新小波阈值法与VMD相结合的滚动轴承特征提取

针对滚动轴承故障信号弱以及难提取等问题,提出了一种新小波阈值方法与VMD相结合的轴承故障信号特征提取方法。首先,利用一种改进的指数小波阈值函数来优化传统小波降噪方法,克服其存在间断点和恒定偏差等问题;然后,结合VMD提取滚动轴承的有效故障特征;最后,以6205-RS号轴承内圈故障数据作为原始信号进行实验验证。实验结果表明,该方法能够有效提高降噪信号的信噪比,降低均方根误差,保证滚动轴承微弱故障信号特征提取的完整性和有效性。

基于VisuShrink小波阈值变换的甲烷检测降噪技术

在利用可调谐半导体激光吸收光谱技术探测甲烷气体泄漏时,复杂的环境光干扰会降低浓度检测信号的信噪比使波形失真。为了抑制噪声,增强电信号与浓度值的线性相关度,提出一种以VisuShrink方法改善小波阈值函数的小波阈值去噪算法。该算法针对小波阈值去噪算法的软硬度不能平衡信号,存在失真的问题,利用统计方法对阈值进行计算,弱化间断点阈值跳变影响。通过仿真计算对比未加噪声前的信号与滤波后的信号,提出算法的信噪比为28.405 30,优于四阶巴特沃斯滤波器。VisuShrink方法在SNR和NCC参数上性能远优于巴特沃斯滤波器,与软阈值函数相近,在MSE均方误差分析上远小于软阈值精度,与巴特沃斯相近,具有较好的平滑特性。实际搭建检测平台对多个浓度样本采样进行多次采样,采用VisuShrink方法设计的滤波器将系统误差精度从4.14%提升至2.472%,算法可有效用于甲烷检测系统提高光谱数据的平滑性和准确性。

基于改进小波阈值函数和全尺度Retinex的红外图像融合增强算法

针对现有红外图像增强算法存在信噪比低、细节模糊、清晰度差等问题,本文提出基于改进小波阈值函数和全尺度Retinex的红外图像融合增强算法。首先,为克服尺度参数固定和光线散射导致红外图像退化的问题,利用大气透射率得到Retinex尺度参数的全尺度映射图,从而有效提高图像的清晰度,并将输入图像和使用全尺度Retinex处理后的输入图像作为算法的第一个输入和第二个输入。其次,为解决传统小波阈值函数在图像降噪过程中存在伪影、细节丢失等问题,设计改进小波阈值函数,通过引入尺度因子,在计算每层高频子图小波系数后,能根据该层数自适应调整尺度因子,并引入调节因子,结合指数函数,使该函数不仅能抑制高频子图噪声,还能极大程度保留细节信息。然后,使用小波图像融合的方式融合输入的高频子图和低频子图,进一步提高输出图像的纹理细节。主客观仿真结果表明,所提算法比其它对比算法具有更好的降噪和细节突出能力,并能提高红外图像的人眼视觉效果。最后,本文算法应用于红外成像模块采集的红外图像增强,效果良好,表明本文方法具有实用性。

多窗谱小波阈值估计的维纳滤波语音增强算法

提出一种多窗谱小波阈值估计的维纳滤波语音增强算法.该算法采用多窗谱估计噪声功率谱,结合改进的小波阈值法减小其误差,再计算先验信噪比.改进后的阈值函数具有连续性,增加了小波系数的平滑度,实现了信噪比的平滑.与传统软、硬阈值函数算法相比,文中算法具有更高的信噪比,能较好地抑制噪声,有效提高语音清晰度.

基于改进小波阈值—CEEMDAN的变压器局部放电超声波信号白噪声抑制方法

为了有效去除变压器局部放电超声信号中的白噪声干扰,提高后续局部放电模式识别及定位的准确性,提出了一种基于改进小波阈值和自适应噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)的变压器局部放电超声波信号去噪方法。首先,通过对放电信号进行CEEMDAN分解得到一系列由高频到低频的本征模函数IMF(intrinsic mode function);然后,利用多尺度排列熵(multi-scale permutation entropy,MPE)算法计算各阶IMF分量的排列熵PE(permutation entropy),根据各IMF的排列熵值确定信号的去噪阈值与有效阈值。对高于去噪阈值的IMF分量采用改进小波阈值法进行去噪处理,对低于有效阈值的IMF分量视为基线漂移进行剔除。最后,通过重构去噪分量与剩余分量来获得去噪后的超声波信号。仿真和实验结果均表明,文中所提出的去噪算法大大提高了信号的信噪比,并保留了原始超声波信号中的有效信息,对提高后续利用超声波信号进行局部放电模式识别及定位的精确性具有重要意义。

