基于奇异值差分谱分析和蚁群算法的小波阈值降噪

针对传统小波阈值去噪阈值选取的问题,将奇异值差分谱的方法与蚁群算法相结合运用到小波阈值降噪中,提出一种小波系数双阈值寻优方法。首先将待处理含噪信号进行多尺度小波分解;之后根据每级信号小波系数的奇异值差分谱分析得到寻优的目标函数;然后根据目标函数利用蚁群算法在每级的小波系数上进行阈值寻优;最后重构经过最优阈值量化规则处理的小波系数得到降噪信号。通过对仿真信号的降噪处理表明本方法对不同特点信号的降噪效果要好于传统阈值降噪方法;对滚动轴承以及深沟球轴承的振动故障信号的降噪处理验证了方法的可行性和适用性。

井下指令信号的小波-奇异值分解双层滤波降噪

针对旋转导向钻井井下接收的指令信号进行降噪时存在奇异点和突变点等问题,提出一种基于小波-奇异值分解的双层滤波降噪方法。该方法将小波改进分层阈值降噪与奇异值分解降噪相结合,采用小波变换与奇异值分解WT-SVD双层滤波降噪方法,对小波改进分层阈值降噪后的信号进行矩阵构造,经过奇异值分解和重构使信号得以还原。通过实验确定了所选取的奇异值个数及重构矩阵结构,并对比研究了奇异值分解、小波改进分层阈值和WT-SVD双层滤波3种不同降噪方法降噪后的信号波形及信噪比、均方根误差和相关系数。实验结果表明,WT-SVD双层滤波方法降噪效果明显。

一种奇异值分解与子空间加权联合的改进MUSIC算法

在低信噪比、小快拍数等非理想条件下,经典DOA估计算法对邻近目标的分辨率严重下降,甚至失去分辨能力。针对这一问题,提出了一种将重构的接收信号协方差矩阵进行奇异值分解并与改进的加权子空间方法相结合的改进算法。该算法充分利用互相关信息构建新的接收信号协方差矩阵,并对噪声子空间信息采用新的校正方法,对噪声特征值进行改造,之后对噪声子空间进行加权,最后与信号子空间加权技术相联合。仿真实验证明,改进算法在低信噪比和小快拍数条件下可以分辨间隔4°的相邻目标,统计分析表明该算法的分辨率明显优于经典MUSIC算法。

基于经验小波变换和奇异值分解的冲击波降噪方法

针对爆炸场噪声源多、噪声特点各不相同的问题,提出基于经验小波变换(EWT)和奇异值分解(SVD)的冲击波降噪方法。该方法首先对冲击波信号进行指数拟合,用原始信号减去拟合后对应点的值,对上述信号使用EWT算法进行分解,随后对分解得到的分量采用SVD算法进行降噪重构,实现噪声的滤除。仿真及试验验证表明,基于EWT-SVD联合算法可有效抑制相位偏移,更好地还原出冲击波信号的超压峰值、上升沿时间,可用于冲击波信号的降噪。

基于改进奇异值与经验小波分解的局放去噪算法

局部放电(partial discharge,PD)检测是监测绝缘劣化的重要手段。由于现场环境复杂,PD检测易被干扰,而PD检测的真实性影响电气设备绝缘性能评估的准确性。因此,检测信号去噪是PD检测的重要任务。常用PD去噪算法的效果依赖于人工选择阈值或分解层数等参数,为了解决这个问题,该文提出不依赖于人工选择算法,使用基于曲率的奇异值变换(singular value decomposition,SVD)自适应地选择奇异值重构并去除窄带干扰;然后对残留白噪声的PD信号进行基于经验小波变换(empirical wavelet transform,EWT)的自适应分解;利用通用阈值对满足峭度和相关系数条件的模态去噪;最后通过时域去噪去除残留噪声,得到去噪后的PD信号。模拟PD信号和现场实测PD信号的去噪结果均表明所提方法能够更有效地去除窄带干扰和白噪声。

基于峰值信噪比和小波方向特性的图像奇异值去噪技术

提出一种利用小波变换子图像不同的方向特性和峰值信噪比进行奇异值分解的图像去噪算法。由于图像经过小波变换后,低频子图像集中了原图像的大部分能量噪声,故仅作简单维纳滤波;而噪声则主要集中在小波域中的三个不同方向的高频子图中,且系数较小,因此可以利用奇异值分解进行去噪处理,即用较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波;最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像,其中重构所需的奇异值个数由图像的峰值信噪比确定。实验结果表明,该方法在有效去噪的同时较好的保留了原有的高频细节信息。

