提出了一种改进型阈值去噪模型,该模型可分别根据不同的高频分解系数自适应设定阈值,可有效去除不同分解层高频系数中的噪声,对去噪后的各高频分解系数进行重构,得到空间域细节图像;最后,分别将去噪后的空间域背景图像和细节图像进行叠加,得到去噪后的井下视频监控图像。采用1幅内蒙古某煤矿井下视频监控图像进行试验,并引入了经典小波硬、软阈值去噪模型及2类已有的改进型阈值去噪模型与所提方法进行试验对比,结果表明,所提方法不仅可有效去除井下视频监控图像中的噪声,而且可保持图像细节信息完整性。     

基于小波变换的矿震信号去噪方法研究与应用

从小波变换的基本原理出发,对实际矿震信号进行了去噪处理,通过用傅里叶变换和小波变换对北京木城涧煤矿实际矿震信号去噪效果分析,小波变换在对非平稳的矿震信号去噪方面有着傅里叶分析不可比拟的优点。并探索了不同的小波基和阈值选取准则以及分解尺度对矿震信号去噪结果的影响。     

基于变分模态分解的爆破振动信号去噪方法研究

为对爆破的振动信号进行有效去噪,提出了一种基于窗口傅里叶变换的自适应双重变分模态分解-小波阈值(Adaptive dual variational mode decomposition-Wavelet threshold,ADVMD-WT)组合方法对爆破临近地区采集的振动信号进行去噪处理。首先利用VMD算法对振动信号进行第一次分解,分解层数根据窗口傅里叶变换频谱图中的波峰个数来确定,基于各个分量的相关系数识别出高频的噪声分量;然后对剩余信号分量逐个进行第二次分解,重复第一次分解的步骤,分离出各个低频分量中含有的噪声信号;针对噪声分量中仍含有少量有用信号,对噪声分量进行小波阈值去噪,获取有用信号;最后重构信号分量得到ADVMD-WT方法去噪后的信号。将ADVMD与其它去噪方法相比,并从信噪比、均方根误差2个评价指标验证了ADVMD方法在爆破振动信号去噪中的有效性。     

基于MATLAB的小波去噪方法研究

通过对小波阈值化去噪的原理介绍,运用MATLAB中的小波工具箱,对一个含噪信号进行阈值去噪,通过实例验证理论的实际效果,证实了理论的可靠性.     

改进的小波图像阀值去噪方法

阐述了基于小波变换的多分辨分析阀值去噪理论及其算法实现,提出了一种阀值估计的改进方法,该方法较传统阀值去噪方法能更准确的估计阀值,从而改善去噪效果,实现了阀值估计方法用于传统小波阀值去噪,仿真结果表明,该方法比传统的阀值去噪方法无论在峰值信噪比还是主观视觉效果上都有明显的改善。     

线性域SVD地震波场分离与去噪方法

由于不同性质的地震信号之间在传播特性、视速度和相干性上存在差异,依赖地震信号视速度信息,借助线性变换(如NMO、线性动校正等)手段,把有效信号或干扰信号校平,使之在横向上达到最佳相干性,目的是把有效信号或干扰信号转换到一种在横向上相干性更理想的处理域中,然后通过SVD,提取目标信号的奇异值重构信号,从而实现地震波场分离与去噪。     

基于Curvelet变换的地震资料弱信号识别及去噪方法

针对地震资料中背景噪声较强,有效弱信号淹没其中难以识别,且在时间域地震有效信号和随机噪声又较难分离的问题,尝试将其通过Curvelet变换进行信噪分离。在Curvelet的不同尺度域采用自适应阈值函数对噪声进行压制,保留有效信号系数;同时,阈值函数中引入不同尺度域地震剖面信噪比,通过与信噪比相关的权值系数降低具有高信噪比的尺度域阈值,从而保留被随机噪声淹没的弱信号;最后对残留噪声系数再应用中值滤波,进一步压制噪声,突出弱信号。与常用于弱信号识别处理的小波变换,以及Curvelet变换的固定阈值处理方法相比,具有多尺度多方向性的Curvelet变换能够更加有效的刻画地震信号,结合自适应的阈值处理时,在弱信号识别及去噪方面具有明显优势。     

冻结立井爆破振动信号去噪研究

针对冻结立井监测到的爆破振动信号的高噪声、短持时和非线性的特征,提出了经验模态分解-去趋势项波动分析(Empirical Mode Decomposition-Detrended Fluctuation Analysis,EMDDFA)组合去噪方法。采用4项指标综合评价了EMD-DFA法、EMD和EEMD法、小波阈值法和小波熵去噪法去噪效果。结果表明:被强噪声污染的爆破振动信号采用EMD-DFA组合法去噪得到了信噪比和互相关度最高,相应的误差最小,去噪后的信号保留了爆破信号的瞬态非平稳特征,去噪效果最优。     

基于经验模式分解的超声信号去噪算法

针对煤矿机械关键零部件超声检测时受到煤矿现场非线性、非平稳噪声干扰的问题,研究了超声信号的自适应去噪方法,将超声信号分解成独立的IMF分量,并得到各IMF分量的频谱,选择与探头中心频率相近的各IMF进行重构,提高了信噪比。     

基于固有时间尺度分解算法的微震信号去噪

针对微震信号的非平稳宽频带特征,采用环境噪声层相关阈值,基于固有时间尺度分解(ITD),建立了一种高效的去噪算法。与小波变换为基础的去噪对比结果表明,ITD算法去噪彻底,去噪波形与原始波形峰值位置精确一致、到时突变细节保留完整,适用于对初至波到时精确拾取和判断。     

基于平移不变小波爆破振动信号去噪的应用研究

传统的小波变换阈值法去噪会使爆破振动信号的急剧变化部分产生人为的振荡现象,产生这种现象的原因是小波缺乏平移不变性。使用平移不变小波变换去噪方法,对爆破振动信号进行循环平移,利用软或硬阈值对该信号的小波系数进行压缩,重构信号,再进行相反的循环平移,通过多次的平移-消噪-平移,平均所获得的结果,从而消除小波基的平移依赖性。该方法不仅能有效地消除爆破振动信号的伪吉布斯（Psuedo—Gibbs）现象,而且能减小原始爆破振动信号和估计爆破振动信号之间的均方误差（MSE）。通过理论和实践证明了这种方法能够更有效地消除爆破振动信号中的噪声。     

煤岩微弱电磁信号的噪声源识别及去噪方法

煤岩破坏可以产生电磁信号,分析其信号特征对于准确预测煤岩动力灾害有着重要作用,然而当破裂信号较为微弱时,外界干扰因素会对结果分析产生极大影响。为此,在分析实验条件下煤岩受载电磁信号的噪声来源及其各自特征的基础上,提出了循环带阻滤波、基于白噪声统计特征及经验模态分解(EMD)的均值滤波、基于模态分量自相关函数频谱的准周期特征识别及带阻滤波等方法,对不同源头的噪声进行了自动识别及去噪,同时,在信号源未知的情况下提出了评估去噪效果的噪噪比(NNR)方法。结果表明:基于分源去噪方法而得出的型煤电磁信号噪噪比仅为0.136 6,明显优于单一的小波及EMD去噪方法,表明分源去噪方法在煤岩受载微弱电磁信号去噪中有着良好的应用效果。