小波变换在冲击信号去噪应用

由于冲击信号测试环境的复杂性,噪声干扰的存在对信号分析的结论有一定影响.本文基于小波变换下设计了一种实用的针对冲击信号小波去噪方法.     

基于双自适应提升算法的心音信号去噪研究

心音去噪是心音信号临床使用的前提。本文提出将双自适应提升算法用于心音去噪处理。该算法采用自适应更新和自适应预测构造小波函数,通过将传统的硬阈值和软阈值函数相结合,构造了一个改进的阈值函数进行心音信号去噪处理。对临床采集的80例心音信号进行了去噪实验,结果表明：该算法表现出良好的去噪效果,并增强了信号的局部特征。同普通小波去噪方法相比,其信噪比提高了46.5%,均方根误差减小了64.0%,而且运行速度快,可有效地用于临床心音信号的去噪处理。     

基于奇异谱分析的心音信号小波包去噪算法研究

针对传统心音去噪算法对强噪声下心音信号去噪时,易将部分心音信号视为噪声成分去除,导致有用心音信号能量损失。利用奇异谱分析方法的主成分分析特性,提出多级奇异值分解(Multi-stage Singular Value Decomposition,MS-SVD)算法用于提取心音信号的主分量(Principal Components,PC)信息;采用小波包(Wavelet Packet,WP)分析算法对提取的心音信号进行分解,并对分解所得低频系数进行自适应阈值处理,去除低频噪声;利用小波包多分辨率特性提取高频心音。实验结果表明,该算法能明显改善心音去噪性能指标信噪比(SNR)、信噪比增益(SNRG)及根均方误差(RMSE),且在不同噪声水平下的去噪性能优于传统心音去噪算法。此改进算法既能有效去除心音中噪声成分,亦能保留心音信号细节特征。     

检测技术中新的小波阈值函数的信号去噪

在信号检测技术中,构造了一个新的阈值函数,与传统的软硬阈值函数相比,连续性好,高阶可导,便于进行各种信号处理和检测。实验仿真结果表明,采用新的阈值函数的去噪效果在信噪比增益和均方误差意义上均优于传统的软硬阈值方法,给检测技术带来了新的发展。     

果蝇优化小波阈值超声检测信号去噪

由于材料结构的复杂性,超声检测回波信号往往存在很多干扰噪声。针对钢制结构中平底孔的超声检测信号传统小波去噪方法中小波阈值难确定的问题,结合小波良好时频特性和果蝇的全局优化能力,提出基于果蝇算法(FOA)优化小波阈值函数的超声检测信号去噪方法。对原始信号叠加5d B高斯白噪声,通过测试最大信噪比改善量获得最佳小波基和分解层数,采用sym5小波对超声检测信号进行6层分解后,利用果蝇算法对小波阈值进行参数优化,对比传统4种阈值确定方法,提高小波阈值的精度。验证结果表明:该方法对超声检测信号去噪后信噪比、均方根误差和相关性等参数具有满意的效果,去噪效果明显。     

基于多重小波变换的力微分信号去噪研究

将多重小波变换应用到机器人力控制系统的力微分信号获取中,采用浮动阈值法消除力微分信号中混人的噪声,并将其与传统的低通滤波方法进行比较.结果表明,多重小波变换在用于力微分信号的去噪上比传统的方法具有更好的效果.此研究对提高机器人力控制系统的稳定度和品质具有重要价值.     

基于小波变换的整车驾驶性评价信号去噪

整车驾驶性评价试验采集的加速度信号中混有噪声,严重影响了数据的准确性。针对整车驾驶性评价试验中采集的加速度数据存在的噪声对驾驶性评价指标值的准确性产生影响的问题,提出一种适合于整车驾驶性评价试验数据的小波去噪方法:根据整车加速度数据特征,初步选择备选的小波基函数,通过评价信噪比和均方根误差确定最优的小波基函数和阈值选取规则组合,在此基础上对含噪信号进行多个尺度的分解,通过评价由平滑度和均方根误差构造的复合指标确定最优小波分解层数,从而实现对噪声信号的滤除。对一换挡工况的加速度试验数据采用上述方法的去噪并进行分析,分析结果表明,该小波去噪方法不仅较好地保留了换挡工况中用于评价驾驶性的振动与冲击指标特征,并且能够有效地提取信号的有用频率成分,保证了驾驶性评价指标值的准确性。     

自适应小波阈值去噪在重力仪信号处理中的应用

为了有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响,提高重力异常测量值的精度,在分析了小波阈值及自适应小波阈值去噪算法的基础上,将其应用到高精度海洋重力仪系统数据处理中,并与自适应卡尔曼滤波做了对比,以处理后信号的信噪比作为衡量3种数据处理方法优劣的依据.理论分析和仿真实验表明,自适应小波阈值去噪方法、传统的小波阈值去噪方法和自适应卡尔曼滤波都能在一定程度上消除噪声信号对重力仪测量信号的影响,但在相同情况下,自适应小波阈值去噪方法具有明显的优越性.     

小波分析在PWM整流器去噪中的研究

为了减少大功率PWM整流器中采集到的固有噪声信号的影响,提高其变流控制的精度,将小波分析理论引入到PWM整流领域.并利用db小波对PWM整流器交流侧的电流反馈信号进行了多层小波分解,把反馈的电流信号分解为多个层次的高频部分和低频部分,最后按实际需求对信号进行重构达到降噪的目的.实验结果表明,小波分析方法的应用能有效地消除PWM整流器中的噪声干扰,在机车变流器的信号降噪处理方面有广阔的应用前景.     