基于参数优化VMD-小波阈值的轴承振动信号降噪方法

为了解决复杂工况下滚动轴承振动信号存在随机噪声的问题,提出了一种基于参数优化变分模态分解(VMD)-小波阈值的滚动轴承降噪方法。首先,利用以包络熵为适应度函数的天鹰算法对变分模态分解算法的模态分解数K和惩罚因子α进行了自适应选择,代入VMD分解中,得到若干本征模态函数(IMFs);然后,根据峭度-相关系数将IMF分量划分为纯净分量和含噪分量,对含噪分量进行了小波阈值降噪处理;最后,对处理后的分量进行了重构,并用重构信号进行了包络谱分析,实现了滚动轴承的信号降噪目的,并利用仿真信号和美国凯斯西储大学公开的轴承数据集对上述降噪方法的有效性进行了验证。研究结果表明:基于参数优化VMD-小波阈值的降噪方法减少了滚动轴承运行状态下的随机噪声,相对小波阈值降噪方法,所得仿真信号信噪比提升53%,均方误差降低13%;在故障特征频率为162 Hz时,所得实验降噪信号包络谱的前6倍频谱峰值更为明显,且受随机噪声影响较小。该研究方法在滚动轴承等旋转机械信号降噪方面具有一定的参考价值。

基于布里渊增益谱二维图像小波阈值降噪的BOTDR测量精度提升研究

针对布里渊光时域反射仪(BOTDR)信号弱,噪声干扰造成的测量精度降低问题,提出基于布里渊增益谱二维图像小波阈值降噪方法实现BOTDR系统测量精度提升。分析了微波扫频法BOTDR测量原理及二维布里渊增益谱图像特征,设计了二维图像小波阈值降噪算法流程,搭建了微波扫频法BOTDR实验装置进行降噪性能验证,基于降噪性能对比确定了二维小波基函数、分解层数、阈值规则及阈值函数最优参数匹配方案。实验结果证明,使用二维图像小波阈值降噪算法,在累加平均500次条件下,降噪前后10km传感光纤末端变温区布里渊频移波动范围由±4.61MHz降至±2.59MHz,均方根误差由2.24MHz降至0.99MHz;降噪前后50km传感光纤末端变温区布里渊频移波动范围由±41.25MHz降至±2.83MHz,均方根误差由33.59MHz降至1.69MHz。研究表明,使用该降噪方案可有效提升BOTDR测量精度。

基于小波阈值降噪算法的滚动轴承故障诊断

滚动轴承因平稳的运行特性广泛用于工业生产领域,其安全稳定运行对工业生产有重要意义.针对滚动轴承的故障诊断问题,提出基于小波阈值降噪(wavelet threshold denoising,简称WTD)算法.研究结果表明:相对于其他3种算法,WTD算法具有较强的故障诊断能力.因此,WTD算法具有有效性.

改进小波阈值降噪方法在振动-高动态离心复合试验控制系统中的应用

目的 针对振动-高动态离心复合试验控制系统中控制信号受噪声干扰导致控制效果不佳的情况,进行降噪处理,以提升试验控制能力。方法 利用改进的小波阈值降噪方法,对振动-高动态离心复合试验控制系统中控制信号进行降噪处理,通过分析信号特性,结合小波阈值降噪方法原理,提出阈值准则随分解尺度自适应动态变化的改进方法。结果 通过本文改进方法和其他小波阈值降噪方法的对比分析表明,本文所提方法对于振动-高动态离心系统所存在的中高频噪声干扰起到了明显抑制作用,可有效保留控制信号特征,获得了更佳的综合降噪效果,信噪比提升近10 dB,满足试验控制所需的降噪要求。结论 采用自适应动态变化的阈值准则的小波阈值降噪方法对振动-高动态离心复合试验系统的控制信号进行降噪处理有效且可靠,可对后续相关试验技术研究方向提供一种可行思路。

基于改进小波阈值的数据采集系统降噪研究

在数据采集过程中,噪声和干扰的存在严重影响了数据的准确性。为了获得质量较高的数据,减少噪声的影响,该文提出一种基于遗传算法的小波阈值函数去噪方法,并设计以FPGA为主控的数据采集系统进行了多次实验。实验结果表明,经改进算法处理过的数据信噪比达到了芯片手册中所规定的典型值大小。同时,相比传统的阈值函数去噪方法,将新算法应用于采集到的数据,其信噪比提高了7.0248 dB,均方根误差降低了0.1675,表现出了较好的去噪性能,具有较高的工程应用价值。

