平移不变量小波阈值去噪法在齿轮振动信号处理中的应用

齿轮振动信号往往受到噪声干扰,用传统的小波阈值去噪法去噪时,由于信号中存在不连续点,会在不连续点处引起Pseudo-G ibbs现象。采用平移不变量小波阈值去噪法对信号进行去噪,首先对含噪声信号进行循环平移,然后对信号进行小波阈值去噪,最后对信号进行反平移后平均,得到去噪后的信号。应用这种方法对仿真信号和实验采集的含噪声齿轮故障信号进行去噪,并和小波阈值去噪效果进行对比,结果表明这种去噪方法有效抑制了Pseudo-G ibbs现象,并有更好的去噪效果。

平移不变量小波去噪法在齿轮故障诊断中的应用

平移不变量小波去噪方法是对 Donoho阈值法的改进 ,该方法不仅能有效地抑制伪吉布斯现象 ,而且能减小原始信号和估计信号之间的均方根误差 ,提高信噪比。将这种方法用于变速箱齿轮故障信号的去噪处理 ,同时与阈值法去噪的结果进行比较。结果表明 ,该方法可以有效地去除强噪声的干扰 ,提取齿轮故障特征信息 。

形态滤波与平移不变量小波增强EEMD的故障诊断方法

针对集成经验模式分解(Ensemble empirical mode decomposition,EEMD)在轴承故障特征提取中的问题,提出一种混合故障诊断方法。首先,将"形态滤波-平移不变量小波"作为EEMD的前置滤波器,实现对原始信号中窄带脉冲和随机噪声干扰的有效消除;其次,针对本征模式分量(Intrinsic mode functions,IMFs)中真实分量的选取问题,提出一种轴承振动信号EEMD分解的筛选规则,即计算各IMFs和原信号的自相关函数并作归一化处理,然后计算各IMFs自相关函数和原信号自相关函数的相关系数,以最大相关系数的一半作为阈值剔除虚假的IMFs,与此同时保留第1和第2阶IMFs,从而实现对EEMD的改进。仿真和实验轴承故障诊断研究表明了该方法的有效性,方法的优点在于:将"形态滤波-平移不变量小波"作为集成经验模式分解的前置滤波器,可有效去除故障轴承振动信号中的窄带脉冲和随机噪声干扰;本文的筛选规则可有效选取去噪信号EEMD分解后的IMFs中真实分量,从而可靠地获取故障特征频率。本研究为轴承故障诊断提供了一种新的手段。

平移不变量小波去噪方法的研究

在小波去噪的方法中,应用最为广泛的是Donoho等人提出的非线性小波变换阈值法.但在有些情况下,如在信号的不连续点处,运用阈值法去噪会产生伪吉布斯(psuedo-Gibbs)现象.在阈值法基础上加以改进的平移不变量小波去噪方法不仅能有效的抑制伪吉布斯现象,而且能减小原始信号和估计信号之间的均方根误差(RMSE).通过仿真实验可以看出,该方法比阈值法有更好的去噪效果.

图像的平移不变量小波去噪法及其应用

图像的平移不变量小波去噪法是小波收缩阈值去噪法的改进,能够有效抑制小波阈值去噪过程中出现的伪吉布斯现象.分析了图像的平移不变量小波去噪法的原理及其算法,并将该方法应用于颗粒显微图像的去噪.对采用不同去噪方法的图像按照分水岭算法进行分割,然后进行对比.实验结果表明图像的平移不变量小波去噪法的去噪效果较好。

基于改进平移不变量小波阈值法的齿轮泵振动信号降噪

齿轮泵的振动信号中含有大量噪声,在对其进行应用之前必须降噪处理。传统的小波阈值降噪法在信号的奇异点附近会产生振荡现象,为此研究了一种新的小波阈值函数,把新的阈值函数和平移不变量相结合,提出了改进小波阈值法的平移不变量降噪方法。该方法克服了软、硬阈值的缺陷,同时抑制阈值法降噪时产生的伪吉布斯(Pseudo-Gibbs)现象。利用该方法对仿真信号和实测齿轮泵振动信号进行降噪处理,并与小波软、硬阈值法及新阈值法进行了对比。结果表明:该方法具有更好的降噪效果,可应用于齿轮泵振动信号降噪处理。

双变量模型与平移不变小波变换相结合的图像去噪算法

提出一种双变量模型与平移不变小波变换相结合的图像去噪算法.与传统的小波阈值去噪算法不同,该阈值不是直接作用于小波系数,而是利用图像平移不变小波变换系数尺度内和尺度间的双重相关性信息,构造出非高斯双变量分布模型,对该模型应用贝叶斯最大后验估值理论推导得到相应的非线性双变量阈值函数.同时,对第L级系数也作自适应处理.仿真结果和分析表明,该算法在视觉效果和峰值信噪比的改善上都取得了非常好的效果.

