基于经验模态分解和改进小波软阈值降噪法的电站信号降噪研究

在对电站各类信号进行故障诊断时,由于其所处的复杂工作环境,采集设备得到的信号中经常包含背景中强噪声干扰,导致在后续信号关键特征的识别和处理时会出现较大困难。为降低噪声的影响,本文将经验模态分解与改进小波软阈值降噪法相结合进行电站信号的处理并进行了方法有效性验证。该方法的主要流程如下:首先,将信号进行经验模态分解,分离出若干个本征模态分量和残差。其次,对其与原始信号进行互相关分析,识别有用信号主导的分量和噪声主导的分量,并将噪声信号主导的分量进行改进小波软阈值降噪法处理后,将其与有用信号分量和残差进行重构。最后,将经验模态分解和改进小波软阈值降噪法降噪处理后的信号与传统只采用小波阈值降噪法处理后的信号进行评价,结果表明本文方法的信噪比更高、均方根误差更小、相关系数更高、平滑度更好,可有效消除背景噪声的影响。

基于小波变换的语音增强算法研究

基于小波变换在语音增强研究中的应用,提出了一种新的阈值选择算法,以达到更好的降噪效果,从而实现语音增强。在Matlab软件中编写语音信号处理程序,并在程序中添加录制的其它语音信号,对信号进行加高斯噪声的处理,然后将提出的算法代入语音信号处理程序中去噪,观察最后重构出的信号波形图,并与语音信号时域波形、软阈值降噪、硬阈值降噪后的波形进行对比,根据是否改善了信号去噪效果,判断新算法是否实现语音增强。

基于经验模态分解和小波降噪的漏水信号滤波方法

在研究供水管道监测漏水信号的降噪问题时,提出一种基于经验模态分解(EMD)与小波阈值降噪相结合的降噪方法。该方法首先将采集到的信号进行EMD分解,得到有限个本征模函数(IMF),通过计算各IMF分量的能量值,找到含噪较多的高频信号分量与含噪较少的低频信号分量之间的界限,对含噪声较多的高频IMF分量进行小波软阈值降噪处理,再将降噪后的高频IMF分量与剩余的低频IMF分量进行重构,实现对漏水信号的降噪。经计算验证比较,处理铁管上采集的信号时,仅用EMD法降噪后输出信噪比为14.49 dB,仅用小波软阈值法降噪后输出信噪比为16.11 dB,而提出的EMD与小波软阈值结合方法输出信噪比为19.53 dB;处理PVC管采集的信号时,仅用EMD法降噪输出信噪比为3.19 dB,仅用小波软阈值降噪法输出信噪比为4.18 dB,用改进方法得到信噪比为6.19 dB,表明用改进方法监测管道漏水具有更好的降噪效果。

矿用永磁直驱电机异响声信号降噪方法研究

针对矿用永磁直驱电机异响声信号噪声干扰大,有用信号被噪声淹没难以提取的问题,提出一种融合改进VMD与小波软阈值的降噪方法。首先,利用粒子群算法优化变分模态分解算法得到分解层数k和惩罚因子α的最优参数组合,基于最优参数组合分解获得矿用永磁直驱电机异响声信号k个本征模态分量(IMF)。其次,利用加权裕度指标筛选出有效信号分量和需进一步分解的含噪分量,基于小波软阈值对含噪分量进一步降噪。最后,将有效信号分量与小波软阈值降噪后的分量重构得到最终降噪信号。应用此方法分别对仿真信号和矿用永磁直驱电机异响声信号降噪,并与其他方法对比。试验结果表明,该方法能将仿真信号信噪比提升至27.5247 dB,均方根误差降低至0.0855,实测信号信噪比提升至34.7153 dB,均方根误差降低至0.0067,降噪效果较好,为后续的故障特征提取与故障诊断工作提供数据基础。

基于改进的小波软阈值法的SAR图像去噪

斑点效应是SAR图像所不可避免的 ,在不降低图像空间分辨率前提下消除或最大限度地抑制斑点噪声 ,是当前研究的热点。本文介绍了一条能够让小波技术更好地应用于雷达图像去噪而实现起来又非常简便的途径———将原始雷达图像作对数变换 ,将乘性噪声转化为加性噪声 。

小波阈值去噪法在农药荧光分析中的应用

在农药荧光分析中,最大峰值波长对应的荧光强度的信息直接关系到检测的精度。该文提出用小波变换法对测得的农药荧光光谱进行消噪处理。鉴于软阈值和硬阈值2种方法均存在一定的缺陷,介绍一种新的阈值处理方法——软硬阈值折衷法,并将使用该方法进行小波去噪后的荧光光谱图与用传统模拟低通滤波器去噪后的光谱图进行了比较。结果表明,经小波去噪后的荧光光谱图更多地保留了原信号的信息,有助于提高系统的检测精度。