小波阈值去噪法在MEMS陀螺仪信号降噪中的应用

通过分析小波分析法中的阈值去噪算法的原理,根据MEMS陀螺仪信号漂移的数学模型,采用了基于小波阈值去噪法对MEMS陀螺仪的输出进行实时消噪处理.并将该算法应用到基于DSP的某MEMS陀螺捷联惯导系统后对系统的MEMS陀螺仪进行零漂试验.通过整个系统试验结果分析,使用小波阈值去噪法对抑制MEMS陀螺仪零漂,改善MEMS陀螺仪的零偏稳定性具有很好的效果,肯定了小波阈值去噪方法在MEMS陀螺仪噪声处理中的理想效果.     

模糊逻辑提升小波在惯性传感器去噪中的应用

针对传统小波在惯性传感器去噪中存在计算复杂和分解层数固定的问题,提出了一种基于模糊逻辑的提升小波阈值去噪方法。该方法首先利用模糊逻辑判断载体当前的运动状态,并根据先验知识确定该状态下的信号带宽;然后依据小波分解层数与截止频率间的对应关系,选择惯性传感器各个轴向的分解层数;最后在提升小波框架下对信号做离散小波变换,并对各层系数进行阈值去噪。实验结果表明,该方法可以对运动状态进行正确判别,与固定层数的传统小波相比,具有更好的降噪效果和更快的处理速度。     

二代小波包变换在爆破振动信号去噪分析中的应用

在提升算法及小波包变换原理基础上,构造了基于插值细分的小波SGW(6,6);介绍了基于最优提升小波包基分解的阈值去噪算法,将实测爆破振动信号通过二代小波包分解,对小波包系数进行阈值量化,再对阈值处理后的系数进行重构,成功地实现了爆破振动测试信号中的噪声去除。为将二代小波包变换引入到爆破振动效应分析研究领域奠定了基础。     

一种改进的小波阈值去噪算法研究

研究小波去噪算法中软阈值函数与硬阈值函数的方法,针对一些可变阈值函数的运算复杂的问题,提出一种新的阈值函数。经仿真测试,改进的小波阈值去噪算法的信噪比为20.103,去噪后,数据的均方误差为0.1152。     

语音信号去噪的最优方案选取

针对噪声的引人对语音信号的保真有很大的影响,本文主要采用matlab中小波工具中的一些小波变换去噪函数对语音信号进行去噪仿真研究,其中的阈值去噪的方法是一种实现简单、效果较好的小波去噪方法。且与一般的傅里叶变换去噪进行对比,显示了小波去噪的优良特性。     

基于小波包变换和自适应滤波的超声信号去噪

为解决传统小波去噪方法因阈值设置问题或不能保留信号高频部分致使去噪效果不明显的问题,提出一种基于小波变换的自适应去噪方法,即先将信号进行小波包分解,然后对各分量信号分别选用不同的滤波参数,进行自适应滤波处理。实验表明:该方法有良好的超声信号去噪效果,为缺陷的分类和定量测量打下基础。     

小波阈值去噪法在超声信号处理中的应用研究

研究了小波阈值去噪方法在超声信号处理中的应用.在对用超声方法测得的信号进行去噪处理的过程中,探索了不同的小波基和阈值选取准则对阈值去噪结果的影响.通过对去噪信号的图形以及统计特性的分析和比较,选用Sym小波系中的Sym8小波和“Minimaxi”阈值选取准则对测得的信号进行去噪处理.实验结果表明：小波阈值去噪方法在超声检测去噪中能够取得较好的效果.     

基于matlab的小波变换去噪性能的研究

文章分析了在小波变换下,信号和噪声所具有的小波系数性质的不同,对用户接收的信号进行噪声的滤除。小波的多分辨特性能将信号在不同尺度下进行多分辨的分解,并将交织在一起的各种不同频组成的混合信号分解成不同频段的子信号,针对信号经小波变换后在不同分辨率下呈现不同的规律,那么就在不同分辨下设定不同的阀值门限,通过调整小波系数,达到去噪的目的。     

小波阈值去噪法的改进算法

基于小波变换的阈值去噪法是去除数字信号中白噪声的有效算法.其中阈值函数关系着重构信号的连续性和精度,硬阈值函数的不连续性和软阈值函数中估计的小波系数与信号的小波信号间存在恒定偏差的缺陷,也限制了它的进一步应用.本文通过数学方法的引入,对阈值函数进行了改进.仿真结果表明,该方法具有较好的去噪效果.     

自适应二进小波去噪法

本文通过引入一类新的可微阈值函数,建立了信号的能量同它的二进小波变换系数之间的关系.利用Stein无偏风险估计和梯度下降法,给出了迭代求解各尺度二进小波系数最优阈值的自适应去噪算法.数值实验结果表明,同现存的小波去噪技术相比,该算法的去噪结果具有更高的重构信噪比和更光滑的外观.     

基于EEMD和小波的爆破振动信号去噪

针对爆破振动信号去噪的问题,提出基于EEMD(ensemble empirical mode decomposition,集成经验模态分解)和小波变换结合的去噪方法。首先,采用EEMD将爆破振动信号分解成若干个IMF分量,然后利用自相关函数选择主要包含噪声的分量,再利用基于无偏估计的小波阈值去噪方法分别对含噪声分量进行去噪,最后,将去噪得到的分量之和与剩余分量相加,得到最终的消噪信号。该方法兼具了小波去噪以及EEMD去噪的优点,使得去噪后的信号信噪比更高,有用信息保留更完备,为爆破振动信号的去噪提供了一条新的途径。