基于CEEMDAN-改进小波阈值的大坝变形数据处理方法

针对现有方法对大坝变形监测数据去噪精度低、易将部分高频有用信息误判为噪声的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)和改进小波阈值联合去噪的方法。该方法利用CEEMDAN对原始数据进行分解,通过t检验对分解获得的多个本征模态函数(IMF)分量进行特征分析,筛选出含噪分量并利用Pearson相关系数和方差贡献率进行校验,最后采用改进的小波阈值对筛选出的含噪分量进行精细化去噪,并重构去噪后的模态函数分量,得到去噪后的数据。仿真试验和工程实例验证结果表明,该方法在多种不同指标上均优于对比的3种方法,同时能够更有效地保留数据的高频有用信息,提高准确度和平滑性,可用于大坝中的非线性变形数据去噪处理。

改进小波阈值与优化BiLSTM组合的大坝变形预测方法

变形是反映大坝结构状态变化的重要指标。由于变形数据的非线性特点和其背后复杂的机理,提升变形的预测精度对大坝安全及结构控制具有重要意义。为此,基于融合建模理念提出了一种组合的大坝变形预测方法,该方法结合了改进小波阈值去噪与鹈鹕优化算法(POA)优化的双向长短期神经网络(BiLSTM)。首先,采用改进小波阈值去噪法对变形实测数据序列进行处理;其次,通过POA搜索最优超参数组合用于优化BiLSTM模型;最后,基于最优超参数下的BiLSTM模型进行大坝变形预测。工程实例表明,改进小波阈值法具有更好的去噪效果,POA-BiLSTM能够准确预测大坝变形。在最终测试集上平均MAE、MAPE、RMSE、R^(2)分别为0.244、0.041、0.301、0.906。相较于其他方法,表现出更高的预测准确性和稳健性,可为大坝变形监测提供参考。

基于BWO优化VMD联合小波阈值的管道泄漏次声波去噪方法

管道泄漏次声波信号中的干扰噪声影响管道泄漏定位的精准度。提出了一种基于白鲸优化算法(BWO)优化变分模态分解(VMD)联合小波阈值(WT)的管道泄漏次声波去噪方法。针对VMD算法中分解层数K和惩罚因子α的取值对信号分解结果影响较大,利用白鲸优化算法(BWO)对VMD分解的两关键参数进行寻优,获得最优参数组合[K、α],并利用优化后的参数对次声波信号进行VMD分解,获得一系列本征模函数(IMF)分量。通过计算各IMF分量的相关系数来区分噪声IMF分量和有效IMF分量,引入一种改进的小波阈值函数对有效的IMF分量进行去噪处理,再重构去噪后各有效IMF分量,得到去噪后的管道泄漏次声波信号。通过仿真实验,将所提方法与灰狼优化算法(GWO)优化VMD联合小波阈值和麻雀搜索算法(SSA)优化VMD联合小波阈值两种方法对比,所提方法去噪后信号的信噪比分别提高了1.27%、2.01%,表明所提方法的去噪效果具有一定的优越性,为后续管道泄漏计算定位奠定了良好的基础。

自适应新小波阈值函数中子图像去噪方法

中子射线照相技术是一种重要的无损检测技术,但在中子成像过程中会受到一些噪声因素的干扰,导致图像质量降低,不利于后期研究。本研究提出一种基于粒子群优化算法(particle swarm optimization,PSO)的新小波阈值函数去噪方法来降低噪声对中子图像的影响。其基本思想是将PSO算法与小波阈值函数去噪相结合。通过PSO算法寻找适合当前图像去噪的最优调节因子。Matlab软件实验的结果表明,新方法在去除高斯噪声、泊松噪声较其他四种对比方法可以明显提高噪声图像的峰值信噪比(PSNR)和降低噪声图像的均方误差(MSE),有效提高中子图像的质量。

融合小波阈值降噪和INFO-LSSVM算法的化工过程参数预测

针对化工过程非线性、时滞性高的实际问题,以某氨合成工段为研究对象,首次提出基于小波阈值降噪的向量加权平均算法(INFO)优化最小二乘支持向量机(LSSVM)的氨合成塔预测方法 INFOLSSVM,将小波降噪理论与INFO-LSSVM算法结合创建了预测精度较高的氨合成塔预测模型,用模型筛选出6个氨合成工段中的样本数据进行小波阈值降噪预处理,然后用INFO-LSSVM训练降噪后的数据,得到小波阈值降噪的INFO-LSSVM氨合成塔预测模型,对比INFO-LSSVM、PSO-LSSVM、LSSVM模型的预测结果,得到三者的均方根误差分别为0.231 8、0.447 7、0.496 4,可为多因素作用下类似预测提供借鉴。