一种改进的小波阈值去噪算法及其仿真分析

针对小波阈值去噪方法中传统软硬阈值法各自存在的缺点,提出了开方法阈值去噪法。该方法对阈值的处理采用开方逼近的思路,使其曲线能很快逼近硬阈值方法曲线,并具有较好的连续性,克服了硬阈值法不连续和软阈值法有恒定偏差的缺点。通过仿真试验将开方法与其他三种方法的去噪效果进行了对比。结果证明,新方法兼顾了软硬阈值法的优点,去噪效果更好,信噪比更高。

双树复小波和局部投影算法在齿轮故障诊断中的应用

齿轮故障振动信号往往表现为非线性非平稳特性,并且早期故障振动信号往往包含较强的背景噪声,不利于故障特征的提取。针对该问题,提出了基于双树复小波变换和局部投影算法的齿轮故障诊断方法。首先,对故障信号进行双树复小波变换,得到不同尺度下的小波系数和最后一层的尺度系数,并计算各层小波系数的模与相角。然后,选择模周期性较强的小波系数或尺度系数进行局部投影算法处理,得到周期性增强的系数的模,并选择合适的阈值进行软阈值处理。最后,利用处理后的系数进行双树复小波重构,从而提取出齿轮故障特征信号,进行希尔伯特包络解调分析便能准确地得到故障特征频率。仿真信号和工程应用表明,该方法能够有效地提取齿轮故障特征信息,提供了一种齿轮故障特征提取的新方法。

基于双边滤波与小波阈值法的矿区遥感图像处理

矿区遥感图像为开采沉陷监测与预计提供了大量的精确数据,对于实现矿区开采沉陷高精度监测与预计发挥了重要作用。由于矿山遥感图像受到矿区复杂的自然环境、成像系统电压不稳定等因素的干扰,导致实地获取的矿山遥感图像在很大程度上受到噪声干扰,图像整体较模糊,难以准确提取有用信息。为此,将双边滤波算法与小波阈值去噪算法相结合,提出了一种矿区遥感图像去噪算法。鉴于双边滤波算法具有较好的边缘保持性能,故首先采用该算法对矿区遥感图像进行处理,以滤除一部分噪声;然后对初次滤波后的图像进行3层小波分解,对分解得到的低频分解系数不作处理,对高频分解系数提出了一种小波域指数型阈值去噪模型进行滤波;最后通过低频分解系数与滤波后高频分解系数重构,获得了高清晰度的矿山遥感图像。采用某矿区2幅遥感图像进行试验,并采用双边滤波算法、小波软阈值去噪模型与新算法进行试验对比,结果表明:新算法在去除噪声的同时,能够最大限度地保持图像细节信息的完整性,其性能总体优于其余2类算法,对于高效处理矿山遥感图像,进而提高矿山开采沉陷监测与预计精度有一定的参考价值。

煤矿监测图像去噪算法中小波基的选取

图像去噪是煤矿监测图像处理中重要的预处理过程。小波阈值法是一类重要的图像去噪算法。在Matlab7.0环境下,采用不同消失矩的Daubechies族小波函数对加噪图像进行处理,分析消失矩对降噪后图像信噪比的影响,为小波基的选取进行指导。

改进的软硬阈值法及其在地震数据降噪中的研究

采集的野外地震数据伴随有随机噪声干扰,需要将其消除。软硬阈值法能够压制地震数据的噪声信号,但是降噪效果并不理想。因此,提出了一种改进的软硬阈值算法用于地震数据降噪。首先利用软硬阈值法原理构建了一种新的阈值降噪法,并对新算法相关特性进行了研究,通过仿真实验确定了新阈值算法的小波基为sym 3,利用均方差和信噪比对新阈值降噪法的降噪效果进行了评价。最后,将新阈值降噪法用于实际地震数据降噪,结果发现新阈值降噪法能够去除地震数据中的随机噪声,降噪效果较软硬阈值法更理想。

基于PSO优化小波变换的测井信号去噪研究

小波变换被广大科研工作者用于测井信号去噪研究上,而小波参数的选取直接影响最后的去噪效果,所以需要设计获取测井信号最佳小波变换参数的算法。为应对测井信号处理中多种多样的情况,创新性地提出用粒子群算法来改进小波变换参数的选取,并应用随机惯性权重策略改变粒子群算法权重参数,提升粒子群算法收敛速度,增强搜索寻优能力,引入自然选择机制以增加种群多样性,获得对应测井数据的最佳小波变换参数,将最佳小波变换参数应用到阈值法小波变换去噪中,有效分离了有用信号和无用噪声。该算法有效地提高了测井信号的信噪比,降低了均方根差,实现了对测井信号中噪声的有效去除。

