自适应加权Savitzky-Golay滤波的轴承早期故障特征提取

轴承早期故障特征通常不明显,且受复杂工况和外源振动等因素影响,易被外部噪声干扰。Savitzky-Golay滤波器的高计算效率和固有特征保留能力,非常适用于低信噪比条件下的故障特征提取,但目前参数选取标准鲁棒性不高限制了其工程应用。针对轴承早期故障特征提取问题,文章提出了一种自适应加权Savitzky-Golay滤波的故障提取方法。首先,给出了S-G滤波的参数自适应选择顺序。其次,结合S-G滤波器结构特点,确定了基于窗长的进行自适应权重分配框架。最后,通过实验验证,验证了自适应参数优选和加权处理后的S-G滤波能准确高效地获取低信噪比条件下的轴承早期故障特征。

Savitzky-Golay平滑结合多元散射校正应用于甲醛固定的深静脉血栓红外光谱数据预处理

为探究甲醛固定血栓样品红外光谱数据的最优预处理方案,应用傅里叶变换红外光谱(FTIR)技术,采集经甲醛固定的大鼠深静脉血栓组织红外光谱数据,选择偏最小二乘回归法建立红外光谱分析机器学习模型,测试Savitzky-Golay(S-G)平滑、基线校正、多元散射校正、标准正态变化、矢量标准化等常用的光谱预处理方式对光谱数据的处理效能。结果显示,大鼠深静脉血栓组织红外光谱的最优预处理方案为先采用S-G平滑,再进行多元散射校正,其中S-G平滑最佳参数组合是阶数为2、项数为3、点数为17。预处理后预测决定系数(R_(p)^(2))为0.948,预测均方根误差(RMSEP)为0.486 d,模型预测能力较原始光谱显著提升。

一种基于Savitzky-Golay滤波的物理层密钥生成方法

物理层密钥生成技术使得节点能够利用无线信道的物理特性直接生成共享密钥,从而保证无线通信过程的安全性。针对当前物理层密钥生成方案普遍存在实际场景下密钥生成率低的问题,提出了一个基于Savitzky-Golay滤波的物理层密钥生成机制优化方案。该方案中,合法通信节点首先探测信道并通过Savitzky-Golay滤波消除部分由信道干扰造成的信道状态差异,然后,利用多级量化以及格雷码将信道状态转为比特序列,最终通过Cascade交互式信息协调协议以及基于2阶全域哈希函数的保密增强生成合法节点之间的共享密钥。实验结果表明,基于Savitzky-Golay滤波的优化方案能够有效提高物理层密钥生成过程的效率,提高了此类安全机制的实际可用性。

血糖近红外光谱分析的Savitzky-Golay平滑模式与偏最小二乘法因子数的联合优选

利用偏最小二乘法(PLS)和光谱Savitzky-Golay(SG)平滑方法,建立血清葡萄糖近红外光谱分析的优化模型。基于最优单波数模型的预测效果,提出划分校正集和验证集的一种新方法。采用10000～5300cm-1和4920～4160cm-1的组合波段,光谱经过SG平滑处理,利用PLS方法建立定标预测模型。将平滑点数扩充为5,7,…,87(奇数),多项式次数扩充为n=2,3,4,5,6,得到包含582个平滑模式的14个平滑系数表。对所有平滑模式和PLS因子数(1～40)分别建立PLS模型。按照预测效果进行优选,得到最优SG平滑模式为1阶导数平滑,3、4次多项式类型,SG平滑点数为53,最优PLS因子数为7,最优RMSEP达到0.376mmol/L。所采用的划分校正集和验证集的方法、SG平滑模式的扩充、SG平滑模式和PLS因子数的联合大范围筛选能够有效地应用于近红外光谱分析的模型优化。

Savitzky-Golay滤波器最优参数的SPR信号分析

表面等离子体共振(surface plasmon resonance,SPR)谱因共振强度、共振位置等不同而呈现不同的幅度和峰宽,需要发展自适应的分析方法才能保证SPR共振峰的精确定位。提出了一种基于Savitzky-Golay滤波器最优参数的SPR谱滤波方法,可根据实时SPR谱的特点优化滤波器参数(拟合阶数和窗宽),使滤波后光谱的均方误差(mean squared error,MSE)的Stein’s无偏风险估计(Stein’s unbiased risk estimate,SURE)最小,采用Monte-Carlo算法实现了SURE的快速求解。经验证,在不同的噪声水平下,SURE都可以准确反映实际MSE趋势及结果。采用搭建的SPR系统,实验测量了不同浓度、不同积分时间下蔗糖溶液的SPR信号,用提出的最优参数对SPR信号进行滤波,结果表明,与固定参数相比,该方法确定的SPR共振峰位置重复性误差较小,且不随噪声的增大而增大。

