小波变换与EMD方法在高铁雨棚数据降噪处理中的适用性分析

针对高铁雨棚长期监测数据中的噪声处理问题,分析了典型高铁雨棚监测信号的噪声特性,在此基础上,采用小波变换和经验模态分解EMD(empirical mode decomposition)方法对雨棚实测风压、应力、振动等典型信号进行降噪处理和对比分析。研究结果表明这两种方法在降低监测数据噪声、提高信噪比方面的有效性,并且通过结合主成分分析PCA(principal component analysis)的综合评估进一步证实了EMD在振动类和应力类数据降噪中的优越性。研究为实际工程中降噪技术的选择和应用提供了理论支持。

基于最优小波基选取的遥测振动信号降噪方法

针对飞行器试验遥测振动信号频率内容丰富,小波降噪最优小波基函数难以选取问题,提出了一种结合EMD的最优小波基选取方法。利用EMD将振动信号分解为一系列IMF分量,利用互相关系数和自相关函数判断含噪分量,并以含噪分量离散小波变换系数的香农熵为依据选择最优小波基,以最优小波基分别对含噪IMF分量进行降噪处理,将降噪后IMF分量与其余IMF分量累加获得降噪后信号。仿真和试验数据处理结果证明,基于最优小波基选取的降噪方法与小波降噪、EMD降噪相比,信噪比得到了有效提升,在遥测振动信号预处理中具有实际应用价值。

基于小波⁃VMD联合降噪的传动系扭振信号分析

针对试验测得转速、角加速度信号降噪问题,提出一种小波阈值去噪和变分模态分解(variational mode decomposition,简称VMD)相结合的联合降噪方法,用于对角速度、角加速度信号进行处理。首先,对双质量飞轮减振性能进行整车试验及信号采集,获得双质量飞轮第1质量和第2质量角速度、角加速度信号;其次,对小波进行参数优选,提出以信噪比峰峰值来评价小波参数对其去噪性能的敏感性强弱,在此基础上优选得到小波参数;最后,利用VMD分解得到若干模态分量(intrinsic mode function,简称IMF),通过互相关系数选择主要IMF并进行信号重构,获得最终去噪信号,并对去噪结果进行分析。结果表明,所提方法能够有效去除角速度与角加速度信号中的噪声成分,去噪信号与原信号相关系数分别为0.9985,0.9975,0.8354和0.6836,同时计算得到双质量飞轮加速工况下角速度和角加速度衰减率都在80%以上,满足设计性能要求。

联合双边滤波器耦合多分辨率的图像降噪算法

针对当前图像降噪技术难以保留边缘平滑区和高频变化区的纹理细节的不足,提出联合双边滤波器(joint bilateral filter,JBF)与多分辨率分析的图像降噪算法。利用参考图像作为参数估计,根据参考图像的丰富高频信息,考虑像素间的距离与亮度相似性,准确计算联合双边滤波器的权值,有效避免在滤波过程中对边缘平滑;引入小波变换、轮廓波变换和非下采样轮廓波变换的多分辨率分析(MRA),解决不同分辨率下的不同频率的图像降噪。实验结果表明,与当前图像降噪技术相比,该算法拥有更好的视觉效果,能较好地保留平滑区和高频变化区的细节信息。

矿山微震信号多层联合降噪研究

目的:矿山工作环境复杂,干扰噪声多,微震信号和噪声混叠在一起,对微震信号分析产生干扰,影响后续震相到时拾取与震源定位的工作,需对微震信号进行降噪研究。方法:针对微震信号的随机性和非平稳性,本文提出了一种基于多层联合的信号降噪方法,将SVD(奇异值分解)作为第一层降噪方法,去除信号中的白噪声;EMD(经验模态分解)作为第二层降噪方法,处理随机、非平稳的微震信号;小波阈值作为第三层降噪方法,消除EMD产生的模态混叠现象。结果:经过实验分析表明本文方法对不同信噪比的仿真信号和实际微震信号都有很好的降噪效果。结论:克服了单一降噪方法降噪效果不好的缺点,能极大提高信号信噪比,并且和原信号的相似度高,为微震信号降噪提供了一种新思路。

一种联合小曲与小波的SAR图像降噪方法

斑点噪声的抑制方法是合成孔径雷达(SAR)图像处理的重要研究课题之一。离散小波变换和随后出现的离散小曲(Curvelet)变换均已被应用于SAR图像降噪且表现出了各自独特的优势。为进一步提高降噪质量,目前出现了两种将两者联合应用于SAR图像降噪的方法——联合滤波法(CFA)和自适应联合法(ACM)。在以ACM为重点对已有联合降噪方法进行介绍的基础上,提出了一种联合Curvelet与小波抑制SAR图像斑点噪声的新方法——区域性模糊联合法(TFCM)。与ACM相比,它能够更有效地抑制SAR图像斑点噪声。