基于平移不变小波变换的脑电信号去噪

鉴于传统小波阈值法去噪时,硬阈值函数存在不连续性,软阈值函数存在恒定偏差,去噪效果不佳,提出一种基于新阈值函数的小波平移不变量去噪法。首先构造一种任意阶可导的新阈值函数,再采用平移不变小波方法处理脑电信号。在matlab2009平台上分别采用软、硬阈值及改进方法对脑电信号进行去噪,结果表明:改进方法能够更好的保持脑电信号的特征,且具有更高的信噪比和更低的均方根误差。该方法去除脑电信号噪声性能优于传统小波阈值法,有利于准确提取脑电特征参数。

一种改进阈值的平移不变量雷达信号去噪方法

分析了软硬阈值去噪方法的缺点,提出一种改进的阈值去噪方法,最后提出基于这种改进阈值函数的平移不变量小波去噪方法。该方法可克服软、硬阈值的缺陷,同时抑制阈值法去噪时产生的伪吉布斯(Pseudo-Gibbs)现象。利用该方法对仿真信号和实测雷达信号进行了处理。结果表明,与传统的阈值方法相比,该方法具有更好的去噪效果,可提高目标的检测性能。

改进阈值的TI小波去噪法在MT去噪中的应用

在测量电场和磁场分量的过程中,由于地质因素、工频、人文干扰和其他外界因素以及观测系统所造成的干扰等,常常会使实际数据含有噪声,从而影响到视电阻率和相位的计算以及后续的正反演工作。为提高处理效果,在已有快速算法的基础上,将改进阈值的TI小波去噪法应用在大地电磁信号去噪中。利用该方法对大地电磁信号去噪,可以达到既有效去除噪声又较大程度地维持原始信号形态的目的。在对实测大地电磁数据进行去噪处理后的结果显示,该去噪方法使信号数据的突变现象得到有效的控制和减少,并使时间序列、视电阻率曲线和相位曲线的质量都有了明显的改善,因而具有较好的去噪效果。

基于改进阈值法的平移不变小波压力脉动去噪研究

针对传统软、硬阈值函数和广义阈值在消噪处理中存在恒定偏差、不连续等缺点,提出一种改进阈值函数和新阈值相结合的新方法。为避免传统的小波变换去噪在信号的不连续点上产生Pseudo-Gibbs现象,将平移不变量方法与上述改进阈值去噪方法相结合。采用该方法对实验测取的压力脉动信号进行消噪处理,结果表明:该方法提高了重建信号的信噪比,降低了均方根误差值,有效地消除了信号噪声。

平移不变与系数放大小波变换图像消噪方法

平移不变量小波变换在图像降噪中的应用,主要通过阈值方法来有效的降低图像的噪声,但它的结果中会出现诸如伪吉布斯现象之类的情况。为消除此类情况,将平移不变量小波变换引入到小波图像降噪中,并结合阈值方法进行消噪处理,同时在阈值处理前对分解后的高频与低频系数进行适当放大,从而形成平移不变量与系数放大法的有机结合。经仿真实验,证明这种方法比一般的图像消噪方法有很大改进,特别是图像的均方误差有很大的降低,提高了信噪比。

小波平移不变阈值去噪在数据挖掘中的应用

平移不变量小波阈值去噪法是对小波阈值去噪法的改进,能够有效抑制小波阈值去噪过程中出现的伪吉布斯现象。基于此方法这一特性,利用其对时序数据挖掘中的数据进行预处理,再结合小波多分辨率的特点进行分析挖掘,研究较准确提取有用信息的方法。

小波去噪的几种方法

利用小波方法去噪 ,是小波分析应用于工程实际的一个重要方面。该文介绍了几种常用的小波去噪方法 ,分别是小波分解与重构法、非线性小波变换阈值法、平移不变量法和小波变换模极大值法。将上述几种方法分别用于叠加了高斯白噪声的仿真信号的去噪处理 ,并通过对几种方法优缺点的比较 ,为小波去噪的方法选择提供了一个参考依据。

