最优小波包变换在齿轮箱振动信号去噪中的应用研究

通过对小波变换和小波包分析研究,寻找最优小波包基,结合不同阈值去噪方法,对加噪信号以及齿轮箱振动信号进行去噪处理。实验表明最优小波包基的惩罚阈值去噪结果比小波变换常用的stein无偏风险阈值去噪结果和小波包默认阈值去噪结果要好很多。该方法不仅可以有效去除噪声,还可以很好地保留信号中的细节信息。     

微弱信号混沌检测系统的噪声分离研究

混沌学是目前非线性科学研究中的热点之一.传统的微弱信号混沌检测技术在信号存在噪声的情况下暴露出许多不足之处,如去噪能力较差、检测精度不高等,本文基于前人的研究基础,提出了一种改进小波变换算法的微弱信号混沌检测系统的方法,通过仿真实验可知能够将该方法运用到微弱信号检测.具体方法是对传统小波变换算法的变换域变量进行离散化,目的是消除变换中的冗余,之后采用阈值折衷策略对小波系数进行阈值优化,处理后的小波算法将应用于微弱信号混沌检测系统中,周期策动力为有限离散处理后的含噪信号并入混沌系统,从而实现含噪情况下的微弱信号检测.一系列仿真实验表明,提出和改进的小波变换算法的去噪效果要优于传统小波变换算法,同时在微弱信号混沌检测系统的应用中,改进算法的检测精度和鲁棒性更好.     

基于小波分析的抗振动信号处理算法研究

在数据处理中,无论是实验室平台,还是户外测试,都可能引入由于振动产生的噪声,抑制这种振动噪声可以提高系统的测试精度.为了实现提高信号质量的目的,设计了基于小波分析的信号分析处理算法.首先,给出了小波分析的基本原理,并对小波去噪的特点、方式等进行介绍.通过理论计算推导了小波去噪对振动噪声抑制的函数形式.最后,通过实验对一组被振动噪声干扰的信号进行滤波,并对比了其分别表示的振幅与误差.实验结果显示,经小波去噪后的数据振幅相对降低,且总体差异不大,但其误差有了明显的改善.     

经验模态分解在电力绝缘气体SF6红外光谱去噪中的应用

经验模态分解(EMD)是以信号极值特征尺度为度量的时空滤波器,它充分保留了信号本身的非线性和非平稳特征,在信号去噪中具有较大的优势.本文以电力绝缘气体SF6为研究对象,在介绍EMD分解方法的基础上,首先对含噪的SF6光谱信号做EMD分解,得到各阶本征模态函数(IMF),然后对高频的IMF分量用阈值法进行处理,把经过阈值处理后的高频IMF分量与低频IMF分量叠加重构得到去噪后的信号.分析了在不同噪声水平上与小波阈值去噪方法的处理效果.实验结果表明EMD阈值去噪法有效地去除了噪声,较好地保留了光谱的细节信息,与小波阈值去噪方法相比较具有自适应的优势.     

改进EEMD算法在缸盖振动信号降噪中的应用研究

针对常规降噪方法应用于柴油机缸盖振动信号降噪时,自适应差且需要根据噪声环境人为调整参数的问题,在传统EEMD算法基础上提出一种改进的EEMD降噪算法,并将其应用于柴油机缸盖振动信号处理。首先对原始信号进行预处理,其次利用总体经验模态分解（EEMD）算法在非线性、非平稳信号处理时的自适应特性,分解原始信号得到各阶本征模态分量,经Savitzky-Golay平滑滤波,再将噪声占主导的高频分量进行阈值去噪,最后得到干净的本征模态分量进行重构。仿真实验和实测结果表明,在输入信号12dB的多种输入信号工况下,改进EEMD算法去噪后信噪比为17.1,比现有去噪方法提升14%。     

基于振动信号分析的异步电机转子故障特征提取

研究异步电机转子断条、动态偏心这两种状态下的故障特征,并通过实验室的鼠笼式异步电机转子故障实验系统,对采集的定子电流信号首先通过FFT变换,进行归一化处理,提取出定子电流特征向量;对采集的电机机壳X-Y振动信号则通过db3小波包分析进行去噪处理和频域能量特征向量的提取,实现了故障的分类     

浅析基于小波和EMD的语音信号去噪

针对低信噪比信号的去噪问题,提出了一种基于经验模态分解的小波阈值去噪方法,并与小波变换去噪法的效果相比较.试验结果证明,当信号的信噪比较小时,基于经验模态分解的小渡阈值去噪效果是相当有效和稳定的,为研究环境脉动下结构的输出信号去噪处理提供了新的手段.     

小波变换在激光超声无损检测信号去噪中的应用

介绍了基于小波变换的激光超声检测信号降噪处理技术,实际检测信号的降噪处理试验表明,应用该技术对激光超声检测信号进行降噪处理可显著提高信噪比.根据信号的波形特点选取了小波函数,采用heursure阈值去噪有利于提取超声回波波形.     

