基于最优小波包基的电动机故障信号的消噪与检测

现场采样获得的电动机故障信号通常会含有很多的噪声,如果对噪声不能加以有效地消除,那么故障特征信息的提取将会受到很大的影响。该文通过对基于shannon熵的最优小波包基的快速搜索算法的探讨,提出了基于最优小波包基的电动机故障信号的消噪与检测方法。通过实例分析,验证了基于最优小波包基的信号消噪效果要优于小波方法或普通小波包方法的消噪效果。通过对消噪后的故障信号进行分析,提取出了故障特征信息。检测结果表明,在故障检测前先采用最优小波包基方法对故障信号进行消噪,有利于提高电动机故障检测的准确性。

小波包消噪方法分析及改进

对小波包消噪中的两个关键点——阈值的选择和小波包系数的阈值量化进行了分析,并对阈值选择方法进行了改进。通过仿真试验,用信号消噪前后的信噪比和均方误差两个指标对各种方法进行对比分析。结果表明,改进后的阈值选择方法优于其他方法。

最佳小波包基改进软阈值的消噪方法及应用

在讨论基于小波包变换消噪方法的基础上,针对传统小波方法消噪中阈值选取方法的优缺点,提出了一种基于最佳小波包基改进的软阈值消噪方法,并将该方法应用于电机故障信号的消噪。试验结果证实,与传统的阈值选取方法相比,基于最佳小波包基的改进软阈值消噪方法对非平稳的电机故障信号消噪效果更好。

汽轮机振动信号的最优小波包基消噪与检测

在利用小波包进行汽轮机振动信号的消噪和检测时,最优小波包基和消噪阈值的选取是必须解决的两个关键问题。通过对基于shannon熵的最优小波包基的快速搜索算法的探讨,提出了基于最优小波包基的汽轮机振动故障信号的消噪与检测方法;对于消噪阈值的选取,提出一种以小波包能量为基础,以原始信号与降噪后信号之间的均方误差(MSE)极小化为目标的基于小波包的降噪算法,并与传统的Donoho的硬阈值降噪算法作了比较。结果表明:在故障检测前先采用最优小波包基方法对故障信号进行消噪,有利于提高汽轮机振动检测的准确性。

基于卷积型小波包变换的信号消噪算法

提出了卷积型小波包变换 ,与传统小波包变换相比 ,在这种小波包变换中不管信号被分解多少层 ,每层分解得到的各频道序列长度始终与原始信号一致 ,利用这一性质本文进一步提出并实现了对小波包分解结果利用模极大值法进行消噪的算法。这一算法的思想来自于基于小波变换的模极大值消噪算法 ,但是由于小波包分解是对小波分解的结果作进一步细分 ,在小波分解中难于分离的高频噪声将被小波包充分分离与集中到后面的频道 ,因此基于小波包变换的模极大值消噪算法将会取得比小波消噪更好的效果。文中给出了信号的小波包消噪实例 ,并与小波消噪的效果进行了对比 ,结果表明小波包有更优良的消噪效果。

基于小波包熵的船舶轴频电场信号消噪研究

在海洋环境下,为有效地将微弱的轴频电场信号提取出来,本文在对小波包熵理论分析的基础上,提出了基于小波包熵的船舶轴频电场信号消噪方法.首先使用小波包变换对测量信号进行多子带分解,并将各子带分成几个子区间;然后计算各子带不同子区间的小波包熵,利用最大小波包熵自适应地选择各子带的阈值;最后对各子带的小波包系数进行阈值处理,并利用处理后的小波包系数对信号进行重构.通过实测数据和仿真数据对该消噪方法进行验证,结果表明此方法在低信噪比情况下能较好地将微弱的轴频电场信号从环境背景噪声中分离出来.

基于小波包分析的能量阈值消噪

白噪声的方差和幅值随着小波尺度的增加而减小,而信号的方差和幅值与小波变换无关.按照信号能量的观点,提出一种基于小波包分析对图像的高频系数和低频系数同时进行能量阈值处理的消噪方法.同小波分析相比较,该方法可以有效地消除白噪声的干扰,计算简单且有较好的消噪效果.

基于小波包的机械故障信号消噪处理

在旋转机械故障诊断系统中需要获得采样信号用于系统的故障辨识或判断,而这些采样信号将不可避免地受到噪声污染,使系统辨识精度得不到提高。小波包变换的方法可以降低系统噪声影响,通过变换分解出高频噪声部分,利用小波包收缩的阈值量化方法去掉高频部分,再重构信号从而达到消噪目的。

小波包分解算法及Kalman滤波进行原子钟信号消噪的比较

高精度时间在国防、科研等领域正在发挥着日益重要的作用,而要提高计算原子时的准确度,消除原子钟信号的噪声是关键的步骤之一。为此,本文利用小波包分解算法对原子钟信号进行了必要的消噪处理,这样我们得到了平稳的原子钟信号,利用这些数据重新计算国家授时中心原子时TA(NTSC),计算结果表明经过消噪处理提高了TA(NTSC)稳定度和准确度;在文中还采用了目前用的比较多的Kalman滤波算法与之进行了比较,结果显示根据滤波强度的不同,此两种算法都可以达到所需要求。

基于小波包的胃电信号消噪处理的研究

对胃电信号进行了快速傅立叶分析、功率谱分析,并重点进行了小波包分析,利用小波包变换所具有的优良时频分析特征和多尺度传播特性,消除胃电信号的噪声,从而提高了胃电信号的信噪比,为胃电信号的深入研究提供了良好的基础.