基于ICEEMDAN与改进小波阈值的谐波检测方法

为了准确检测噪声环境下的电网谐波,提出改进小波阈值降噪和自适应噪声集合经验模态分解(ICEEMDAN)结合的谐波信号检测新方法。通过调节因子β调节阈值特性,并使用改进小波阈值进行降噪预处理;将去噪后的信号经ICEEMDAN分解,获取若干个内在模态分量(IMF),由相关系数判据去除虚假分量;最后通过希尔伯特变换(HT)解调出幅频信息。仿真实验表明:ICEEMDAN和改进的小波阈值方法结合,能够提高信噪比,并准确检测幅频信息和定位暂态信号的突变点。

ICEEMDAN-小波阈值法在谐波信号中的应用

为了在噪声环境下检测电力系统谐波信号,引入一种基于改进自适应噪声集合经验模态分解(ICEEMDAN)与小波阈值降噪的电力系统谐波信号检测新方法。该方法首先通过ICEEMDAN对含噪谐波信号分解,获取若干内在模态分量(IMF),计算每个IMF与原谐波信号的相关系数来确定含噪模态分量;然后使用改进的小波阈值函数对含噪分量进行去噪处理,通过希尔伯特变换(HT)获取谐波信号的幅频信息;最后将去噪后的IMF与优势IMF进行重构得到去噪后的信号。算例分析表明:ICEEMDAN和改进的小波阈值联合检测使得电力系统稳态谐波的平均误差为3.11%,暂态谐波的平均误差为3.64%,信噪比提高且去噪后的信号能够更真实地反映电力系统扰动信号的特征。

基于小波阈值滤波和S-G滤波相结合的激光自混合干涉微位移重构

在半导体激光器自混合干涉(SMI)微位移测量中,相位信息的准确提取对于位移的高精度重构至关重要。然而,测量噪声会对SMI信号引入相位误差,位移重构精度较低。针对信号去噪问题,小波阈值去噪算法能够滤除多数信号的噪声,但该算法在SMI信号去噪中存在局部振荡的问题,使得去噪后的自混合干涉信号中出现新的干扰峰,最终识别到的干扰峰会产生错误的位移重构。提出一种基于小波阈值滤波和SavitzkyGolay(S-G)滤波相结合的SMI信号处理算法。该算法通过引入S-G滤波算法,从全局上平滑处理相位跳变点的噪声,解决了只是采用小波去噪算法而引起SMI信号的局部振荡问题。位移重构实验结果表明,基于小波阈值结合S-G滤波算法的激光自混合干涉重构信号消除了振幅处和相位跳变点之间的高频噪声,重构位移曲线保持了振动物体的原始波形特征。

基于小波阈值的电力谐波信号去噪研究

电力系统不同程度的噪声污染会影响谐波检测的准确性,传统小波阈值去噪方法在工程实际应用上有诸多缺陷,例如硬阈值函数在阈值处不连续、软阈值函数存在固定偏差,量化规则缺乏尺度自适应性等。鉴于此,我们从阈值函数和阈值量化规则两方面改进小波阈值去噪。文中使用改进的软硬阈值折衷函数结合分层阈值选取规则对模拟谐波电力信号去噪。在MATLAB环境下仿真模拟染噪电力谐波信号使用传统和改进阈值方法去噪,从三个去噪效果衡量指标定量分析。结果表明,改进阈值去噪方法提高了重构信号的输出信噪比,降低了均方根误差和平滑度,在不牺牲计算复杂度的条件下可灵活有效去噪。

基于小波阈值算法的气体超声波流量计信号预处理

气体超声波流量计超声信号在气体中传播时,存在易受到各种噪声的干扰,能量衰减严重、回波信号幅值弱、信噪比低等问题,为准确采集气体超声波流量计回波信号,在传统阈值滤波算法基础上提出了一种改进小波阈值算法,对气体超声波流量计信号进行预处理;将改进小波阈值算法与传统阈值算法进行仿真对比分析,并用FPGA实现对采集超声波信号的6层Coif5小波滤波处理。经仿真与实验对比表明:在不改变超声波信号的特征波基础上,使用改进阈值滤波算法对超声波回波信号降噪处理后,均方根误差为0.0014,信噪比达到了88.3290 dB,该方法提高了超声波流量计的采集质量,实现了良好的降噪效果。