基于小波包滑动阈值的信号去噪

传统信号去噪方法常采用门限法对噪声信号的小波或小波包变换做阈值处理以达到去噪的目的。本文介绍了一种利用小波包滑动阈值去噪的新方法,通过对信号的小波包分解系数的滑动阈值量化,得到重构的去噪信号。计算机仿真结果表明,滑动阈值法具有很好的实用价值。     

振动系统各阶固有频率及模态测试探究性实验设计

设置本探究性实验是为让学生在掌握机电信息检测与处理技术课程关于力测量、振动测量和信号分析处理等基本知识基础上,通过对实验简支梁模态分析的理论计算,实际操作,数据记录与分析,实现机电信息检测时传感器、信号加工装置、力及振动测量和信号分析相关内容有机结合,让学生理解模态分析理论,掌握测试方法、仪器设备和分析软件的使用,提高工程应用能力。     

超声信号在不同阈值下小波去噪结果的比较

基于小波变换的去噪理论对纳米固体AIP/SiO2中激光超声信号进行了去噪处理。根据信号的波形特点选取了小波函数。给出了不同阈值下的去噪结果。结果表明采用heursure阈值去噪有利于提取超声回波波形。     

室内环境智能多气体传感器系统建模方法研究

针对室内环境多气体监测的需求,提出了一种智能多气体传感器系统模型,该模型采用分布式传感形式,先对各传感器的检测信号进行小波多尺度去噪、多传感信息TEDS解耦自校正,最后用最大后验概率估计各传感器对真实值的支持水平,并由此对多传感器进行融合,获得对真实值的最优估计。基于该模型,使用双CPU开发了室内微环境监测系统,应用研究表明,气体甲醛检测分辨率可达0.01mg/m~3,气体烟雾检测误差为±4%,实现了对室内气体的准确监测。     

基于视频图像技术的简支梁动静载试验分析

采用视频图像技术对带传感器和不带传感器的简支梁的振动进行模态分析,采用Matlab软件把简支梁的振动视频分解成图像,对分解得到的图像裁剪出感兴趣区域并进行灰度化和二值化处理。为了精确,对得到的整像素边缘进行了亚像素化处理,得到梁下边缘的亚像素级别的时域信号,对这些信号数据进行模态分析得出前三阶频率和振型,并与Midas建立的有限元模型、传统的动载试验处理得到的结果三者相比对,对比表明,基于视频图像技术的动静载检测有更高的精度和可操作性,可以弥补传统检测的不足。     

基于脊波变换的地震信号去噪方法

Ridgelet变换是信号的一种新的多尺度表示方法,它特别适合于具有线奇异性的二维信号的描述.将小波的自适应阈值去噪方法扩展到Ridgelet域中,应用Ridgelet变换,采用自适应阈值对地震信号进行去噪处理.教值实验结果表明,Ridgelet变换在地震信号去噪方面优于小波变换.     

带噪混叠语音信号盲分离算法研究

盲源分离也称盲信号分离,是指在源信号和传递信道的参数均未知的情况下,仅根据输入源信号的统计特性,通过观测信号恢复各个源信号的过程。语音信号的盲分离技术在计算机听觉、语音识别、语音增强等领域具有重大的研究意义。现有的有关语音信号盲分离研究基本不考虑噪声的影响,然而在现实生活中,接收到的语音信号不可避免地混有各种噪声。因此,对于带噪声混叠语音的盲分离方法研究具有十分重要的现实意义。针对带噪声混叠语音信号,提出一种基于稀疏编码和EFICA的分离方法。首先用稀疏编码去噪方法消除带噪混叠语音信号中的噪声,然后将经过去噪处理后的观测信号用EFICA方法进行盲分离。Matlab仿真实验结果表明,该算法对带噪声混叠的语音进行盲分离效果良好。     

基于小波变换的地震信号去噪方法研究

提高信噪比是地震信号数字处理的主要任务．研究了几种常用的小波去噪方法在地震信号中去除随机噪声的应用,分析了各自的特点,并改进了算法．通过MATLAB的仿真结果表明,小波变换的去噪效果明显优于传统的Fourier变换方法．     

小波分析在钢板裂纹电涡流检测中的应用

在钢板的表面裂纹的在线检测中,经常利用电涡流检测技术,但是获得信号比较微弱,而且干扰严重;文章将小波变换引入到信号的处理中,对检测信号进行除噪,并加强其特征值,进而得到较好的检测信号。     

基于图像边缘检测的小波阈值去噪方法

提出一种基于图像边缘检测的小波闽值去噪新方法.该方法利用Canny算子检测出图像的边缘,进而定义了一种新的阈值函数,然后对含噪图像、边缘图像的小波变换系数采用新阈值函数分别进行阈值处理,将处理后的边缘图像与图像的小波系数进行融合,得到去噪后的图像.实验结果表明,采用该方法处理的去噪图像,能够在去噪的同时有效地保持图像的边缘信息.     

基于小波分析的振动信号去噪处理

为提高检测气体绝缘金属封闭开关设备（GIS）故障点的有效定位率,提出利用软硬阈值结合法对振动信号设定阈值,采用具有多分辨率特性的小波分析方法进行有效降噪;通过Matlab仿真和实际试验结果验证其准确性,对比分析表明,基于小波分析的去噪方法提高了信噪比和定位准确性,是一种提取有用信号的有效方法。     

盾构位姿测量方法的研究

在地下暗挖施工过程中,盾构机的掘进路线必须在设计误差要求范围内,因此实时监控盾构的运动状态至关重要。作为盾构机眼睛的导向系统要求高精度、实时快速地测量出盾构的位置和姿态。基于嵌入式技术设计的激光位移检测靶主要由CCD照相机、倾角传感器和棱镜等光学元件组成,结合全站仪和后视棱镜,通过CCD采集全站仪发射的激光光斑,对光斑图像进行去噪、形态学等处理,准确计算中心点坐标,通过坐标系的转换,最终实现对盾构的滚动角、方位角和俯仰角的测量。