基于经验模态分解和小波阈值的冲击信号去噪

冲击信号是非线性的并且容易受到噪声污染;为研究冲击信号去噪的问题,针对经验模态分解(Empirical Mode Decomposition,EMD)去噪和小波阈值去噪方法存在的不足,提出了基于EMD的小波阈值去噪方法;单纯的EMD去噪方法会在去除高频噪声的同时压制高频的有效信息;EMD与小波阈值去噪相结合,利用连续均方误差准则确定含噪较多的高频固有模态函数(Intrinsic Mode Function, IMF),对高频IMF分量进行小波阈值去噪,以分离并保留这些分量中的有效信息,同时保持低频IMF分量不变;对模拟数据和实际冲击信号进行去噪处理,结果表明,基于EMD的小波阈值去噪方法的去噪效果优于单纯的EMD去噪方法和小波阈值去噪方法。     

混凝土喷射机振动信号变分模态分解方法研究

混凝土喷射机是隧道、地铁和桥梁建设等工程项目中常用的一种机械设备.振动信号是混凝土喷射机的一个重要指标,通过研究混凝土喷射机的振动信号,可以得到其特征频率,从而为设备改进和故障诊断提供理论依据,而IVMD为特征频率的提取提供了一种新的方法.为了研究混凝土喷射机工作过程中的振动信号,以PS6 I-J型混凝土喷射机为例,使...     

基于VMD和小波阈值的水听器信号去噪方法

针对水听器采集信号过程中存在的外界环境噪声干扰问题,提出了一种基于变分模态分解和小波阈值(VMD-WT) 的联合去噪方法该方法首先对含噪信号进行VMD分解,得到固有模态函数(IMFs)。然后计算每个IMF分量的中心频率和相关系数,通过相关系数阈值去除噪声IMFs,并对其余有用的IMFs进行小波阈值去噪处理。最后对去噪的IMF分量进行重构,得到具有良好信噪比的信号,通过仿真实验,证明了本方法与CEEMDAN=WT(自适应噪声的完备经验模态分解－小波阈值去噪)、EEMD-WT(集合经验模态分解－小波阈值去噪)、EMD-WT(经验模态分解－小波阈值去噪)、WT(小波阈值去噪)等方法相比,具有更好的去噪效果。通过对光纤水听器的实测实验表明本文的VMD-WT法在实际水听运用中具有良好的提高信噪比的性能。     

基于VMD和小波分析的电能扰动信号去噪算法

为了提高检测电能扰动信号特征的精度,抑制混杂噪声的干扰,提出将变分模态分解(VMD)结合小波阈值的去噪算法.首先利用Hilbert变换对扰动信号进行频谱分析,通过计算平均瞬时频率值,确定分解的模态个数;然后将含噪信号进行VMD分解,筛选部分模态分量重构信号;最后通过小波阈值法去除重构信号的残余噪声.与现有算法去噪效果对...     

基于经验模态分解的探地雷达信号去噪处理

探地雷达作为一种先进的地球物理探测方法,具有探测效率高、操作简单、采样迅速、无损伤探测、探测分辨率高等优点。探地雷达的信号的去噪问题已成为一个公认的技术难题。本文用经验模态分解的方法对探地雷达信号进行信号去噪处理,并取得了良好的效果。     

基于经验模态分解的脉搏信号去噪

在分析经验模态分解EMD(Empirical Mode Decomposition)算法的基础上,建立了时空滤波方法和软阈值去噪方法.利用两种方法分别对含噪的脉搏信号进行了去噪仿真,结果表明基于EMD的软阈值法去噪效果优于时空滤波去噪法.采用EMD的软阈值法对实际的脉搏信号进行了去噪处理,验证了方法的有效性.     

变分模态分解组合广义形态滤波器的MEMS陀螺仪去噪方法

为了更加有效地消除MEMS陀螺仪输出信号存在大量不同类型噪声的同时保留有效信号特征,本文提出了一种变分模态分解(VMD)的多尺度自适应组合广义形态滤波器(CGMF)去噪方法.该方法首先采用VMD将MEMS陀螺仪原始输出信号分解为多个不同尺度的具有特殊稀疏性的一高低频离散带限子信号内模函数(BLIMFs),然后通过选择CGMF中合适的结构元素(SEs)长度和几何结构对上述不同尺度BLIMFs进行自适应去噪处理,最后重建去噪后的BLIMFs获得去噪信号.通过实验验证并与现有的信号去噪方法相比,本方法的主要优点在于:1)解决了CGMF中SEs的长度和几何结构等关键参数的自适应选择问题; 2)针对不同类型噪声均进行了有效的分离和去噪处理.     

基于变分模态分解改进方法的滚动轴承故障特征提取

针对滚动轴承早期故障振动信号信噪比低、故障特征提取困难的问题,提出了基 于多相关-变分模态分解(MC-VMD)的滚动轴承故障诊断方法。首先对多加速度传感器采集到的 信号进行多相关处理以突出故障信号特征;然后通过VMD 自适应地将信号分解成多个本征模 态分量(IMFs),运用谱峭度法和包络解调对相关峭度较大的分量进行分析;最后通过包络谱识 别出滚动轴承的工作状态和故障类型。将该方法应用到滚动轴承故障实例数据中,实验结果表 明,该方法可有效提取滚动轴承故障特征频率信息。     

