小波降噪阈值选取的研究

小波分析用于信号降噪的过程中 ,核心的算法就是在小波系数上作用阈值 ,因为阈值的选取直接影响降噪的质量 .笔者就阈值的选取做了一些理论分析并在MATLAB环境下进行仿真研究 ,得出应用小波降噪过程中阈值选取的一些实际结论 .     

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。     

基于分数小波变换的空域相关特性的信号降噪新方法

简要介绍了分数小波变换的基本思想及在信号处理方面的特点。利用分数小波变换系数在不同尺度上对应点处的相关性对其进行选择和处理,这样处理后的分数小波变换系数基本上对应着信号的边缘,然后对信号系数进行重构,达到了降噪的目的。以数值仿真和实测齿轮箱振动信号为例,研究了该方法的降噪效果,同时和小波包直接降噪进行了比较。结果表明,该方法能够有效降低振动信号中的背景噪声。     

基于小波变换的钻头实验信号降噪方法

在钻头破岩实验中存在钻头对岩石的周期性动载冲击, 同时受实验设备和环境等因素的影响, 在动态信号中存在着大量噪声, 无法获得准确的测试数据, 实验结果往往不能真实反映实验的特性和规律。基于小波变换的浮动阈值方法, 建立了一套用于钻头破岩实验测试信号噪声压制方法, 通过对实验和实测数据的处理和分析, 证明了方法有效性, 提高了实验数据的准确性和可靠性。     

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。     

采煤工作面水流声的降噪算法研究

采煤工作面水害事故发生前伴有水流声出现,为减小常见机械设备噪声对水流声识别的影响,提出了一种改进小波阈值降噪法。为了补偿水流声在采集过程中高频信号的损失,对其进行了预加重、分帧、加窗等预处理;采用小波软、硬阈值函数折衷法对阈值函数进行改进,避免了信号处理后带来的附加振荡问题;在固定阈值中引入了分解层数j,变化的阈值可最大程度分离水流声信号与噪声信号。结果表明,改进小波阈值降噪法相较于谱减法、子空间法和小波阈值法的硬阈值函数,输出信噪比提高了1 dB以上,降噪性能提升了15%左右;相较于小波阈值法的软阈值函数,当输入信噪比大于0 dB时,输出信噪比提高1 dB以上,可有效降低水流声信号中的机械设备噪声干扰。     

基于小波阈值和ACMD的滚动轴承瞬时转频估计

针对变转速工况下滚动轴承瞬时转频估计精度受噪声影响大的问题,提出一种基于小波阈值和自适应chirp模式分解(ACMD)的转频估计方法。该方法首先利用小波阈值对原始信号做降噪处理,然后对降噪后的信号做ACMD,得到高时频分辨率时频谱,最后利用峰值搜索算法从时频图中估计瞬时转频。通过对轴承仿真信号和实测信号的分析,证明了该方法能准确估计出瞬时转频,同时增强了噪声鲁棒性,为后续变工况轴承无转速计诊断工作奠定了基础。     

基于EEMD和单通道盲源分离的齿轮箱复合故障诊断研究

针对齿轮箱复合故障诊断中,多级传动相互干扰,微弱的轴承故障会被强烈的齿轮故障和噪声湮没而难以提取的问题,提出了基于EEMD和单通道盲源分离的齿轮箱复合故障诊断方法。首先利用单个加速度传感器采集齿轮箱振动信号,对采集的信号进行EEMD分解,根据峭度准则和相关系数重构IMF分量;然后应用盲源分离方法对重构的IMF分量进行求解,对分离的信号进行包络解调分析,确定出齿轮故障通道,轴承故障通道和噪声通道;最后对齿轮故障通道进行傅里叶变换,轴承故障通道进行基于谱峭度的共振解调分析,提取出信号的特征频率,完成齿轮箱的复合故障诊断。通过实验验证了该方法的有效性和可行性。     

基于维纳滤波的小波图像去噪算法研究

图像在采集、获取以及传输的过程中,往往要受到噪声的污染,形成噪声图像。图像去噪是图像处理领域中的一个重要环节。为了对含有高斯白噪声的图像进行去噪,在Donoho提出的小波阈值去噪算法的基础上,提出一种基于维纳滤波的小波图像去噪算法,利用维纳滤波后剩下的信号来计算噪声的标准方差。仿真结果表明,与Donoho提出的鲁棒中值算法相比,该算法能够有效地抑制高斯白噪声,更好地保留图像的边缘细节。     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向。将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型。仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能。     

电力设备基于小波神经网络故障检测方法的仿真研究

提出了一种基于小波神经网络非线性观测器的故障检测方法。它是将规范正交的小波函数作为基函数网络中的基函数 ,得到小波神经网络。通过小波的去噪和神经网络的自学习功能 ,获取系统输入输出的非线性动力学特性 ,进而实时计算出残差并进行逻辑判决 ,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真 ,结果表明了该方法的有效性     