改进小波包分析在雷达图像消噪中的应用

针对VDR雷达图像在采集、数字化和传输过程中常受到各种噪声的干扰,不利于对图像进行分析、观察和压缩的问题,提出采用改进小波包分析算法进行图像消噪处理,小波包分析具有比小波更精确的局部分析能力,但由于小波包分解的隔点采样会产生严重的频带混叠现象,文中对小波包分析算法进行改进,利用信号的频移特性,将信号进行移频处理,消除频带混叠现象,达到高质量去噪的目的;通过VDR雷达图像消噪实验证明,上述改进算法好于小波包消噪方法,更优于小波消噪方法,具有更为广泛的应用价值。

小波包消噪在Compass电离层三频二阶改正中的应用

针对Compass电离层二阶改正存在的问题,提出利用小波包分析算法对观测值进行消噪,再进行三频二阶改正的方法。利用Compass仿真数据的试验表明,小波消噪算法能够大大削弱观测噪声,有利于提高Compass三频二阶改正的精度,增强其可行性和有效性。

基于改进的软阈值小波包网络的电力信号消噪

为了克服传统软、硬阈值在信号消噪中存在的不足,首先构造了一种新的软阈值函数,并将小波包变换和神经网络相结合;然后,基于改进的软阈值小波包网络对实际采集电力信号进行消噪。MATLAB仿真结果表明:改进的软阈值小波包网络比传统硬、软阈值小波包消噪的信噪比高,且均方根误差小,是一种非常有效的电力信号消噪方法。

小波包分析在摩擦焊超声检测信号消噪中的应用

在摩擦焊接过程中,由于焊接参数的波动或一些非正常因素的介入,接头中容易产生未焊合及伪结合等缺陷。对于伪结合缺陷,其超声检测信号信噪比很低,一般条件下很难检测出来。本文采用小波包对该类缺陷超声检测信号进行消噪,结果表明,该方法不仅能有效抑制噪声,而且能明显提高信噪比。

基于最优小波包基的模极大值法信号消噪研究

给出了对信号进行基于熵准则的最优小波包基分解的基本原理,在此基础上提出了使用模极大值法进行信号消噪的基本原理.通过计算Lip指数确定信号中的奇异点,然后根据噪声和有用信号的模极大值随着小波分解尺度的增大而呈现出的截然不同的特性剔除噪声,从而实现消噪.通过对一含有噪声的信号进行消噪验证了该方法的优越性.

时频结合自适应阈值小波包消噪算法

在充分考虑人耳听觉特性和噪声统计特性的基础上,提出一种时频结合Bark尺度自适应阈值的语音消噪算法,在Bark频域上自适应调整增强系数可以较准确地进行阈值判定。仿真实验验证,时频结合算法在低信噪比输入情况下较传统语音降噪方法具有明显优势,其在消除高斯白噪声的同时有效降低了语音损失,可获得最大信噪比,谱失真测度最小,增强语音的MOS(Mean Opinion Score)评分明显提高,具有较好的听觉效果。

基于Matlab的小波包μ律绝对值阈值消噪算法的研究

为了消除夹杂在doppler信号中的噪声,在小波包领域中分析了传统的软、硬阈值消噪方法后,提出了一种能对doppler信号进行有效消噪的新方法,即小波包μ律绝对值阈值法。为了验证该方法的有效性,在Matlab7.0软件中编写相关消噪程序,并进行了仿真,证明该方法不仅能解决硬阈值消噪不连续的问题,而且还能解决软阈值法中阈值处理前后小波系数存在恒定偏差的缺陷。在消噪的同时能减少信息损失,因而其消噪效果明显优于传统的软、硬阈值法。

一种基于最优小波包基的信号消噪算法

通过对比短时傅里叶变换、小波变换和小波包变换的特点,介绍了小波包变换用于信号消噪的一般步骤和寻找最优小波包基的双树算法。基于小波变换和小波包变换的阈值消噪方法的仿真结果证明,基于最优小波包基的软阈值方法明显优于基于小波变换的方法,具有更加广泛的应用价值。

振动攻丝扭矩信号处理中应用小波包消噪

简述小波包分析的基本理论及其主要算法 .讨论用该理论进行信号消噪的基本原理 ,并应用于振动攻丝扭矩的信号处理 .通过对所采样的扭矩信号进行小波包分解 ,获得信号精细的低频和高频两个部分 .利用阈值量化处理的方法去除噪声 ,再将剩余部分进行重构 ,从而达到消噪声的目的 .实验结果表明 ,该方法能够有效地消除采样信号中的噪声 ,进而提高扭矩值的计算精度 .

基于提升静态小波包变换的自适应消噪方法

基于离散小波变换(DWT)的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了一种基于提升静态小波包变换的自适应消噪方法,它推导了静态小波包的提升实现方法,并设计出适合该系统的确定最优小波包分解树的相应步骤,利用引入更多动量因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.