脉搏波信号预处理方法研究

为克服脉搏波信号采集时受到的高频噪声干扰和低频噪声干扰,脉搏波信号的预处理成为心脉信号处理中的关键环节。使用零相位滤波法处理脉搏波信号,改善传统数字滤波器直接滤波的输出失真问题;通过建立评价参数,对去除高频噪声的数字滤波器和小波阈值滤波器的滤波效果进行评价,获得最佳滤波方法;对比常用去基线漂移方法在处理脉搏波信号时的特点,获得最佳去基线漂移算法。使用新研发的脉搏波采集手环采集多名受试者的脉搏波原始信息,将采集到的信号按上述方法去噪和去基线漂移后,实现脉搏波信号的预处理过程。实验结果表明,采用sym4小波基、固定阈值、软阈值函数等小波阈值去噪方法去除高频噪声并使用三次样条插值拟合曲线去除基线漂移后,所获得的脉搏波信号平滑无毛刺,每个周期起始点和终点都在同一水平基线上,满足后续脉搏波信号的医学分析和疾病诊断需要。     

基于心动周期和经验模式分解的心电信号去噪处理

针对现有心电信号（Electrocardiogram,ECG）去噪方法难以精准剥离与之频带重叠的肌电干扰并无损提取到“干净”ECG的问题,提出了利用心动周期和经验模式分解对含噪ECG进行去噪处理。本文方法首先对含噪ECG进行经验模式分解,然后利用心动周期判断固有模态函数分量属于噪声还是有用信号,最后将有用信号的固有模态函数分量重构ECG。为验证本文去噪方法,首先采用ECG动力学仿真模型评估本文方法在不同参数噪声下的去噪效果;其次选取MIT-BIH数据库中的基线漂移信号bw,肌电干扰信号ma和105号、107号、123号ECG分别构建3组真实含噪ECG进行实验。评估与实验结果均表明本文方法可以简单、有效地同时去除ECG中的肌电干扰和基线漂移,去噪效果优于普通经验法。     

改进小波阈值函数信号去噪研究

为解决信号去噪中白噪声的抑制问题,在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阈值去噪方法的基础上,提出一个双变量阈值函数。与传统的硬阈值、软阈值函数相比,该函数有优越的数学特性。仿真实验表明,新的阈值函数可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比和均方误差定量指标上,均优于上述去噪方法,具有较高的实用价值。     

基于平稳小波变换心音信号阈值去噪的对比分析磁

为研究去除心音信号中的环境噪声、工频噪声和肌电噪声等多种噪声,获得最优的心音去噪方法。论文基于平稳小波变换选取db5小波对心音信号进行3尺度分解,对分解后的高频系数分别选择了硬阈值函数以及软阈值函数,并对固定阈值、Stein无偏似然估计阈值、启发式阈值、极大极小阈值以及Penalized阈值进行了对比分析。通过去噪衡量指标对心音信号不同阈值以及阈值函数的去噪效果对比分析,硬阈值的去噪效果要好于软阈值的去噪效果,去噪效果最好的是S tein无偏似然估计阈值,有效地去除了参杂在心音信号中的多种噪声。     

基于排列熵的振动信号小波包阈值去噪研究

工程实践中的振动信号往往存在噪声干扰而导致信号特征信息无法显露,传统小波包软、硬阈值函数去噪形式固定,无法依据信号小波包分解系数的噪声干扰情况进行调整.据此,提出一种新的介于软、硬阈值函数之间的改进小波包阈值函数,并将排列熵作为信号含噪情况表征参数引入阈值函数中.对信号小波包系数进行排列熵计算,并依据该值对阈值函数进行自适应调整,使得新的阈值函数能够对含噪较多的小波包系数进行大尺度收缩而对含实际信号特征较多的小波包系数尽可能地保留,从而达到最佳的去噪效果.对滚动轴承振动实验信号的去噪分析,并与其他方法进行对比,验证了该方法的有效性与优越性.     

基于CEEMD和改进小波阈值的机械密封声发射信号降噪方法

声发射作为一种无损检测结束被广泛应用于多个领域,针对声发射信号难以从背景噪声种分离的问题,提出了一种基于互补集合经验模分解（CEEMD）与改进小波阈值相结合的降噪方法。首先对声发射信号进行CEEMD分解,通过峰宽占比确定信噪分量分界点,对噪声分量进行改进的小波阈值降噪,将降噪后的分量与其余分量进行信号重构得到最终降噪结果。通过仿真信号和机械密封声发射实验信号论证了本文方法相较于传统小波降噪和CEEMD强制降噪更有效。     

基于EMD和小波阈值滤波降噪的MATLAB仿真

本文对经验模式分解(EMD)时频分析进行研究,具体的讲述了EMD算法相关基本概念以及EMD分解方法,同时分析了EMD的改进方法,提出了基于EMD与小波阈值滤波结合进行信号降噪的方法,根据这一方法对非平稳、非线性信号在高斯白噪声下进行了降噪,最后基于MATLAB仿真对小波阈值降噪、基于EMD的小波阈值降噪法进行了比较.仿真结果表明,后者效果好.     

应用小波变换和ICA方法的肌电信号分解

基于单通道、短时真实肌电（EMG）记录和模拟EMG信号,提出一种改进的肌电信号分解方法。首先应用小波滤波、硬阈值估计等方法去除背景噪声和白噪声,并将独立成分分析（ICA）方法和小波滤波方法相结合去除工频干扰信号,然后再进行幅度滤波,从而提高了系统的速度和强健性。在运动单元动作电位（MUAP）聚类以及从原始信号中去除已识别的MUAP波形等方面也进行了改进。与已有的EMG分解方法相比,本文方法更快速、稳定。