参数优化VMD结合改进小波包阈值的去噪方法

针对轴承信号故障特征容易被噪声淹没的问题,提出一种参数优化变分模态分解结合改进小波包阈值的去噪方法。首先,通过变分模态分解(Variational Mode Decomposition,VMD)结合改进粒子群算法(Improve Particle Swarm Optimization,IPSO)将含噪信号分解为若干本征模态分量(Intrinsic Mode Function,IMF)。以最大相关系数-相关峭度为准则,把IMF分为高值分量(High-value Intrinsic Mode Function,HIMF)和低值分量(Low-value Intrinsic Mode Function,LIMF)。再对LIMF进行改进小波包(Improved Wavelet Packet,IWP)阈值去噪。最后对重构信号进行包络解调,提取轴承故障特征频率,完成故障诊断。实验结果表明,该方法不仅能够避免“过扼杀”现象,并且可以得到信噪比更高的去噪信号。

基于CEEMDAN和小波包分解的闸门振动信号降噪研究

针对闸门监测振动信号去噪问题,提出基于CEEMDAN(经验模态分解)和小波包分解的闸门振动信号降噪算法,通过采用CEEMDAN和小波包分解方法进行信号去噪,可以有效处理水电站泄洪闸门振动信号中受到的外部干扰。CEEMDAN方法能够将信号分解成多个本征模态函数(IMF),每个IMF代表不同频率的振动成分,使得外部干扰和真实信号成分可以分离。随后,小波包分解能够将每个IMF进一步分解成不同尺度和频率的子频带,这有助于更准确地定位和分离干扰成分。对每个子频带应用阈值去噪技术,可以有效去除噪声,保留真实信号。由测试结果可知,该算法能很好地剔除闸门振动信号中的无用噪声,有效提高闸门振动信号的准确性。

基于优化分解与误差修正的光伏发电功率预测

针对光伏发电功率预测精度不高的问题,提出一种基于优化分解降噪联合误差修正模型。该模型分为3个阶段,第一阶段,首先用基于全局搜索的鲸鱼优化算法(GSWOA)选取变分模态分解(VMD)的参数,之后运用优化后的VMD对原始数据进行分解;然后利用互相关分析重构高频分量,最后对高频分量进行小波软阈值降噪(WTSD);第二阶段,运用门控循环单元(GRU)对每个分量进行预测,将所有分量预测结果叠加起来得到初步预测结果;第三阶段,对初始预测结果进行误差修正(EC)。为验证模型的有效性,利用宁夏太阳山光伏电站2021年1、4、7、10月份的光伏实测数据进行实验,实验结果表明,相比于LSTM、GRU、VMD-LSTM,该混合模型表现出更好的性能。

基于CEEMDAN-小波包自适应阈值混凝土声发射信号降噪研究

为了得到更加纯净的混凝土声发射(acoustic emission, AE)信号来更准确地监测混凝土结构破裂过程,提出了一种完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition, CEEMDAN)与小波包自适应阈值联合方法对循环荷载作用下的混凝土声发射信号进行降噪处理,运用信噪比和快速傅里叶变化(fast Fourier transform, FFT)分析来验证所用方法的可行性。实验结果表明:结合CEEMDAN-小波包自适应阈值对混凝土声发射信号进行降噪的效果较好,能有效地保留混凝土声发射信号特征信息,对混凝土声发射信号降噪提供新的思路,为后续利用声发射信号分析混凝土结构内部微裂纹扩展及演化特征奠定基础。