优化Savitzky-Golay滤波器的参数及其在傅里叶变换红外气体光谱数据平滑预处理中的应用

对傅里叶变换中红外光谱数据的平滑预处理中,通常采用Savitzky-Golay滤波器的方法进行光谱数据的平滑预处理,然而Savitzky-Golay滤波器的多项式拟合阶次和窗宽等参数的合理选则始终是一个难题,并无统一的选择依据,通常在一定数值范围内,采用多组数据进行遍历尝试,最终选择一组相对较优的数据作为Savitzky-Golay滤波器的多项式拟合阶次和窗宽参数。文中探索了Savitzky-Golay滤波器的多项式拟合阶次和窗宽等参数的优化选取这一问题,并对其主要频率指标参数与多项式拟合阶次和窗宽等参数进行了定性定量分析,得出了截至频率、阻带起始点频率、第一旁瓣峰值频率及第一旁瓣峰值幅度与窗宽和阶次之间具体的计算方程表达式。随后,根据采集的中红外气体组分的光谱数据特征,依据上述计算方程式,优化计算选取多项式拟合阶次和窗宽分别为8和11时,其Savitzky-Golay滤波器的中红外气体组分的光谱数据平滑效果最优。最后通过实际采集的0.1%,0.2%,0.5%,1%,2%,5%浓度的CH_4光谱数据进行平滑预处理,在次吸收峰区域,原始光谱的折算吸光率相对最大误差和最小误差分别为17.230 5%和0.243 0%,平滑处理后的光谱的折算吸光率相对最大误差和最小误差分别为0.088 0%和0.020 6%。可见经过Savitzky-Golay滤波器进行所探索的光谱数据预处理之后其相对误差基本稳定,并且相对较低,为后期光谱数据的准确定性和定量分析奠定了基础。

基于奇异值分解和Savitzky-Golay滤波器的信号降噪方法

为降低信号中噪声的干扰,将奇异值分解(SVD)理论和Savitzky-Golay滤波器相结合提出了一种新的降噪方法。该方法首先分析了信号负熵随信噪比变化的规律,而后通过将负熵作为降噪效果的评估参数,确定了SVD降噪过程中构造的Hankel矩阵的最优维数;其次采用Savitzky-Golay滤波器对用于重构信号的奇异值进行了平滑滤波处理,并分析了Savitzky-Golay滤波器结构对降噪效果的影响,最后通过定义误差函数确定了Savitzky-Golay滤波器的最优结构。将该方法应用于线性调频信号和多成分周期信号的降噪实验,结果表明:基于SVD和Savitzky-Golay滤波器的降噪方法能有效降低噪声干扰,是一种有效的信号降噪方法。

基于Savitzky-Golay加权拟合的红外图像非均匀性条带校正方法

针对红外成像探测器单元响应不一致等因素导致的图像非均匀性条带问题,提出了基于直方图加权和SavitzkyGolay拟合的非均匀性条带校正方法。首先,计算每列的归一化直方图函数并将其作为权值对图像进行加权运算;然后,利用Savitzky-Golay滤波器对加权后的图像列均值和列方差进行拟合,并将结果带入校正公式,通过可调参数的迭代完成校正。实验结果表明:该方法能有效地去除非均匀性条带,保留图像的光谱辐射信息和纹理细节,各项评价指标均提高10%。

基于Savitzky-Golay算法的图像平滑去噪

提出了采用Savitzky-Golay算法进行图像平滑滤波的新方法。能够通过设定多项式的取值范围和阶数求出平滑滤波的优化模板进行滤波,且该模板与图像本身的数据无关。仿真结果表明,与传统平滑滤波算法相比,利用Savitzky-Golay滤波算法的平滑滤波保留了更多的图像边缘细节,使滤波效果得到了一定的改善。

Savitzky-Golay平滑滤波器的最小二乘拟合原理综述

介绍了Savitzky-Golay滤波器的推导方法——多项式的最小二乘拟合法及其推导过程,以及如何由Savitzky和Golay提出的多项式卷积计算方法进行最小二乘拟合计算,对Savitzky-Golay滤波器的二维算法进行了简单介绍,对其一维和二维的MATLAB代码进行了分析处理,并将Savitzky-Golay滤波器同其他低通滤波器进行了简单比较,简要说明了其优势以及一些应用方向。

