基于差值信噪比法的船载地波雷达一阶谱识别

本文提出了适用于船载地波雷达展宽一阶谱识别的差值信噪比方法。通过结合仿真分析和实测试验数据,开展了船载地波雷达展宽一阶谱的频移和展宽特性分析,确定了一阶谱的最大展宽范围与平台运动速度之间的定量关系。通过分析一维多普勒频点间的差值数量关系,确定了边界预筛选准则。利用展宽一阶谱的区域连续特性,实现展宽一阶谱边界最终识别。采用船载地波雷达仿真和实测数据对所提方法的有效性进行了验证,所提方法相对于传统方法取得了较好的识别效果。

谱减法波束形成的轴承噪声信号增强研究

当机械设备在运转时,由于各个零件自身与环境的影响会产生噪声、声音反射等一系列问题,导致从传声器阵列采集的信息中很难提故障信息。为了解决这一问题,基于声阵列采集到的信号与近场波束形成的关系,研究了一种增强声源信号的方法。该方法首先利用波束形成延迟求和的方法对故障点的位置进行定位,根据定位结果对每个通道采集的信号进行相位和幅值补偿后叠加。选取一段主要为噪声信号的频率段信息对信号进行功率估计,然后利用叠加后的信号作为谱减法算法的输入信号,对输入信号计算其功率并与噪声段的估计功率相减,以此进行降噪处理并得到增强后的信号。实验结果表明,该方法能有效地抑制噪声,提高输出信号的信噪比,根据故障特征频率对轴承进行故障诊断。

基于布里渊增益谱二维图像小波阈值降噪的BOTDR测量精度提升研究

针对布里渊光时域反射仪(BOTDR)信号弱,噪声干扰造成的测量精度降低问题,提出基于布里渊增益谱二维图像小波阈值降噪方法实现BOTDR系统测量精度提升。分析了微波扫频法BOTDR测量原理及二维布里渊增益谱图像特征,设计了二维图像小波阈值降噪算法流程,搭建了微波扫频法BOTDR实验装置进行降噪性能验证,基于降噪性能对比确定了二维小波基函数、分解层数、阈值规则及阈值函数最优参数匹配方案。实验结果证明,使用二维图像小波阈值降噪算法,在累加平均500次条件下,降噪前后10km传感光纤末端变温区布里渊频移波动范围由±4.61MHz降至±2.59MHz,均方根误差由2.24MHz降至0.99MHz;降噪前后50km传感光纤末端变温区布里渊频移波动范围由±41.25MHz降至±2.83MHz,均方根误差由33.59MHz降至1.69MHz。研究表明,使用该降噪方案可有效提升BOTDR测量精度。

小波域噪声估计的分块自适应降噪方法提升Φ-OTDR信噪比研究

相位敏感光时域反射计(Φ-OTDR)以激光器为探测光源进行光纤沿线振动信号的检测,但激光器的自发辐射现象会导致光场相位发生波动,直接影响相位解调信号的信噪比。针对此问题,提出了一种小波域噪声估计的分块自适应降噪方法。分析了激光器自发辐射导致的相位噪声特征,通过连续小波变换提取系统相位噪声在不同分解尺度下的噪声水平,结合无偏似然估计调整小波系数的分块长度和阈值,实现对不同输入信号的自适应降噪。实验证明,与未经本算法处理相比,在光纤4.5 km处,单频信号的信噪比从40.01 dB提升至54.60 dB,系统的应变分辨率从66.15 pε/√Hz优化至11.69 pε/√Hz;线性扫频信号的信噪比从18.31 dB提升至26.40 dB。与其他同领域的降噪算法相比,单频信号均方根误差低至0.0096,信噪比增益达到14.59 dB;线性扫频信号的均方根误差低至0.0809,信噪比增益达到8.09 dB。研究表明,该方法在保留有效信号的同时,抑制了相位噪声,提高了相位还原的精度。

强噪环境基于谱减法的录音数字音频信号降噪

由于强噪环境中存在大量的冗余信号和噪声信号,且噪声信号种类繁杂,影响信号降噪效果,为此提出基于谱减法的录音数字音频信号降噪方法。建立联合稀疏录音数字音频信号重构模型,根据目标函数得出含噪信号与正常信号的峰值变化规律。为了降低算法误差,引入交叉项估计法对长时信噪比和瞬时信噪比实施交叉替代,使算法在低、高噪声环境下都能实现高效适应。以谱减法降噪理念,分别计算含有和不含有噪声的频谱密度值,求解得到二者间的相位差值,通过差值剔除噪声信号,实现高效降噪。仿真结果表明,所提方法所需运算量较少,去噪效率更高,在不同噪声环境中均能完成精准降噪,且不会破坏原始信号细节,实用价值较高。