基于小波—奇异值分解差分谱的弱故障特征提取方法

对于一些复杂信号中的弱故障特征信息,以往的两种小波—奇异值分解(Singular value decompositiom,SVD)组合模式的特征提取效果不佳,从小波的频率窗特性出发分析了出现这种问题的原因,进而对复杂信号的奇异值分布规律进行研究,据此提出一种新的小波-SVD差分谱组合模式。对原始信号做小波分解得到一系列细节信号后,不再将这些信号简单地排列成矩阵,而是利用每个细节信号构造特定结构的Hankel矩阵,再通过SVD对每个矩阵做正交化分解,并利用奇异值差分谱来选择特征奇异值进行SVD重构,由此实现对弱故障特征信息的提取。对一个轴承振动信号的处理结果证实该方法对复杂信号中的弱故障特征信息具有优良的提取效果,其获得的故障特征波形非常清晰,克服了以往小波-SVD组合模式对弱故障特征提取效果不佳的缺陷。

基于改进小波系数奇异值分解和小波去噪的低频振荡时变模式辨识

提出了一种基于连续小波变换(continuous walelet transform,CWT)和奇异值分解(singular value decomposition,SVD)相结合的提升小波系数SVD辨识信号振荡频率和模式信息提取及信号去噪的新方法。克服了噪声较大或者密集模态时,小波脊线不清晰甚至会出现混叠和交叉难以提取频率的情况,根据提升的小波系数奇异值分解频率向量识别各阶振荡模式的频率。同时选用小波能量系数来识别主导振荡模式,用小波软阈值去噪和SVD分解后矩阵重构来进行信号去噪。CWT可以处理含时变振荡模式的低频振荡信号,且对模式参数具有较高的辨识精度。仿真算例验证了算法的有效性和适用性。

基于奇异值分解的连续小波消噪方法

针对小波软阈值消噪的缺点,提出了一种基于奇异值分解的连续小波消噪方法.通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分.通过仿真数据的对比分析和工程测试信号的应用,表明该方法适用于冲击成分信号的提取,与软阈值消噪法相比,它提取出的信号特征成分更完整,信噪比更高.

非均匀噪声分布心电信号的奇异值小波消噪法

针对一般消噪法对噪声非均匀分布心电信号消噪存在的不足,提出基于奇异值分解和小波阈值消噪相结合的消噪方法。该方法利用矩阵的奇异值分解将噪声非均匀分布的心电信号正交分解为噪声分布相对均匀的分量,在正交子空间中对每个分量进行小波阈值消噪,重构消噪后分量,得到消噪后的心电信号。研究结果表明:本方法有效地克服了因噪声分布不均匀而造成的小波阈值选择矛盾的缺点,有效地消除了大噪声区域的噪声,又完好保存小噪声区域的心电特征信息,且消噪后的信号与无噪信号之间的欧氏距离最小。

基于遗传算法的奇异值分解信号去噪算法

针对奇异值分解信号降噪方法中吸引子轨迹矩阵(Hankel矩阵)结构的确定,以及有效奇异值的选择两个关键问题,提出了一种基于遗传算法的奇异值分解信号去噪算法。首先,利用原始信号构造Hankel矩阵,运用遗传算法对矩阵结构进行优化,然后对含噪声信息的矩阵进行奇异值分解,最后通过K-medoids聚类算法确定有效奇异值个数,对有效奇异值和其对应的向量进行奇异值分解反变换,还原原始信号,达到去噪目的。通过仿真实验并与小波包变换、小波变换以及传统快速傅氏变换(FFT)去噪方法相比较,结果表明该算法具有良好的去噪效果。

基于改进小波阈值去噪和RCRSV-MP算法的电力系统低频振荡模态辨识

针对广域测量系统低频振荡辨识中存在噪声干扰和定阶不准确的问题,提出了基于改进小波阈值去噪和奇异值相对变化率(RCRSV)定阶的矩阵束(MP)算法相结合的方法对电力系统低频振荡模态进行辨识。在小波去噪基础上对阈值进行改进,使得阈值随分解层数的增加而发生改变,能够有效地抑制低频振荡信号的噪声;然后将去噪后的信号用RCRSV-MP算法进行辨识,从而获取低频振荡各个模态参数。根据RCRSV定阶具有自适应性,无需人为设定阈值。通过仿真算例、测试系统及电网实际案例的结果显示,所提方法相比于其他方法具有抗噪性能好、拟合精度高等优点,具有较强的实用性,能够实现在线辨识。