基于Savitzky-Golay方法的遥感影像融合

把Savitzky-Golay滤波方法拓展至二维,提出了基于Savitzky-Golay方法的遥感影像融合算法,并通过与HSI变换、PCA变换和小波变换融合等传统融合算法的比较,证明该方法性能最优。分析Savitzky-Golay滤波算子阶数和小波变换尺度对融合影像质量的影响,发现Savitzky-Golay滤波融合过程中Savitzky-Golay滤波算子阶数是决定融合质量的关键因素。算子阶数越高,融合后影像细节信息越丰富,但光谱信息损失也越严重;算子阶数越低,融合后影像光谱信息保持能力越好,但细节信息增强能力变弱。如何根据具体的遥感影像自动确定最佳的算子阶数是下一步要解决的问题。

基于三维Savitzky-Golay滤波的蒙特卡罗剂量分布去噪

提出了一种基于三维Sav itzky-G o lay滤波的蒙特卡罗(M C)剂量分布的去噪方法。该方法首先利用M C方法模拟粒子轨迹数目较少时得到剂量的三维分布,然后对该剂量分布用三维Sav itzky-G o lay平滑滤波方法进行去噪处理。结果表明:采用三维Sav itzky-G o lay平滑滤波方法去噪,不仅提高了剂量分布的可视性,降低了M C计算剂量分布的不确定性,而且也相应地提高了M C剂量计算方法的计算效率。

基于Savitzky-Golay滤波器的MOSFET阈值电压提取技术

MOS(Matel-Oxide-Semiconductor)器件阈值电压提取过程中的一些求导运算放大了测量数据中所包含的涨落因素(噪声和测量错误),使阈值电压提取过程变得不稳定.本文采用Savitzky-Golay低通滤波算法,求导运算和滤波过程同时进行,有效地抑制了测量数据中的涨落.再结合目标曲线峰值附近局域匹配系数判据,阈值电压提取过程就可以稳定且自动地完成,这为MOSFET(MOS Field-Effect Transistor)特性分析及集成电路设计工作带来很大方便.

基于Savitzky-Golay滤波的双向门控循环单元神经网络汽轮机热耗率预测

汽轮机热耗率是火电机组运行过程中的一项重要监测指标。为建立更加准确的汽轮机热耗率预测模型,借助某1 000 MW火电机组的真实历史数据,提出一种基于双向门控循环单元(gated recurrent unit,GRU)神经网络的汽轮机热耗率预测模型。针对火电机组现场运行数据噪声大的问题,采用SG(Savitzky-Golay)滤波器对所选变量数据进行降噪处理,将处理后的数据作为建模样本构建双向GRU神经网络汽轮机热耗率预测模型。并将其与BP(back propagation)神经网络、传统循环神经网络等2种算法的模型预测结果进行对比,结果表明:双向GRU神经网络热耗率预测模型的预测精度更高,泛化能力和鲁棒性更强,能够满足现场的实际需求。

基于Savitzky-Golay算法的地磁去扰研究

近年来,随着社会经济的不断发展,城市轨道交通建设如火如荼,其产生的电磁噪声,对地磁数据产生了很大的影响。因此,有效地去除轨道交通的电磁信号干扰,是地震地磁学面临的重大问题。本文将Savitzky-Golay算法引入地磁数据的有关处理,将除噪处理结果与不受干扰的数据进行比对,通过分析相关系数和标准误差,确定最优窗宽与多项式阶数。结果表明,在Savitzky-Golay算法取2阶1169窗宽时,去噪效果最好,该方法在地磁数据处理中有着很好的应用前景。

Savitzky-golay滤波在陀螺仪角加速度测量中的应用

针对陀螺仪采集到的速度信号噪声大、平滑性不好以及采用一般工程数字滤波方法对数据处理求角加速度效果不佳的问题,提出了采用Savitzky-golay滤波方法对陀螺仪采集的速度信号进行数字滤波。所得滤波结果经微分处理,得到了角加速度波形,该波形较为平滑,保留了信号的主要特征,表明了此方法的有效性。

基于Savitzky-Golay算法的曲线平滑去噪

Savitzky-Golay算法被广泛地运用于数据流平滑除噪,是一种在时域内基于局域多项式最小二乘法拟合的滤波方法。仿真结果表明,与传统算法相比,Savitzky-Golay算法具有更稳定、误差更小的平滑去噪效果。