小波阈值启发的EMD降噪新方法

目前经验模态分解(Empirical Mode Decomposition-EMD)的作用之一就是对非平稳信号进行去噪,而之前小波阈值去噪长期以来一直是在这一领域占主导地位。本文就是将小波阈值去噪的原理泛化到经验模态分解中,然后采用EMD方法进行含噪声信号降噪,实验结果表明虽然小波阈值去噪这一原理不能直接应用于EMD,但可以适当地的改进以适应EMD模式分解的特殊性。在同样的方法中,受平移不变小波阈值的启发,对EMD采用相似的方法进行研究,从而增强其去噪性能。

桥梁健康监测采样信号EMD小波相关降噪研究

为了进一步降低桥梁健康监测采样信号的噪声水平,根据其信号特征,在传统EMD小波阈值降噪算法的基础上,提出一种改进的降噪算法,称为EMD小波相关降噪算法。该算法综合了EMD、小波变换和相关检测3种方法的优点,首先对各阶IMF小波降噪前后的分量分别进行整体和局部相关检测,并以前3阶整体相关系数的均值作为降噪阈值,最后进行局部相关阈值降噪,得到降噪后的信号。将该算法与EMD小波阈值降噪和小波默认阈值降噪算法进行数值仿真和有限元仿真试验对比。结果表明,提出的EMD小波相关降噪算法具有更好的降噪效果,能够用于桥梁健康监测采样信号降噪处理。

基于EMD和提升小波分解的降噪方法研究

应用EMD分解和提升小波分解原理,提出了一种对信号进行降噪的方法,该方法首先对含噪声信号先进行EMD分解,并对低频信号进行重构,然后再对重构信号进行提升小波分解后的信号进行降噪,最后对降噪后信号进行功率谱分析,得出带特征频率的功率谱图,该方法具有很好的去噪作用。

基于小波和EMD的时频矩阵DEM降噪方法

针对强噪声背景下振动信号容易被非平稳强噪声干扰问题,提出了一种小波和EMD结合的时频矩阵DEM降噪方法,该方法拟解决小波变换对信号局部自适应性差的问题,同时增强EMD本征模态函数的选取和重构。通过该方法对仿真信号和实测振动信号降噪,结果表明:该方法能够有效提取强噪声背景下有效的振动信号,提高信噪比。这一方法为旋转机械在强噪声干扰运行环境下提取有效故障信息提供支持。

基于改进EMD的信号降噪方法

经验模态分解(Empirical Mode Decomposition,EMD)算法作为新型时频分析方法受到广泛关注,它基于信号的极值特性处理信号,具有自适应强、无需预先确定基函数的优点。但EMD算法本身仍存在模态混叠及EMD强制降噪法易导致信号失真等一系列问题。针对EMD算法的缺陷,提出基于自相关函数的集合经验模态分解方法(Ensemble Empirical Mode Decomposition,EEMD)与小波阈值降噪相结合的改进算法。首先利用自相关函数对高频固有模态函数(Intrinsic Mode Function,IMF)进行选择,然后利用小波阈值降噪法为EEMD设定阈值,最后将改进算法用于信号降噪,并与快速傅里叶变换(FFT)算法、小波阈值算法以及EMD强制降噪算法进行比较。该方法的优点是克服了EMD算法的不足,避免了模态混叠现象,有效地保留了高频信号中分量,降噪效果更好。

EMD-Wavelet降噪模型在动态变形数据处理中的应用

针对由于多路径等因素的影响,采用GPS进行动态监测数据精度不能满足变形分析需要的问题,结合小波和经验模态分解(EMD)数据降噪方法,提出一种新的动态变形数据降噪模型EMD-Wavelet模型。将该模型用于动态坐标序列的降噪处理,通过小波方法对EMD分解的模态分量进行降噪,EMD对降噪后的模态函数进行重构,得到去噪后的坐标序列。与Wavelet、Kalman滤波、Kalman平滑和EMD相比较,EMD-Wavelet模型可以得到相对较高的信噪比和最小的均方根差、归一化绝对误差和偏差,表明EMD-Wavelet模型在GPS动态变形监测数据处理中相对较优。

一种适用于泄流结构振动分析的信号降噪方法

针对低信噪比泄流结构振动信号有效信息难以提取问题,提出将小波阈值与经验模态分解(EMD)联合的信号降噪方法。利用小波阈值滤除大部分高频白噪声,降低EMD端点效应;进行EMD分解获得具有相对真实物理意义的固态模量(IMF);通过频谱分析重构特征信息IMF获得降噪信号。构造仿真信号,将该方法与数字滤波、小波分析及EMD降噪效果进行对比。结果表明,该方法能精确滤除泄流结构的振动噪声保留信号特征信息,滤波降噪较优越。将其用于拉西瓦拱坝水弹性模型,精确分析坝体结构振动优势频率,为坝体结构的安全运行与在线监测提供基础,亦为大型泄流结构在强背景噪声下的结构有效信息提取提供捷径。

