基于小波变换的随钻测试数据降噪方法研究

为消除随钻测试装置采集信号中的噪声,给工程人员提供准确的现场信息,提出了基于小波变换的方法对随钻测试数据进行降噪处理。首先,根据含噪声的随钻测试数据模型建立起小波变换降噪的基本流程。其次,在对含噪信号的小波变换特性分析的基础上,运用自相关函数对其在小波变换尺度空间中进行白噪声检验,确定小波最优分解层数。在分析对比小波降噪阈值的不同选取方式后,采用广义交叉确认理论来计算最优降噪阈值,从而在对信号降噪的同时还最大程度地保留了信号的有效特征成分。最后给出了基于该方法小波变换的随钻测试数据降噪的详细步骤,对实测的钻压和扭矩数据进行了小波降噪,取得了良好的降噪效果,为钻井工程后续分析提供了可靠的数据支撑,证明了本方法的优越性。     

基于Gabor变换的信号降噪方法

介绍了Gabor变换的基本理论，提出了一种基于Gabor变换的降噪方法。该方法首先对信号进行Gabor变换，并选择合适的阈值对Gabor展开系数进行处理，然后对处理后的Gabor展开系数进行Gabor逆变换，从而实现降噪。仿真结果表明，该方法具有很好的降噪效果，为机械故障诊断提供了一种新的思路。     

小波变换在轴承故障声发射信号降噪中的应用

噪声消除是小波变换最成功的应用之一，其基本思想是将信号的小波变换系数通过阈值处理，然后进行小波重构得到降躁的信号。根据故障轴承声发射信号的脉冲特性选取Morlet小波．以“小波熵最小”原则确定Morlet小波的波形参数，然后进行连续小波变换。采用软阈值方法处理小波东数，通过小波重构得到降噪后的故障声发射信号，噪声得到了很好的抑制，故障脉冲特征明显增强。采用实验数据，通过与离散小波变换的比较，得到了用连续小波变换可以有效降低噪声、提取故障声发射信号特征的结论。     

基于小波包变换相关性的信号降噪方法及齿轮故障诊断

介绍了小波包变换的基本思想，将新型小波包变换滤波器与信号重采样结合，提出了一种新的小波包降噪方法，研究了该方法的降噪效果，同时比较小波包直接降噪和小波包重构滤波器的降噪效果。将该方法用于齿轮箱的故障诊断，结果表明，该方法能够有效识别齿轮箱中的齿轮典型故障。     

改进的FastICA算法在地震数据去噪中的研究

为了有效去除地震数据的干扰噪声,采用FastICA算法进行降噪处理。地震数据的有效信号和噪声是非线性混合的,不满足FastICA算法使用的线性混合条件,提出了一种改进的FastICA算法进行地震数据降噪。该方法首先利用小波变换将地震数据分解到不同尺度空间上,然后设计了一种新的阈值降噪函数,并将FastICA和小波变换进行有效结合,对不同尺度空间上的噪声进行消除,通过小波重构恢复有效信号,利用仿真实验确定了新算法的分解层数为3。将改进的方法进行实际地震数据降噪处理,结果证明改进的方法能有效去除地震数据的各类干扰噪声,通过信噪比得出改进的FastICA较原始FastICA降噪效果更理想。     

适于目标检测的宽带回波信号去高频方法

运用变换的方法进行雷达回波信号压缩前,为了减少变换系数的数据量通常要对信号进行去高频处理.针对宽带雷达回波信号小波变换系数数据量大、传统小波算法去高频容易产生漏警和虚警的特点,分析了经验模式分解(EMD)中各内模函数的特性,提出了一种基于EMD算法的宽带数字信号去高频方法,并将其应用于雷达回波宽带数字信号去高频处理,运用脉冲压缩技术比较了该方法和传统小波方法去高频效果.实验表明,该方法不仅有利于宽带数字信号的数据压缩,而且在减少信号高频成分的同时,能较好地保留信号中的目标信息.     

基于Gabor变换的自适应降噪方法

简要介绍了Gabor变换的基本思想,提出了一种新的基于Gabor变换的自适应信号降噪方法。分析了该方法的降噪特性,同时比较了小波降噪和该方法的降噪效果。将该方法用于齿轮箱的故障诊断,结果表明,该方法能够有效识别齿轮箱中的齿轮典型故障。     

基于小波阈值和约束独立分量分析的齿轮故障诊断研究

为在强噪声下准确利用振动信号进行齿轮故障诊断,提出了基于小波阈值和约束独立成分分析(CICA)相结合的算法。该算法首先对输入信号进行小波阈值降噪预处理,提高了输入信号的信噪比,然后基于齿轮特征频率建立参考信号,将降噪后的信号作为CICA的输入信号,利用CICA算法有效分离出齿轮故障信号,识别了故障特征。为了验证该算法的有效性,进行了仿真和实验测试信号分析,结果表明,该算法可以有效提取齿轮故障信号,实现齿轮的故障诊断。     

一种有效的宽带雷达信号压缩算法

针对宽带雷达回波信号采样数据量大、传统小波压缩算法保真度不高的特点,利用小波多层次变换系数之间的关系,提出了基于小波变换的自适应贪婪算法,并将其应用于宽带雷达回波信号数据压缩.将该算法与传统的小波多层次方法在对宽带信号的压缩性能上进行了比较,结果表明,基于小波的自适应贪婪算法对数据压缩保真效果优于传统的小波方法.     