一种自适应层进式Savitzky-Golay光谱滤波算法及其应用

可调谐半导体激光吸收光谱技术(TDLAS)利用半导体激光器的可调谐和窄线宽特性,通过选择特定气体的单条吸收线,排除其余气体的干扰,可以实现高精度、高选择性的气体浓度测量,在气体浓度检测系统中具有广泛的应用前景。在不同的应用条件和环境下,需要解决相应的硬件和数据处理方面的技术问题。主要研究TDLAS技术机动车尾气CO组分浓度遥测系统中的光谱数据处理问题,该系统利用路面漫反射回波信号遥测行驶中的机动车尾气CO组分浓度。由于激光扫描光谱回波信号受到漫反射面情况变化、空气环境变化、尾气湍流影响等因素影响,探测器收集到的信号不仅较弱同时也夹杂着多种噪声,即测量光路信噪比较差,故提出一种自适应层进式Savitzky-Golay(S-G)平滑滤波算法,实现了对光谱进行滤波处理从而更加准确地反演CO浓度。S-G滤波算法因其原理简单、功能强大、只需设置两个参数(窗口大小、拟合阶数)等优点,已广泛应用于光谱处理。如何正确设置S-G算法参数使滤波效果在去噪不足和过度滤波之间找到平衡点,是该滤波算法应用的一大难题。设计的检测系统中,测量光路光谱信号为非平稳信号,噪声和有效信号幅度时变,最佳窗口大小和多项式阶数随信号动态而变化,且变化区间较大,使用固定参数的S-G滤波器难以达到最佳效果。提出的自适应层进式S-G平滑滤波算法,通过逐层将测量光路光谱信号经过S-G滤波后,与参考光路的光谱信号设置的参考段比对信号相关系数和信号一阶导相关系数的和,以自适应得到逐层最优参数。通过对信噪比从9.81~29.77的10组不同带噪光谱分析验证了该算法的有效性,自适应层进式S-G算法能较好地去除噪声并还原带噪信号所携带的待测气体浓度信息,与带噪光谱对比,吸收光谱峰值最大误差由25.152%降至5.917%,积分吸光度最大误差由18.1%降至3.9%。在实现的系统中,使用自适应层进式S-G算法对测量光路进行滤波处理,并对不同车型、不同排量、燃烧不同油品的机动车在怠速和缓速通过(5km·h^-1)系统时其排放的CO浓度进行实时在线监测。

采用灰色Savitzky-Golay滤波的商用车推力杆橡胶球铰非对称迟滞建模

为了建立准确高效的推力杆迟滞特性模型,根据力的分解原理,将滞回力分解为广义非线性弹性力和广义非线性阻尼力,并分别采用等效线性阻尼模型、等效分段线性阻尼模型、非对称Bouc-Wen模型和高阶多项式模型对橡胶球铰的迟滞非线性进行建模。引入灰色关联度指标,对Savitzky-Golay滤波算法进行改进,采用布谷鸟算法对滤波器的参数进行优化,并应用该滤波器对试验采集到的滞回特性数据进行去噪平滑。以滤波后的试验数据与各迟滞模型计算数据的误差平方和最小化为目标,分别对各模型的参数进行识别。结果表明:所提出的灰色Savitzky-Golay滤波方法具有很好的平滑滤波效果,滤波前后信号的灰色关联度大于0.8,而非对称Bouc-Wen迟滞特性模型具有相对较高的精度和较低的复杂度,其建模误差小于10%。研究结果可为汽车和其他机械装置上的橡胶件迟滞非线性建模和信号滤波去噪提供参考。

基于Savitzky-Golay平滑-小波降噪处理的桥梁结构监测数据分析方法

桥梁结构健康监测源信号数据存在毛刺、噪声及异常值等复杂情况,对信号数据分析、桥梁结构状态评估结果产生巨大偏差。本文提出了解决桥梁结构监测数据处理中复杂问题的系统性方法。首先,通过对比研究Savitzky-Golay(SG)滤波与信号平滑方法,并评价各方法的适用性;然后,基于复合评价指标量化选出最优小波基函数及最佳小波分解尺度;最后,采用卡尔曼滤波对同一监测项目的4个应变计数据进行融合,并用Monte Carlo仿真进行验证。研究表明,本文提出的SG平滑-小波降噪方法,可为桥梁健康监测数据处理提供较为全面、系统的参考。