基于谱图小波阈值的机床主轴振动数字信号降噪研究

通过数控机床运行过程中数据特征采集获得的实际信号存在噪声成分,无法根据信号特征判断机床实际运行状况。为了提高对特征参数提取对信号实施降噪能力,根据谱图小波转换理论与实际应用过程,构建了一种对一维数字信号分析的谱图小波阈值降噪(spectral wavelet threshold denoising,SWTD)算法,再通过仿真信号与机床主轴振动信号降噪方式验证了谱图小波阈值降噪可靠性。研究结果表明:机床主轴振动信号包含的有用频率基本都处于400 Hz范围内的低频区。完成降噪后,SWTD降噪信号形成了稳定幅值,已经接近初始信号,包络谱内超过400 Hz的高频段已被消除,形成了由主轴自转频率与滚切频率构成的主体成分,观察到明显主轴自转频率特征,表明该方法相对小波阈值降噪结果具备更优性能。

基于小波降噪和EMD-AR谱的地下电缆防破坏监测系统

电力电缆在当今社会发展和城市运作中扮演着非常重要的角色。随着人们用电量增加,电缆的铺设量也在同步增加。为防止电缆遭到破坏,对电缆管廊周围环境振动信号进行监测,及时发现潜在威胁,保障电缆正常工作,提出一种基于Matlab小波降噪算法和EMD-AR谱分析的地下电缆防破坏振动监测系统。该系统由太阳能供电模块、六轴陀螺仪姿态感应模块、振动传感器模块、物联网通信模块组成,主控芯片使用STM32F4单片机。采用小波阈值降噪算法去除复杂高频噪声,提高信号的可识别度,随后将去噪后信号进行经验模态分解(EMD),并对前6个固有模态函数(IMF)分量进行AR谱分析,最后将前6个IMF分量的AR谱累加得到信号的能量对比图。研究表明,该方法的应用准确分析出振动类型,能够给电缆管廊附近振动的监测分析提供更加简单便捷的方法,有效保护电缆的安全稳定运行。

基于小波变换的光纤轴载信号降噪方法研究

随着道路交通基础设施进入更加注重养护和管理的新阶段,精确掌握车辆轴载参数,对交通基础设施的设计、管养以及安全具有重大意义。现以光纤传感技术采集到的轴载信号为研究对象,旨在通过小波变换的方法来提升轴载信号降噪效果,优化信号分析的准确性。基于实验室采集的轴载信号来构建仿真信号,并通过定量对比,分析不同小波基和分解层数对降噪性能的影响,识别出最优的降噪参数组合。结果表明,8阶Symlets小波基结合5层分解层数在降噪处理中的性能最优,显著提高了信噪比,并有效降低了均方误差。该研究成果为实际光纤轴载信号的降噪处理提供了理论依据和实践指导,对智能交通水平提升和道路科学养护管理具有积极的推动作用。

基于谱减法的隧道地震波超前探测去噪方法

为快速有效地去除隧道地震超前探测数据中具有随机、频带广和能量强特征的噪声,提升偏移成像质量,进而有效探明隧道掌子面前方灾害源,充分利用谱减法在压制随机噪声上的优势,将其引入隧道地震波探测数据处理中,形成基于谱减法的隧道地震波超前探测去噪方法。该去噪方法可以有效去除随机噪声且计算效率较高,可以满足隧道的快速施工要求。通过对典型不良地质模型进行数值模拟,表明利用谱减法可有效压制隧道环境中的随机噪声干扰,地震记录中反射波信号信噪比更高,在此基础上的偏移成像结果伪像干扰更少,可有效提升探测准确性。将该方法应用至实际隧道地震探测中,成功探明了隧道掌子面前方的岩体破碎带分布位置和范围,证明应用该方法进行超前探测具有有效性和实用性。