基于卡尔曼滤波与子带选取的轴承声信号增强方法

针对皮带机齿轮箱轴承声信号受混响及其他部件运行噪声干扰严重导致声学诊断困难的问题,分析了声信号组成、混响产生原因、信号传递路径及各干扰成分特点,提出了一种结合卡尔曼滤波与最优子带选取的声信号特征增强方法。首先,依据最大峭度准则设定了卡尔曼滤波超参数,通过卡尔曼滤波减少了混响噪声对轴承故障声信号的干扰;然后,采用小波包降噪算法对去混响后的信号进行了处理,对比了待测状态与正常状态信号子带的能量差异,选取了包含故障信息多的最优子带,通过包络谱分析提取了轴承故障特征;最后,通过轴承故障模拟试验对基于卡尔曼滤波与小波包子带选取方法的有效性进行了验证,并将其与改进奇异值分解(ISVD)与共振稀疏分解(RSSD)结合的方法进行了比较。研究结果表明:该方法的去混响和降噪效果显著,包络谱中含有明显的故障频率及其相关成分。采用基于卡尔曼滤波与子带选取的方法可以实现在室内测量环境下的轴承声信号增强目的,准确提取轴承故障特征。

基于改进CEEMDAN的应答器上行链路信号降噪研究

针对在高速铁路复杂电磁环境中应答器上行链路(balise uplink,BU)信号传输受扰的问题,提出了一种基于自适应白噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与小波包自适应阈值的联合降噪方法。首先,采用CEEMDAN算法将模拟BU信号分解为12个模态分量,根据相关系数判断分量为相关分量或无关分量;然后,相关分量经小波包降噪处理后重构为降噪后的BU信号;最后,选用信噪比(signal-noise ratio,SNR)和均方根误差(root mean square error,RMSE)作为评价指标,将该方法与目前广泛采用的6种降噪方法进行对比,信噪比提高了0.4861~6.144 dB,均方根误差降低了0.0549~11.091。为检验该方法的实际应用效果,采用联合降噪方法对实测BU信号进行降噪处理。仿真验证和实验验证的结果表明,采用联合降噪方法降噪后的BU信号不仅噪声分量得到了有效去除,而且信号特征保存完好,证明该方法能够应用于解决实际BU信号受扰问题。

Wavelet Packets Analysis Based on IIR Two-channel Bi-orthogonal Filter Banks

A framework of IIR two-channel bi-orthogonal filter banks is presented. The design of the analysis/synthesis systems reduces to the design of a single transfer function. The wavelet bases corresponding to the IIR maximally flat filters are generated. Use the wavelet bases in wavelet packets analysis, take information entropy function as information cost function, adjust the best bases dynamically, and the section of signal's spectramfits its characteristics well. A lot of audio signals are processed. Compared to that of the wavelet transform and the wavelet packet transform using the Daubechies' wavelet which has the same order with our IIR wavelet, the properties of our system are better

一种塔吊钢丝绳损伤检测信号降噪方法

针对钢丝绳漏磁检测信号中存在的未知频率噪声干扰问题,提出一种基于多尺度样本熵(Multi-scale Sample Entropy,MSE)的自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)联合小波包阈值降噪(Wavelet Packet Threshold Denoising,WPTD)方法。将钢丝绳损伤信号分解为一系列本征模态函数(Intrinsic Mode Functions,IMF)分量,分别计算各IMF分量的多尺度样本熵,通过阈值对比筛选出含有噪声的IMF分量,进而利用小波包阈值法对这些分量进行降噪,并与保留的IMF分量进行重组,获取降噪后的损伤信号。实验结果表明,该联合降噪方法比其他降噪方法的信噪比提高了9.2%,均方根误差明显提高,滤波后的损伤信号曲线更加平滑,余弦相似度也大于0.85,能够有效降低检测信号中的噪声分量。

基于多小波和改进双树复小波的滚动轴承故障诊断方法

当旋转机械中发生局部缺陷时,其振动信号往往由周期性冲击分量及其他分量构成,其中冲击分量反映滚动轴承的状况。由于强烈的背景噪声以及信号的耦合作用,滚动轴承的故障特征频率往往被模糊。针对该问题提出了一种基于多小波和改进双树复小波的滚动轴承故障诊断方法。首先,对采集到的振动信号进行多小波相邻系数自适应阈值降噪处理;然后,对降噪后的信号进行双树复小波分解,利用鲁棒局部均值分解获取各小波分量的主频率分量;最后,利用基尼系数选择出最佳子带并进行包络谱分析,实现轴承的故障诊断。通过轴承故障仿真和实测数据的分析对比,证明了该方法可有效辨别出滚动轴承的典型故障,提高滚动轴承故障的诊断效果,同时与快速谱峭度进行对比,表明了该方法的优越性。

