基于样本熵的改进小波包阈值去噪算法

为了更好地消除噪声对被测振动信号的干扰,分析了样本熵算法与噪声的关系,提出了一种基于样本熵的改进小波包阈值去噪算法。在阈值函数方面,该方法利用样本熵作为特征参数,对含噪信号小波包系数的噪声分布进行表征,且依据此特征参数值对阈值函数进行改进,使其能够根据信号的小波包系数受噪声影响的情况进行自适应的调整;在阈值选取方面,定义去噪后信号与原始信号之差作为噪声信号的估计,利用样本熵作为判别依据,选取使得噪声估计的样本熵值最大的阈值作为最优阈值。该方法与其他方法进行对比,结果表明,该方法能够有效地去除噪声且更好地还原信号的频率特征,是一种更为优越的去噪算法。     

基于样本熵的最优小波包阈值估计去噪算法

为了更加有效地去除噪声对被测信号的干扰,分析了传统小波阈值估计方法的局限性,提出了一种基于样本熵的最优小波包阈值估计去噪算法。该方法利用样本熵作为信息价值函数以确定最优小波包,且以样本熵为判据,对不同的分解层数设置不同的阈值,选取使得去噪后得到的噪声估计信号样本熵值最大的阈值作为最优阈值。对仿真信号进行分析证明了该方法的有效性,将该方法应用于滚动轴承振动信号去噪分析且与其他阈值方法相对比,结果表明该方法去噪后的信号较其他方法而言频谱中的干扰频率更少且滚动轴承的基频以及故障频率更为突出,去噪效果更好,是一种更为优越的去噪算法。     

基于样本熵的改进空域相关去噪算法

针对传统的小波空域相关去噪算法存在噪声与信号系数误判以及终止滤波迭代过程的阈值确定困难等问题,提出了1种基于样本熵的改进空域相关去噪算法。考虑到不同频率段的小波包系数中噪声含量的不同,对不同小波包节点系数分别进行归一化相关系数计算与去噪迭代,且对每1次迭代后的小波包节点系数进行样本熵计算,选取当各节点小波包系数样本熵取最大值时做为终止迭代条件,认为此时的小波包系数全为噪声系数。对仿真信号进行分析,结果证明了该方法的有效性;将该方法应用于故障滚动轴承振动信号去噪中,能够较好地还原信号的特征频率,取得了较其他传统算法更好的去噪效果。     

小波包尺度相关性阈值函数去噪算法研究

传统的小波包阈值函数如软、硬阈值函数等其去噪形式固定,对全部小波包系数进行相同的阈值化处理,然而噪声在小波包系数中的分布却并不均匀。为了弥补这一缺陷,提出了一种新的带参数的阈值函数,对最大分解尺度与其相邻尺度的小波包系数进行相关性计算,且以该值作为调节参数,对相关性弱的小波包系数进行大尺度收缩而对相关性强的小波包系数尽可能地保留,以达到自适应去噪的目的。利用此方法对滚动轴承振动信号进行去噪分析且对去噪后信号进行功率谱分析,与其他方法进行对比,结果表明该方法去除噪声较为彻底,且能更好地还原信号的特征信息。     

基于改进双树复小波的光谱去噪算法研究

为了消除可见光近红外光谱噪声,提高利用光谱曲线进行信息提取的精度,提出一种改进双树复小波变换(DTCWT)的后验估计及广义形态滤波的光谱去噪方法。首先对带噪信号进行双树复小波分解,将信号的高频部分和低频部分进行分离。然后分别采用最大后验(MAP)估计算法和广义形态学滤波(GMF)对高频系数和低频系数进行去噪处理。最后对去噪后的高频系数和低频系数进行DTCWT反变换,得到去噪光谱。对USGS光谱库中的植被光谱以及铁铝榴石光谱进行实验,结果表明该方法易于实现,去噪效果理想,是一种很好的可见光近红外光谱去噪方法。     

一种改进的小波阈值去噪算法

针对传统小波阈值去噪算法中阈值选取困难,提出一种新的小波-EMD-SVD差分谱组合模式。对原始信号做小波分解得到一系列细节信号,不再通过小波阈值将强噪声小波系数简单地置零,而是对其进行EMD-SVD差分谱微弱信号提取,最后进行重构。实验结果表明,该算法对强噪声环境下信号的去噪效果明显且平稳。     

一种改进的小波域去噪算法

在Donoho D L和Johnston IM提出的多分辨分析小波阈值去噪方法的基础上,提出了一种新的双变量阈值函数。采用新的阈值函数的去噪效果无论在视觉效果,还是在信噪比增益和最小均方意义上均优于传统的硬阈值和软阈值,克服了采用硬阈值法去噪效果不佳和软阈值法过度光滑使信号失真的缺点。通过仿真实验结果,表明该方法的有效性和优越性。     