部分多聚焦叠加方法在准噶尔盆地低信噪比地震资料中的应用

多聚焦叠加是目前已知的最佳零偏移距叠加成像方式。对多聚焦叠加方法做改进,利用得到的波场参数来提高叠前地震资料的质量。利用多聚焦波场参数做部分多聚焦叠加,对菲涅尔带内的多个相邻CMP(共中心点)道集做倾角、曲率等校正后合并为一个道集即多聚焦超道集(部分多聚焦叠加),可以补齐缺失地震道,实现叠前数据规则化,并提高信噪比,从而使得叠前道集中的同相轴尤其是来自深层的反射轴有更好的连续性,有利于识别和追踪。提高质量后的叠前道集可用于后续的速度分析、叠加、偏移等常规处理中,效果好于原始CMP道集。模型和实际地震数据的处理结果验证了该方法的正确性和有效性,该方法在低信噪比地震资料处理中将会有广阔的应用前景。

低信噪比下基于深度学习TCNN-MobileNet的调制识别

将深度学习算法应用于调制识别任务是近年来通信领域的一个研究热点,但现有方法存在网络复杂度高、硬件要求高、在低信噪比(SNR)下识别准确率不高等问题。结合离散小波变换方法,提出一种基于双路卷积神经网络级联可分离卷积网络(TCNN-MobileNet)的调制识别方法。首先通过小波变换对数据进行预处理,将信号作为输入传送到双路卷积神经网络中进行不同维度的特征提取;然后通过融合层进行特征融合并送入轻量级神经网络MobileNetV1中,进行调制识别模型训练;最后通过全连接层进行11种调制识别的分类输出。在公开数据集RML2016.10a上的实验结果表明,在-20dB的低SNR下TCNN-MobileNet的识别准确率可达88.71%,在18dB的高SNR下识别准确率可达96.66%,SNR在-20~18dB范围内时平均识别准确率为88.37%,相比于ResNet18、ResNet34等经典网络架构提升了约35%。TCNN-MobileNet识别方法在保证识别精度不变的情况下能够降低训练参数量以及网络训练时间,有效简化网络架构,降低对硬件设备的要求,对轻量级神经网络在调制识别中的应用具有借鉴意义。

基于改进小波阈值的数据采集系统降噪研究

在数据采集过程中,噪声和干扰的存在严重影响了数据的准确性。为了获得质量较高的数据,减少噪声的影响,该文提出一种基于遗传算法的小波阈值函数去噪方法,并设计以FPGA为主控的数据采集系统进行了多次实验。实验结果表明,经改进算法处理过的数据信噪比达到了芯片手册中所规定的典型值大小。同时,相比传统的阈值函数去噪方法,将新算法应用于采集到的数据,其信噪比提高了7.0248 dB,均方根误差降低了0.1675,表现出了较好的去噪性能,具有较高的工程应用价值。

一种自适应的地面震动信号降噪方法

针对传统谱减法应对地面震动信号的干扰和噪声时降噪效果差、信号失真的问题,研究和分析不同类型干扰和噪声的功率谱特性,提出一种基于干扰和噪声的功率谱特性自适应选择降噪处理操作的方法,既满足了不同干扰和噪声的降噪要求,也避免了降噪处理造成的信号失真。

基于改进经验小波变换的局部放电荧光信号去噪

由于现场环境的复杂性,局部放电(partial discharge,PD)检测伴随着大量噪声干扰,易出现PD漏报与误报现象,影响电力设备后续运维工作。文中采用荧光光纤PD检测法,提出了基于谱峭度和改进经验小波变换(empirical wavelet transform,EWT)的自适应PD荧光信号去噪算法。首先利用快速谱峭度图确定荧光信号傅里叶频谱的紧支撑区域边界,随后对含噪荧光信号进行EWT分解并获得荧光信号所在的有用信号分量,最后对有用信号分量采用小波阈值法去除残留噪声,得到去噪后的PD荧光信号。利用该方法对仿真荧光信号进行去噪分析,并将去噪结果与经验模态分解-小波变换(empirical mode decomposition-wavelet transform,EMD-WT)法和EWT法进行对比,结果表明,该方法在信噪比、均方根误差和归一化相关系数等指标方面都有所提升,证明了该方法具有良好的去噪效果。此外,实测信号的去噪结果表明,该方法的降噪率优于EMD-WT法和EWT法,具有较好的噪声抑制能力。

