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。     

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。     

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。     

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。     

采用K-L正交分解降低Chirp信号噪声的方法

由于Chirp信号瞬时频率的估计易受噪声影响,该文利用K-L正交分解,提出了一种降低Chirp信号噪声的方法。K-L正交分解将噪声平均分配到各正交分量,而将信号主要集中在某一最大分量,从而提高信噪比。数学分析和仿真结果同时表明,该方法能降低信号噪声,改善信噪比达6dB,使瞬时频率估计更为准确。最后,结合Chirp信号自相关函数的特性,对该方法的应用做了进一步的推广。     

基于互相关—峭度和小波软阈值的EEMD降噪方法研究

针对目前EMD分解后IMF分量优选方法的不足,提出了一种基于互相关—峭度和小波软阈值的EEMD降噪方法。该方法利用EEMD对信号进行分解得到IMF分量,计算IMF分量的峭度值、标准差及其与原信号的互相关系数。根据互相关系数、标准差和峭度值,设置优选条件,将选定的IMF分量进行重构。与互相关系数、峭度准则单独作为优选条件的重构结果进行对比,结果表明这种新型优选方法的效果更好,利用基于互相关—峭度和小波软阈值的EEMD降噪方法对滚动轴承微弱故障信号进行处理,能够更精确地提取到轴承故障特征。     

基于组合降噪的卷积神经网络轴承故障诊断方法

针对滚动轴承振动信号包含不同频率复杂噪声,单一降噪方法难以去除多种噪声,导致最终故障诊断率低的问题。提出一种基于组合降噪的卷积神经网络的轴承故障诊断方法。首先,通过SVD分解方法,根据奇异值差分谱,一次降噪并重构信号,去除信号内能量较低的宽频率噪声;再根据降噪重构信号,自适应选取CEEMD分解的参数,并进行自适应CEEMD分解,利用线性相关系数与峭度交集法滤除相关程度低、故障特征信息少的IMF分量,同时二次降噪并重构信号;最后,构建一维卷积神经网络并进行轴承故障诊断。通过原信号和组合降噪后信号的时频分析,轴承故障诊断实验,验证了该方法的有效性。     

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 .     

变换域通信系统中的信道估计技术

针对基于OFDM的变换域通信系统在低信噪比时由于噪声的影响很难获得准确的信道估计问题,采用时域和离散傅里叶逆变换(IDFT)域级联降噪的方法降低导频信号的噪声来提高信道估计的准确性。时域利用慢衰落信道环境下信道系数变换缓慢的特点,提出了时间滑动平均、时间遗忘、时间平均与时间遗忘结合等几种降噪方法;IDFT变换域利用多径时延集中在整个时隙的前一段的特点降低噪声。仿真结果表明,该方法在慢衰落信道环境下是有效的。     

基于小波多分辨率系数模值的并发故障检测方法

提出了利用小波分析技术进行信号奇异性检测的多重并发故障检测方法。利用小波多尺度分解技术,将信号进行多尺度的小波分解,得到不同尺度下的信号高频分量的小波系数模值,并根据奇变信号和噪声信号小波系数模值的差异,采用软阈值去噪法,对其高频分量小波系数进行去噪处理,获取不同尺度上突变信号的小波系数模值,实现对故障的检测,并可根据不同尺度上小波系数模值的对应关系,实现对多重并发故障的区分。对电网信号分析的仿真结果证实了该方法的正确性和可行性。     

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。     

小波与相关函数算法在矿山震源定位中的应用

针对矿震震相提取分析中震相信号提取困难、噪声影响大、精度低等问题，提出从小波时频分析和统计学的角度，根据小波域内矿震信号与噪声的不同特性以及不同采集通道间信号具有相关性特点，采用小波阈值滤波算法和相关函数算法对矿震信号进行计算，得到了各个采集通道间较准确的波到时差。试验结果表明，该算法对高斯噪声和其他非相干噪声具有抑制作用，能够有效提高计算结果的精度。     

基于小波阈值降噪的轴承振动信号虚假模态剔除研究

对于机械智能故障诊断而言,信号数据的质量至关重要。针对试验数据的优化问题,探究了时域信号中虚假模态的剔除研究。传统方法只能剔除频域中的虚假模态极点,而对时域信号中的虚假模态成分并不能相应剔除,因此提出通过小波阈值降噪除去振动信号中的噪声成分,减少由环境噪声引起的虚假模态,并通过模态参数识别和稳定图观察降噪前后虚假模态的出现情况以判断该方法效果。通过旋转机械试验台数据的分析处理,证明该方法对于剔除虚假模态具有一定的作用。     

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。     

基于自适应Morlet小波变换滚动轴承声学故障诊断的研究

基于声音信号的测试与分析是滚动轴承故障检测与诊断的一种新方法,提出了基于自适应Morlet小波变换诊断轴承声学信号故障的新方法。首先利用最小Shannon熵对Morlet小波的形状参数进行优化,找到与所测声音信号特征成份最匹配的小波,再对小波系数矩阵进行奇异值分解,通过奇异值与变化尺度的关系曲线得到最佳小波变换尺度,最后对滚动轴承故障信号进行Morlet小波变换进行故障特征提取。结果表明:该方法能有效地从强噪声背景下提取出轴承声学信号的故障。     

小波分析在动态测试信号降噪中的应用

论述了小波分析在动态测试信号降噪中的应用。主要分析如何引入小波变换理论并通过它去除动态测试信号中的白噪声。随后阐述小波分析去除噪声的工程实现方法及其相对FFT除噪方法的优势。对一例加入白噪声的力脉冲信号进行了计算机仿真实验 ,结果表明 ,用小波变换处理含噪信号 ,具有明显效果     

基于优化残差卷积网络的滚动轴承变工况故障诊断

针对滚动轴承在实际运行环境中同时存在变负荷和变噪声的复合工况干扰而产生的故障诊断效果不理想的问题，提出了一种用于滚动轴承变工况故障诊断的一维残差卷积神经网络方法。将归一化后整理完的原始轴承振动信号输入到网络模型中，利用具有残差连接的多个一维卷积层提取特征，再经过多个卷积池化，最后输入到Softmax层进行分类，输出轴承振动信号的故障类型。将所提方法与一维卷积神经网络(CNN)、LeNet-5和AlexNet几个经典模型进行对比分析，结果表明，本文方法在变噪声实验和变负荷实验中的平均准确率分别为94.16%和95.31%,均高于其他经典神经网路，具有较强的抗噪性和泛化性能力。     

用小波系数估计图像边缘方向的相干增强扩散图像降噪算法

在分析相干增强扩散方法和小波阈值收缩方法之间关系的基础上,给出了相干增强扩散在小波分析意义下的解释,同时解释了相干增强扩散方法与小波阈值收缩方法在图像性质上的等价性。针对相干增强扩散计算扩散矩阵较慢的缺点,提出了一种用小波系数估计图像边缘方向的相干增强扩散图像降噪算法。仿真试验结果表明,该扩散算子可以很好地定位图像边缘,较好地运用了小波的时频分析功能。     

基于EMD和提升小波改进阈值函数的水听器信号去噪研究

在检测水中目标时,使用水听器采集的声波信号中通常掺杂着大量的噪声。为了达到去除噪声的目的,提出一种基于EMD和提升小波改进阈值函数结合的方法。首先利用EMD将含噪的水听器信号分解成有限个固有模态函数(IMF),再用提升小波改进阈值函数分解对高频IMF进行去噪处理,最后将剩余IMF和去噪后的高频IMF重构实现去噪。实验结果表明:该方法在水听器信号去噪方面有一定的参考价值。