基于小波包变换和数学形态学结合的光谱去噪方法研究

对反射光谱数据进行去噪是提高光谱信息准确度的前提。传统时域平滑和频域去噪方法存在诸多缺点,本文首次将广义形态滤波方法用于可见近红外光谱的去噪处理,并提出基于小波包变换和数学形态学结合的光谱去噪方法。使用USGS光谱库中的植被光谱进行实验,采用信噪比(SNR)、均方误差根(RMSE)、波形相似度(NCC)和平滑度(SR)四个指标来评估去噪效果。结果表明,小波包最佳基阈值法和广义形态滤波法都能较好地保持波形和平滑度,广义形态滤波法能较好地消除幅值较大的随机噪声,但其对连续随机噪声中幅值较小的噪声成分不能有效消除;而小波包最佳基阈值法不能有效消除幅值较大的噪声成分;二者结合的方法组合了这两者的优点,使得幅值较大、较小的噪声成分都能较好地消除,同时还提高了相似度和平滑度指标,充分表明小波包最佳基阈值与广义形态滤波结合的方法是一种更好的可见光近红外光谱去噪方法。

爆破振动信号的小波包分解及各频段的能量分布特征

在结合爆破振动信号具有非平稳、持时短、时域与频域局部化等特性的基础上,通过对爆破振动信号分析技术的简介,得出了小波包分析技术的特点,并在确定小波包分解层数、优选小波包基的同时,运用能量计算公式在MATLAB7.0的语言环境下进行编程,得出了爆破振动信号能量分布的初步规律,为爆破振动信号的进一步研究奠定了理论基础。

模拟电路故障最优特征搜索与识别

为解决模拟电路故障诊断中故障特征选取的难题并提高故障识别率,提出一种故障最优特征矢量候选集的搜索算法,并构造了模式最佳邻居查询规则来选取故障模式最优特征进行故障识别。以故障信号小波包分解的频段能量值构造故障样本的初始特征矢量,搜索识别多种模式的特征子矢量生成最优特征矢量候选集,查询模式最佳邻居确定其最大邻域,在综合判据监督下选取故障最优特征完成故障识别。模拟诊断实例表明,选取的最优特征在诊断模拟电路故障时具有满意的准确率。

基于门限值小波包变换抑制局部放电白噪干扰

分析了局部放电在线监测系统中局部放电信号及白噪干扰小波变换特征 ,局部放电信号在大部分尺度上具有较大的幅度 ,而白噪声信号随尺度的增加而迅速趋于零 ,从而对信号在各个尺度上的小波系数设定一个门限 ,如果某尺度上的系数大于门限 ,则认为它对应于局部放电信号 ,否则对应于噪声信号。提出了用基于门限值的小波包变换方法从白噪中提取局部放电信号的方法。实测数据分析结果表明 ,经此法处理后信噪比明显提高 。

脑机接口中基于小波包最优基的特征抽取

在脑机接口研究中,针对脑电特征抽取,提出一种基于小波包最优基分解的方法.依据距离准则,从小波包库中选择一个对分类最优的小波包基;在该小波包基包含的所有分解系数中,抽取部分具有最大可分性的系数作为有效特征;不同通道脑电信号有效特征的结合,构成分类的特征矢量.通过对该特征矢量可分性和识别精度两个性能指标的评估,并与现有分类结果进行比较,表明了所提出方法的有效性.