强噪环境下分频段数字音频信号精细化采集研究

在强噪环境下,为了获取高质量、低失真度的数字音频信号,提出一种强噪环境下分频段数字音频信号精细化采集方法。通过麦克风设备获取音频信号,利用LM4550芯片对其作采样、编码等处理后生成数字音频信号,基于AC-97单元接收数字音频信号,利用频段分割器对其作频带分解,获得互不重叠子频段数字音频信号。采用多窗谱谱减法对其去噪,利用数据通信接口将其传输给LM4550芯片,在完成模拟信号转换后,通过耳机输出,实现数字音频信号精细化采集。实验结果表明,该方法处理后的各子频段数字音频信号有用信息得以完整保留,并提高了信号波形的规整度和规律性,强噪声环境下数字音频信号的PESQ指标达到4.08以上,最大失真度为3.74%。

川东南灰岩出露区提高信噪比技术应用研究

川东南地区受近地表灰岩出露的影响,地震资料能量较弱,干扰波发育,资料的信噪比较低,本文探讨川东南山地灰岩出露区低信噪比地震资料提高信噪比技术的应用。通过对原始资料上不同干扰波特点、分布范围的分析,结合现有多种去噪方法的优劣,提出了有效提高资料信噪比的组合去噪方法,并对其在实际应用中的效果进行了评估。实际资料应用效果表明,该组合去噪方法能够在保真保幅的前提下显著提高川东南山地灰岩区地质资料的信噪比,从而为后续成像处理提供更为准确、可靠的数据。

高分辨率雷达成像的信噪比优化方法

针对逆合成孔径雷达(inverse synthetic aperture radar,ISAR)图像的信噪比问题,本研究将小波变换与Retinex算法相结合,提出了一种综合的信噪比优化方法。在实验中,本研究采用德国TIRA系统获取的天宫一号ISAR数据进行测试。首先,对包含噪声的ISAR图像应用小波变换进行噪声抑制,结果显示了显著的信噪比提高;然后,通过Retinex算法的应用,图像的结构相似性得到改善,同时对比度也增加。最后,实验结果显示,该方法有效地改善了ISAR图像的质量,有助于提高图像的清晰度、对比度和信噪比,增强了目标的可见性。这一研究结果为雷达图像处理领域提供了有益的参考,有望促进更广泛的应用和进一步的研究。

基于红外光的微弱信号的低噪声检测电路设计

针对电流信号频率在kHz级、电流强度在nA级的红外光电传感器在应用时易受到周围环境干扰使得采集信号存在噪声等问题,本文研究了一种红外光电传感器信号去噪方法,并设计了低噪声、高宽带的微弱红外光信号检测电路。首先提出一种基于小波变换的微弱信号去噪方法,通过选择适合的小波基函数及阈值函数可以在离散小波变换的基础上对微弱信号进行去噪处理;同时分析了跨阻放大电路的各个噪声来源,得出其等效噪声模型;最后设计一种用于滤除高频带外噪声的放大滤波电路,并将有效信号放大到AD器件的最大输入范围,从而在满足目标带宽要求的同时,减少电路输出噪声。仿真试验说明,该检测方法不仅能有效去除信号中的噪声,还能对高频段和低频段噪声进行有效滤除,从而获得高强度低噪声的总输出检测信号。

基于谱减法与小波分析的电缆局部放电信号降噪方法

白噪声作为电力电缆局部放电信号监测系统采集的主要环境干扰源,会对局部放电信号的检测和分类产生负面影响,因此需要一种有效的降噪技术来抑制这种环境噪声。运用传统的小波变换去噪,尽管可以达到较好的效果,但其计算复杂性给实际应用带来众多不便。针对以上问题,将计算复杂性较低的谱减法引入局放信号的处理,提出了一种功率谱减法和小波分析联合的增强算法,并通过仿真实验验证了其降噪效果。结果表明,相比小波去噪,该方法具有更好的去噪性能。

光谱信号的小波去噪新技术

光谱分析中,噪声的存在常影响分析的准确度和检测限。现有滤波方法在光谱信号除噪方面有种种缺陷。文章充分利用小波在信号处理方面的优良特性,提出了MexicanHat小波滤波算法,它选用MexicanHat小波函数构造滤波项,利用滤波项与原始信号作用,从而实现信号与噪音的分离。该方法无论对低频或高频信号均适用,除噪完全,即使对信噪比为1的高噪声信号也能获取满意的处理结果。运用这一技术处理光谱信号,简单快速、结果可靠,处理后峰位置、峰高、峰面积误差分别小于02%,32%,11%。大量实验表明,本方法能有效提高光谱分析的准确度。