基于复互小波分析的模拟电路故障诊断方法

针对模拟电路故障诊断研究中故障特征提取的难题,提出基于复互小波变换的相对幅度相对相位协同分析的新方法,并根据复互小波变换的特点构建了故障敏感信息提取算法。使用复互小波变换能同时提取模拟电路在不同频率和时间尺度上的故障特征,并且相对幅度和相对相位信息分别从信号"能量"和"时间延迟"两个不同角度表征模拟电路的故障信息。该方法同时使用了蒙特卡洛方法构建正常电路元器件的容差范围,仿真实验结果表明该方法可以有效地解决模拟电路中灾难型和参数型故障诊断问题。     

基于提升小波的心电信号R波检测算法研究

心电信号特征波的准确检测是心电信号自动分析和诊断的关键,其中QRS波群的R波识别更是计算心率,区分心率失常及心率变异性分析的前提和基础。本文在提升小波算法的基础上,对传统的差分阈值算法进行了改进,通过对R波第一检测点及时间窗宽度的精细优化,使得本文改进后的差分阈值算法具有更好的实时性及更强的R波识别率。使用MIT-BIH标准心律失常数据库的心电信号数据作为样本数据进行实验,实验表明本文改进后的差分阈值算法能够准确检测R波的特征值,R波识别率高且明显优于传统的差分阈值算法。     

基于EMD模态相关和形态学降噪的齿轮故障诊断研究

为了从齿轮振动信号中提取出包含有故障信息的特征频率,针对现有EMD(Empirical Mode Decomposition)降噪算法中的IMF重构问题,提出了基于EMD模态相关和形态学降噪的齿轮故障诊断方法。首先采用EMD将目标信号分解为若干个IMF分量之和,利用模态相关分选准则选取噪声主导分量和信号主导分量的分界点,并利用各个IMF分量的自相关函数来验证该准则的正确性;然后将选到的噪声主导分量进行形态学滤波,利用峭度准则优化形态学结构元素尺度,自适应的寻求最优解;最后将滤波后的噪声分量与剩余分量进行重构,得到滤波重构信号,通过频谱分析识别齿轮故障特征频率。仿真数据和齿轮裂纹故障实验测试数据的分析表明,该方法滤波效果理想,能更有效地提取出齿轮故障特征。     

磁共振图像小波去噪方法的参数选择研究

在小波去噪理论的基础上,对磁共振图像小波去噪过程中所涉及的小波函数、分解层数以及阈值三个参数进行了研究.即在保持其他参数取值不变的情况下,通过实验找出去噪效果最好的某个参数取值,并最终得出了一组适合磁共振图像小波去噪的参数组合.本文的实验结果为磁共振图像小波去噪方法的参数选择提供了有效参考.     

基于小波和形态学的图像文本定位方法．

为解决图像中文本定位问题，提出一种基于小波和形态学的图像文本定位方法。该方法首先采用二尺度的小波变换对可能是文本的区域进行粗检测；然后再通过形态学的相关技术去除图像中一些小的虚假的非文本区域；最后对提取的文本区域中的连通区域进行外接矩形标定，从而实现对文本区域的细定位。实验结果表明，该算法具有较好的实时性、精确性和鲁棒性。     

基于Van der Pol―Duffing振子和互相关的微弱信号检测研究

传统的信号检测方法在背景噪声较强的情况下一般会失效,混沌振子由于对初始值及参数具有敏感性从而可以很好地检测到微弱信号。首先简述了应用Van der Pol―Duffing振子和互相关方法检测微弱正弦信号的原理,然后应用二者联合的方法进行微弱信号检测。该方法综合了互相关检测对噪声的抑制优势和Van der Pol―Duffing振子对微弱信号提取的优势。仿真实例表明,该方法能有效地检测出淹没在强噪声中的微弱正弦信号,且其信噪比门限比只用混沌振子方法更低,抗噪性更强。     

基于多小波包排列熵和流形学习的故障特征提取方法

针对振动信号非线性、非平稳性导致的故障特征难以准确提取的问题,提出了一种基于多小波包排列熵和流形学习的故障特征提取方法。首先,利用多小波包分解方法得到故障信号的多维多小波系数,通过计算排列熵初步提取了各个小波系数中的故障特征信息;然后利用局部切空间排列(LTSA)流形学习方法对多维特征信息进行处理,在有效降低信息冗余度的同时,提取了其中主要的故障特征;最后利用支持向量机(SVM)对滚动轴承正常、外圈、内圈和滚动体故障实测信号进行故障模式识别试验。结果表明,该方法可以准确地识别出轴承不同的故障类型,并且在提取故障特征准确性方面要优于传统的单小波包方法和主成分分析(PCA)方法。     

一种基于小波变换和PCA的人脸识别改进方法

针对主成分分析PCA算法中存在的问题,提出了利用小波变换对人脸图像进行预处理,PCA提取图像特征,最近邻法分类的人脸识别改进方法.基于ORL、YALE数据库的相关实验表明,这样的系统能够降低数据维数和克服角度、位移变化对算法的影响,能够取得比传统PCA更好的识别性能。