改进的小波变换用于处理FBG信号

解调系统是光纤布拉格光栅(FBG)传感技术的核心。信号去噪和峰值搜索是影响FBG传感系统精确解调的两个重要因素。为提高测量精度,文中针对传统方法存在的缺陷,提出了一种新的FBG波长解调方法,此解调方法由一种改进的去噪方法与高斯拟合寻峰算法组成。采用平移不变量小波与文中提出的改进阈值和改进阈值函数相结合的方法来处理FBG含噪信号;然后采用高斯拟合寻峰算法对去噪信号作进一步解调。实验结果表明,改进阈值的平移不变量小波能处理不同的FBG含噪信号,该方法获得的信噪比和均方差性能优于传统小波阈值去噪法以及其他改进的小波去噪法;该改进小波的波长解调方法测量的峰值误差低于1pm,比常用的波长解调方法具有更高的测量精度。

焊接缺陷信号的小波去噪方法研究

针对摩擦焊接头‘伪结合’缺陷信噪比低,难以准确检测的特点,利用平移不变量小波方法对缺陷信号进行去噪,该方法通过多次对所分析的信号进行循环平移,再将平移后的信号进行软(硬)阈值小波消噪处理,然后将消噪后的信号进行逆平移,最后平均所获得的结果。实验证明:该方法能够有效地消除软阈值小波去噪过程中出现的pseudo-Gibbs(伪吉布斯)现象,提高了信噪比,使去噪结果更加逼近于真实信号。该方法在摩擦焊检测信号降噪处理方面具有广泛的应用前景。

一种基于小波模极大值去噪的改进算法

小波模极大值改进去噪算法把阈值去噪和Witkin的尺度跟踪理论结合,剔除由噪声产生的模极大值点,可有效恢复信号。与传统的阈值去噪法和基于平移不变量的去噪算法相比,该算法提高了信噪比。

基于小波变换去噪的相关功耗分析攻击研究与实现

为了提高功耗分析攻击效率,减少噪声影响,研究了小波变换去噪对功耗攻击的影响以及相关功耗分析(CPA)攻击的相关系数与攻击效果的关系,提出使用平移不变量小波法与小波模极大值法对功耗曲线进行去噪预处理。该方法使用卡尔曼滤波法、小波模极大值法与平移不变量小波法对功耗曲线进行去噪预处理,再对原始数据及去噪后数据分别进行CPA。实验结果显示,与原始数据相比,使用平移不变量小波法改进的CPA相关系数比仅使用CPA提高了165%,比卡尔曼滤波法提高了31.4%,比小波模极大值法提高了26.4%,同时攻击成功所需功耗曲线减少了92%。实验结果表明使用平移不变量小波法改进的相关功耗分析攻击效果最好。

小波去噪算法在含噪盲源分离中的应用

无噪模型下的盲源分离算法在信噪比较低的情况下并不适用。针对该情况一种解决方案就是先对含有高斯白噪声的混合信号进行去噪预处理,然后使用盲源分离算法进行分离。为此,本文提出了一种适用于信噪比较低条件下的基于平移不变量的小波去噪算法。该算法首先使用高频系数滑动窗口法准确估计含噪混合信号的噪声方差,然后使用Bayesshrink阈值估计算法得到更加合理的阈值,最后在不降低去噪效果的同时缩小了平移不变量的范围,减少了运算量。实验仿真表明,在信噪比较低的情况下,与传统小波去噪算法相比,该算法可以更加有效地去除噪声,在很大程度上提升盲源分离算法的性能。

改进的小波自适应阈值图像消噪

在图像降噪中,小波阈值法可以有效的降低图像的噪声,但阈值选取往往是固定的。而经过小波变换后图像各子带的统计特性有所不同,因此δ的值应根据各子带的特性来选取,即δ应为自适应阈值。另外用阈值法消噪后,为消除在一些不连续点会出现伪吉布斯现象,考虑阈值消噪前对图像进行循环平移,形成自适应阈值与循环平移的有机结合。通过仿真实验证明了小波阈值法比一般的图像消噪方法有所改进。特别是图像的均方误差有很大的降低,同时提高了信噪比。