一种新的基于小波变换的EEG视觉伪信号修正方法

提出了一种在基准EEG信号和视觉信号未知条件下,基于小波阈值去噪的方法来修正EEG信号中出现的视觉伪信号(OA)的新方法。这种方法实现了对原始EEG信号进行平稳小波变换(SW T);对低频系数进行两次阈值去噪;对去噪后的信号进行重构。实验结果表明:这种新方法在基准EEG信号和视觉信号未知条件下能有效去除OA,同时适用于眨眼和眼球运动所产生的伪信号。通过不同方法对采集的信号处理后进行比较,说明该方法的有效性。     

小波变换的齿轮泵故障分析

通过对齿轮油泵结构、性能的分析,以泵在正常运行和不同的故障状态下输出压力为信号,提出了基于小波变换的方法来提取和分离输出压力信号,并利用小波分解的方法诊断输出压力信号中包含的故障信息。以此对常用齿轮泵作仿真和试验,所呈现的压力信号三层小波分解系数均不相同,而第三层小波分解系数的差异尤其明显。因此,可利用第三层小波分解系数有效地诊断或甄别齿轮泵运行的状态和隐匿的故障,有利于掌握诊断的主动性,具有较强的实用性。     

一种基于正交小波变换的盲水印算法

提出了一种新颖的以灰度图像为水印的数字水印算法.首先利用正交小波变换对原始图像进行分解,然后借鉴传统的叠加思想,根据小波变换后,高低频分量的特点,将图像水印嵌入到小波域的低频部分.由于整个嵌入过程中,对原始图像没有进行任何改变,因此绝对保证了原图像的质量.水印的嵌入和提取都在密钥控制之下,可以较好地解决版权争议等问题.实验结果证明该算法对常见的图像处理操作和几何攻击有很强的鲁棒性.     

地震动信号的分析与目标识别(英文)

通过外场实验获得关于轮式车、履带式车的大量地震动信号,在时-频域应用多种方法对信号进行处理,得到相应的特征矢量。利用改进的BP网络对远距离的地震动信号进行目标识别,基于小波及小波包分解能量分布特征的识别率可达85%以上,这种特征矢量具有较好的可分性。     

改进的高效EZW遥感图像压缩方法研究

利用经过小波变换后的图像数据的能量大部分聚集在低频子带这一特点,针对小卫星星载计算机处理能力有限的客观情况,提出一种将预测编码和EZW编码相结合的图像压缩编码方法。通过有限的扫描次数,提取高频系数的重要系数。同时结合预测编码的方案,实现对低频系数几乎无损的压缩。实验证明,该方法能够使遥感图像的压缩同时具有较快的压缩速度和较好的压缩效果。     

小波变换思想及其在信号处理中的应用

从傅里叶变换、短时傅里叶变换到小波变换的思想发展过程中分析了小波变换发展的必然性和重要性,并通过MATLAB仿真工具比较了三种变换在信号处理中的应用。实验结果表明,小波变换无论是对信号的时间定位还是对信号的频率定位都优于傅里叶变换和短时傅里叶变换。     

基于四叉树结构的小波格型矢量量化

基于格型矢量量化克服了传统矢量量化计算和存储复杂度高的缺点,提出了一种新型四叉树结构的小波格型矢量量化算法。对小波变换系数进行视觉加权,以感知的均方误差准则取代传统均方误差。改进零树编码方法,并按照小波系数的四叉树结构和其方向性来组织矢量,对重要系数作格型矢量量化。从而较好地综合利用了小波系数在空间和频域的能量集中特性。仿真实验证明,该方法具有速度快,存储量小的优点,与文献中其他算法相比,具有较高的编码效率。     

子波变换在超宽带雷达中的应用

介绍了连续子波变换的定义和性质：基于子波变换在时域和频域的良好局部化性质;研究其在宽带信号的相关处理和超宽带雷达目标特征提取两个方面的应用,理论分析和试验结果表明,在超宽带雷达信号处理中,宽带相关处理相当于时间尺度域的匹配滤波,采用连续子波变换从频域采样数据中提取目标散射中心是一种较为鲁棒的方法。     

小波域中值滤波器设计的研究

小波阈值去噪方法被广泛地用在信号去噪中,但它主要是针对白噪声或者宽带噪声,对于脉冲噪声就得不到降噪的效果。该文提出了小波域的中值滤波器去噪方法,在Lee的局部滤波器基础上设计了小波域的中值滤波器,它能在有效去除白噪声的同时较好地去除脉冲噪声。     

DSSS系统中自适应时变小波包干扰抑制

提出了一种基于自适应时变小波包变换实现直接序列扩频通信系统时变窄带干扰抑制的方法。该方法在自适应时域分解的基础上,利用小波包变换多分辨分析能力和良好的时频特性进行频率分解,将有用信号和干扰分离,然后将受扰频带置零后进行小波包合成,达到滤除时变窄带干扰的目的。计算机仿真结果表明,该方法与非时变自适应小波包抑制技术相比较,以计算复杂度为代价,能更灵活有效地跟踪和定位时变干扰,提供较好的误码率性能。