改进小波包多阈值去噪法及其工程应用

针对机械振动信号提取时面临的去噪问题,在小波包多阈值准则去噪法的基础上,提出一种改进的小波包多阈值准则综合去噪方法(改进FMC去噪法)。该方法首先采用探测插值法对机床原始振动信号进行预处理,剔除受外界干扰产生的突变噪声信号;再以小波包分析为基础,根据有用信号的最小频率确定最大分解层数,并按最小代价原理确定信号分解的最佳小波包基;最后采用小波包多阈值降噪准则对振动信号进行重构,得到去噪后的机床振动信号。针对含噪blocks信号、doppler信号及模拟的含噪振动信号进行的仿真实验结果表明,改进后的FMC去噪法去噪效果优于传统方法。将该方法应用于气囊修整机振动信号分析中,结果表明,改进FMC去噪法能够有效剔除振动信号各频段的噪声,提高信号特征的可分离性。     

机组运行趋势的小波包掩模去噪研究

对机组中长期运行趋势的提取方法进行了研究,提出了基于小波包时频掩模技术去除机组运行趋势噪声的方法,用该方法去除了短期的随机波动,得到了均值意义上的趋势。对该趋势提前进行时间序列预报,可以得到机组未来均值意义上的趋势,显著提高机组运行状态的预报效果,且该方法具有对数据的广泛自适应性。     

基于模极大值小波域的包络去噪算法研究

针对包络轮廓信息提取粗糙的难题,结合小波变换和希尔伯特变换原理,提出了一种基于模极大值小波域的包络去噪算法.仿真表明该算法提高了包络提取的精度,全面获得信号所隐含的故障特征.     

基于小波去噪算法的主轴轴心轨迹提纯研究

主轴轴心轨迹中包含了大量的故障信息,在研究轴心轨迹之前必须进行降噪处理。介绍了三种不同的小波阈值去噪方法,并利用此三种方法对所采集的轴心轨迹数据进行降噪处理,实验结果表明方法三的去噪效果最好。为进一步研究提供了依据。     

基于模极大值小波域的包络去噪算法研究

针对包络轮廓信息提取粗糙的难题,结合小波变换和希尔伯特变换原理,提出了一种基于模极大值小波域的包络去噪算法.仿真表明该算法提高了包络提取的精度,全面获得信号所隐含的故障特征.     

基于改进小波阀值的振动信号去噪方法研究

采取小波算法,运用小波变换阀值法对振动信号进行去噪。对比了传统的软阀值函数和硬阀值函数的优缺点,并在软、硬阀值函数的基础上,提出了一种改进的阀值函数的方法。通过与软、硬阀值函数方法去噪效果的仿真对比分析,新的去噪方法提高了重构信号的信噪比,可以有效去除噪声,并对原始信号的细节特征保留较好。     

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。     

基于Grubbs准则的小波自适应阈值去噪算法

小波阈值去噪法是去除信号中白噪声的有效算法.根据白噪声和信号小波系数的特点,提出一种分解层数自适应确定法和一种基于Grubbs准则的各层阈值选取法,并结合软、硬阈值法的特点,改进了小波系数阈值估计的模型.     

基于小波变换的信号去噪研究

介绍了小波变换理论,系统地研究了小波变换在信号处理尤其是信号滤波去噪方面的应用。根据不同类型的噪音．给出了基于不同小波变换的滤波算法并且对基于小波变换的滤波原理进行了分析。     

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.     

一种新的小波阈值去噪算法研究

为了更好地消除噪声对被测信号的干扰,针对传统小波软、硬阈值函数与全局阈值去噪算法的不足,综合考虑了小波阈值的估计与阈值函数的选取,提出了一种新的小波阈值去噪方法。对仿真信号与实验轴承振动信号进行去噪分析,并与几种不同的小波阈值去噪算法结果相对比。结果表明:新的小波阈值去噪算法更好地去除了噪声并保留了信号的原始特征,是一种更加优越的去噪方法,具有较高的实用价值。     

基于小波改进阈值去噪与EMD的滚动轴承故障诊断研究

针对传统阈值去噪方法在处理轴承故障信号时存在的不足,提出了基于小波改进阈值去噪与经验模态分解(Empirical Mode Decomposition,EMD)的滚动轴承故障信号的分析方法。为改善小波去噪产生的信号振荡和失真问题,构造了适用于滚动轴承振动信号的非线性阈值函数,并将其用为滚动轴承故障信号的噪声过滤器。采用经验模态分解将去噪后的信号分解成若干固有模态函数(Intrinsic Mode Function,IMF),并用统计分析的方法提取出谱峭度值、各固有模态函数与去噪信号之间的互相关系数最大的分量。最后,为了在频域内提取到故障特征频率,对抽取到的固有模态分量进行包络分析。仿真数据分析和模拟实验数据分析表明,所提方法可有效地提取轴承故障特征频率,实现轴承的故障诊断。     

一种改进的基于小波去噪和区域生长的彩色图像分割算法

彩色图像分割是彩色图像处理中的重要问题。传统的彩色图像分割都是基于灰度分割算法,而忽略了彩色的空间域视觉效果及噪声污染问题。文章提出一种新的基于小波去噪和种子区域生长的一种改进方法：首先,应用小波去噪技术,强化图像边缘特征,抑制噪声,提高原始图像的信噪比;其次,将RGB彩色图像转化到HIS空间进行边缘检测,对图像进行抖动处理以减少彩色图像中的颜色数目,然后对不同分量进行序列阀值分割;最后对分割结果再进行一种新的基于区域生长的颜色相似性的聚合。仿真结果表明该算法更加符合人眼的视觉特性。