动态变形信号小波阈值降噪模型研究

由于小波分析具有时频多分辨功能,小波去噪方法能在降噪的同时,更有效地保留有用信号。讨论小波阈值去噪中软阈值和硬阈值方法,然后针对硬阈值法不连续和软阈值法有偏差的缺点,研究一种有效的GPS动态变形监测数据的小波阈值降噪模型,并进行降噪实验,取得令人满意的结果。

基于波动法的斜拉桥索力测试研究

针对实际测量中正弦脉冲激励下产生的应力波含噪声大,走时时差难以分辨的问题,根据小波变换下有效信号和随机噪声在多尺度空间中模极大值不同的传播特性,采用近似对称的sym3小波对含噪信号图进行分解,每一层的小波分解系数用不同的软阈值处理.经过修正后的小波系数重构得到的信号图能够消去大部分噪声,清晰地反映入射波和反射波之间的时差.

小波去噪方法的仿真研究

介绍了小波软门限和硬门限法去噪的处理方法 ,分析了采用不同的小波进行软门限去噪的效果 ,比较了软门限去噪和硬门限去噪的特点。仿真结果表明 ,对高斯白噪声的去噪处理 ,选用db8小波比用sym1和haar小波可以得到更好的去噪效果 。

基于EEMD与改进小波阈值的磁记忆信号降噪研究

利用金属磁记忆法对煤矿系统中的钢绳芯输送带进行早期故障诊断时,发现信号中包含的噪声对诊断结果影响较大。针对此问题,提出了基于总体平均经验模态分解和改进小波半软阈值的降噪算法。首先利用总体平均经验模态分解得到若干个本征模函数,经过相关性分析后提取本征模函数的有效分量,用人工蜂群优化算法改进阈值函数,再分别对有效分量进行改进的小波半软阈值函数降噪处理,最后将信号重构。经过降噪处理后的磁记忆信号能较好地保留信号中的有用信息。仿真实验结果表明,该算法可实现噪声环境下的钢绳芯输送带应力集中区特征的有效提取,从而实现早期故障诊断。

小波阈值去噪方法在矿井电法数据处理中的应用

根据矿井高密度电阻率法数据的特点,创新性地应用了小波阈值去噪方法对其进行处理。为了克服软、硬阈值函数存在的缺陷,提出了软、硬折中的新阈值函数。通过汶南煤矿41106工作面西下巷实测资料的处理,认为新阈值函数处理下的数据反演结果和实际情况更加吻合,效果更好,说明小波阈值去噪方法在矿井高密度电法数据处理中有效、可行。

基于改进极限学习机的心律失常分类

针对心律失常分类性能受输入信号质量、提取的分类特征集及分类器三者共同影响,为准确分类,提出一种新的利用软阈值小波消除心电信号噪声、核主成分分析约简心电信号原始特征集及极限学习机(ELM)分类的组合方法。同时由于基本ELM用于心律失常分类问题时随机初始化输入参数易导致部分隐含层节点无效,从而需要大量的隐含层节点才能达到分类性能要求的问题,提出采用遗传算法(GA)优化ELM,用MIT-BIH心律失常数据库进行实验,对六种不同类型的心律心拍得到98.68%的平均分类准确率,98.19%的平均灵敏度,98.64%的平均特异性,实验结果表明,所提方法在运行时间上更快,准确率更高,适合于心律失常分类的实际应用。

基于小波阈值法去噪的建筑物变形监测数据处理

基于小波阈值法具有非常明显的渐进近似最优性质,可以在均方差意义下取得最优的去噪效果,利用小波阈值法去噪的技术,对一组建筑物变形监测数据进行去噪处理。实验结果表明,小波阈值去噪合理有效,能够敏感识别观测噪声和有用信息,不需要待检测信号的先验知识,特别适合于建筑物变形监测数据处理。

EDXRF特征谱平滑去噪方法比较

采用基于小波软阈值的最小二乘法拟合曲线的方法,对能量色散X荧光分析仪FeO谱线进行平滑处理,利用Matlab软件仿真分析。分别与未处理的原始能谱以及使用五点二阶法、小波软阈值法、傅里叶变换法、最小二乘法处理后的能谱定量分析比较。结果显示,基于小波软阈值的最小二乘法拟合的能谱曲线,能够有效地保留峰信息,峰总比达到0.1036,本底为42,峰面积也较其他几种平滑方法更大,峰信息丢失最少,谱线的平滑去噪效果明显优于其他几种方法,有利于提高对能谱数据处理的精确度。