小波基函数选择对SAR干涉图去噪的影响

首先简要介绍Daubeachies、Biorthogonal、Symlets、Coiflets、Discrete Meyer和Reverse Biorthogonal六种小波函数的特性,然后以这些小波函数为基函数,采用相同的小波去噪算法对含噪声的模拟SAR干涉图和实际形变干涉图进行去噪实验。实验结果表明:在六种小波函数中,Biorthogonal小波的去噪效果最好,而且计算速度较快,是SAR干涉图去噪的最佳小波基函数。

一种新阈值函数的小波包语音增强算法

针对传统软、硬阈值函数去噪方法增强的语音存在失真的问题,提出一种新阈值函数的小波包语音增强算法,同时给出了新阈值函数和新的Bark尺度小波包分解结构。新阈值函数在小波包系数绝对值大于给定阈值的区间内,灵活地结合了软、硬阈值函数;在小波包系数绝对值小于给定阈值的区间内,用一种非线性函数代替传统阈值函数中的简单置零,实现了阈值函数的平缓过渡;新的60个频带Bark尺度小波包分解结构能更好地模拟人耳的听觉感知特性。仿真实验结果表明,在高斯白噪声和有色噪声背景下,与传统软、硬阈值函数去噪方法相比,新算法有效提高了增强语音信噪比和分段信噪比,减少了语音失真,具有更好的去噪效果。

一种最优小波包基搜索算法

提出了一种最优小波包基搜索算法.信号奇异点的小波分解系数远大于其余点,利用这一特性构成有效的数据压缩方法.在小波包分解各节点中保留与信息有关的较大的系数,去掉其余干扰数据.由于有关的信息被保留下来,舍弃的是大量无关的干扰,一方面达到了消噪的目的,另一方面大大压缩了数据,便于数据的存储和传输.最后基于该算法给出了算法用例,并将该算法应用于分解压缩,得到了较好的效果,证明该算法在工程应用中具有一定的价值.

基于小波包最优基子带能量的裂纹特征提取

裂纹是导致塔架断裂的主要因素,而检测的裂纹缺陷信号中包含着丰富的时频信息,一般方法难以有效提取裂纹特征信息。针对这个问题,提出一种基于小波包最优基子带能量的裂纹特征提取方法。依据最小熵准则选取最优小波基及分解层数,并在该小波包基包含的所有分解系数中,提取能量系数较大的几个最优基子带构造特征向量,建立特征向量到缺陷状态的映射关系,进行裂纹缺陷的有效识别。并以某发射塔架为例,验证该方法对裂纹特征提取的有效性。结果表明,基于小波包最优基子带能量的特征提取方法,由于将小波包分解与能量谱相结合,充分利用检测信号的时—频域特征信息,因此可以有效识别结构的裂纹缺陷。同时也为进一步研究裂纹缺陷的定量问题提供依据。

基于最佳小波包基的高光谱影像特征制图

鉴于在时频局部化能力方面小波包变换优于小波变换,将高光谱影像像元光谱曲线作为1维信号并对其进行多尺度小波包变换分解,得到不同尺度上的低频和高频成分向量。根据不同地物像元光谱小波包分解最佳基有很大差异,而同一地物像元光谱小波包分解的前若干个最佳基完全相同的特点,提出一种基于前若干个最佳小波包基特征参量数组的分类特征参量和目标识别方法,并对AVIRIS影像中的特征如地物植被、水体、岩石及某些阴影等进行提取与制图。

基于小波阈值的局部放电去噪新方法

针对局部放电信号去噪,传统的小波阈值法因小波基、阈值和分解层数这三个因素的影响,会使去噪后的波形发生畸变,产生较大误差。为了减小这些因素的干扰,本文提出了基于小波阈值去噪的新方法。首先利用波形相似法选取最优小波基,其次通过对理想局部放电信号和高斯白噪声进行每个尺度的小波分解与重构,并结合统计学知识确定局部放电信号去噪的阈值,最后对高频信号和低频信号进行能量分析,确定最优的分解层数。利用该方法和传统的小波阈值法对仿真放电信号去噪,去噪结果表明新方法在信噪比、均方根误差、相关系数和波形畸变率四个不同的指标上都得到了有效的提升,定性和定量的分析验证了该方法的有效性,实测的去噪结果表明新方法去噪效果令人满意,为局部放电信号去噪提供了一种新思路。