小波方法在信号降噪处理中的应用

小波方法是一种时频分析方法,在信号降噪中具有十分广泛的应用,文章通过模拟信号分析了当信号中包含有大量噪声时,采用EMD分解方法不能很好的提取原始信号中所包含的频率成分。采用文章给出的阈值函数可以有效的消除原始信号中包含的噪声,使得原始信号中包含的频率成分可以有效的通过EMD分解得到。文章的研究对于汽车零部件实测信号的降噪处理和频率特征的提取具有一定的参考。

基于粒子滤波信号降噪的齿轮箱故障诊断研究

齿轮和轴承是机械设备中重要的部件,它的健康状况直接影响着机械设备的运行状态。研究粒子滤波对齿轮箱的振动信号进行降噪处理,需要知道信号的特性和噪声的统计特性。针对此,先对齿轮箱的齿轮进行振动分析,建立振动模型,而后再研究粒子数算法,对振动信号进行EMD分解,把分解的第一个IMF分量和残余分量进行重构,组建AR模型,经AR模型系数作为粒子滤波状态方程的系数。最后采用小波变换阈值降噪思想,把分解提出的噪声信号放到粒子滤波观测方程中,对信号进行降噪处理。

基于经验模式分解的电晕放电辐射信号阈值降噪处理方法

随着输电电压等级的提高,电晕放电已成为影响高压、特高压输电线路安全稳定运行的重要因素。鉴于此,提出了基于经验模式分解(empirical mode decomposition,EMD)的电晕放电辐射信号阈值降噪处理方法,首先利用EMD算法对采集到的电晕放电辐射信号做分解处理,得到不同的基本模态分量,然后利用阈值函数和给定阈值对各分量做降噪处理,并对处理后的分量重构,得到降噪后的信号。研究结果表明:与小波降噪和EMD时空降噪相比,基于EMD的阈值降噪方法不存在基函数选取和分解层数选取等问题,其降噪过程是完全由信号特征决定的自适应降噪,同时该方法保留了小波降噪中对各分量进行阈值处理来降噪的优点,并且在对信号的降噪过程中去除了可能存在于信号中的趋势项干扰,因而该方法更有利于对电晕放电辐射信号的降噪处理。

基于EMD阈值方法的轴承故障振动信号去噪

针对随机噪声信号影响对有用信息的获取,提出了EMD分解阈值去噪方法,将小波阈值去噪原理应用于经验模态分解(Empirical Mode Decomposition,EMD)中。首先对实际含噪信号进行EMD分解,根据分解后得到的内蕴模态函数(Intrinsic Mode Function,简称IMF分量),采用自适应阈值去噪,进行信号重构,得到消噪后的信号,获取有用信息。将该方法应用于实际工程故障振动信号中分析研究表明,该方法可以获得较高的信噪比,能够对实际信号进行有效的故障特征频率提取,降噪后比降噪前的诊断效果更明显。

基于小波半软阈值和EMD的旋转机械故障诊断

将小波半软阈值法和经验模态分解(EMD)结合,提出了基于小波半软阈值的经验模态分解降噪方法。该方法首先利用小波半软阈值法减少随机噪声干扰,减小经验模态分解的分解层数及边缘效应的影响,然后进行适当的经验模态分解相关度消噪后处理,在有效降噪的同时较好地保存了原信号的有用信息。仿真和实验结果表明,该方法可实现噪声环境下旋转机械故障特征的有效提取,从而实现故障诊断。

改进EMD算法在爆炸冲击波后处理中的应用

冲击波信号属于非线性信号,其中包含有多个频率段的有效信号。针对EMD算法在信号后处理过程中会产生模态混叠的现象,提出了一种改进的EMD算法,先对原始信号进行小波去噪,然后利用EMD分解求得IMF分量并重构得到降噪信号。仿真模拟信号实验中,有效地去除了模态混叠现象并保留了有效信号。实测爆炸冲激波实验有效去除了噪声,在峰压、正压时间以及冲量方面偏差为-7.44%、1.13%和2.29%,优于EMD降噪结果。

三种GNSS高程时序降噪方法的效果对比分析

为了探究经验模态分解(EMD)、整体经验模态分解(EEMD)和小波降噪三种方法的降噪性能,以中国区6个国际GNSS服务(IGS)站高程分量的5 a、10 a和20 a时序数据为例,对它们的降噪结果进行比较分析.首先利用线性拟合分离趋势项,并采用3σ准则剔除异常值,得到满足符合降噪要求的样本序列;然后分别用这三种方法分离样本序列中的噪声,得到降噪后的序列;最后以信噪比(SNR)、相关系数、均方根误差(RMSE)为评价指标比较分析它们的降噪性能.实验结果表明:1)当坐标时间序列质量较差时,EEMD和小波降噪可以很好的分离噪声;2)对于5 a和10 a时序数据,小波降噪的效果最好;对于20 a时序数据,EEMD和小波降噪效果接近,优于EMD;3)小波降噪抑制有色噪声的能力最佳.