基于中值滤波-奇异值分解的胶合板拉伸声发射信号降噪方法研究

为了去除声发射信号中的随机噪声与脉冲干扰,提高有用信号质量,提出一种中值滤波与奇异值分解相结合的降噪方法。该方法首先对原始声发射信号进行中值滤波,去除幅值较大的异常值,其次对去除异常值的信号序列进行相空间重构和奇异值分解,最后针对确定重构阶数这一难点,提出奇异值能量差分谱概念,并利用能量差分谱的较大峰值位置来确定奇异值的重构阶数,以实现降噪。数值仿真和五层胶合板强度测试的实测数据分析表明,该方法能够有效地保留原有信号的特征,并能最大限度地消除噪声,提高信噪比。

小波包分析与奇异值分解(SVD)叠前去噪方法

小波分析多用于去除面波,奇异值分解多用于去除相干干扰,而对于强相干干扰和面波共存的地震记录,仅使用单一去噪方法难以奏效。为此本文将小波包分析与奇异值分解结合起来,就可以解决单一去噪方法难以解决的去噪问题。此法首先利用小波包变换进行分频处理,然后在分频的记录中,用自动追踪同相轴的方法找出相干干扰和面波同相轴的方向,再利用奇异值分解(SVD)方法恢复相干干扰和面波的波场,最后将其从原始地震记录中减去,即可获得去噪后的地震记录。通过对实际资料的试算,表明该计算方法的效果是明显的。

奇异值小波降噪法在柱塞泵振动信号处理中的应用

针对小波阈值和奇异值分解降噪法的不足,研究一种新的小波阈值函数。提出一种基于改进阈值的奇异值小波降噪方法,该方法利用奇异值分解技术,将噪声非均匀分布的信号正交分解为噪声分布相对均匀的分量,并对每个分量进行小波阈值降噪,重构降噪后的分量,得到降噪信号。仿真实例证明,该方法与小波软、硬阈值及改进阈值法相比,不仅提高信噪比,而且能够更好地消除高斯噪声。利用该方法对柱塞泵不同状态振动信号进行降噪,结果表明,该方法能有效抑制噪声,为柱塞泵振动信号预处理提供一种更为有效的方法。

基于小波分析及奇异值差分谱理论的滚动轴承故障诊断

针对强烈背景噪声下的滚动轴承故障信号,故障特征频率难以提取的问题,提出了基于小波分析及奇异值差分谱理论的滚动轴承故障诊断。该方法首先从整体上滤波,利用小波分析单子带信号重构改进算法将原始滚动轴承信号的频带准确地二进划分成一系列子带,实现不同频段的信号分离,找到故障特征频率可能存在的某一子带;然后进行局部滤波,主要是利用此子带信号构造Hankel矩阵,根据奇异值差分谱理论进行去噪;最后求其频谱得到滚动轴承的故障特征频率,从而判断出故障部位。仿真实验结果表明,该方法是一种有效的故障诊断方法。

基于小波变换与奇异值分解的地震资料去噪新方法

为了有效地去除地震资料中的随机噪声,充分利用小波变换(WT)去噪和奇异值分解(SVD)去噪方法的优点,提出了一种新的基于小波变换和奇异值分解(WT-SVD)的地震资料去噪方法。该方法首先进行小波软阈值去噪,有效地降低噪声的方差;然后进行基于倾角扫描的奇异值分解去噪,识别噪声点,自动追踪同相轴,并进行同相轴拉平处理,充分利用了奇异值分解方法处理水平同相轴噪声效果好的优点。理论模型和实际资料的去噪结果表明,该研究提出的WT-SVD方法简单易行,比单一的SVD方法和WT方法的去噪效果更显著,有效地消除了地震资料中的随机噪声,显著地提高了地震资料的信噪比。

奇异值分解地震纵、横波波场分离与去噪方法

奇异值分解(SVD)滤波是利用地震信号在横向上的相干性差异来实现地震波场的分离与去噪。由于P-P波和P-S波在传播特性、视速度和相干性上存在差异,本文应用视速度信息,通过两次正常时差校正(NMO),分别把P-P波和P-S波校平,使之在横向上达到最佳相干性,然后分别两次通过SVD,提取目标信号的奇异值重构信号,从而实现地震纵、横波波场分离与去噪。

一种基于奇异值分解的改进信噪比盲估计算法

针对空间分解类信噪比(SNR)估计算法中子空间维数估计复杂度较高,低信噪比下估计偏差较大的问题,提出了一种改进的子空间维数估计算法。该算法首先利用样本自相关矩阵的奇异值序列进行后向差分得到梯度序列,对梯度序列每一项与后5项之和的比值进行搜索,最大比值所对应的奇异值序号作为信号子空间维数,最后计算信噪比。合适数据长度下的仿真结果表明:在信噪比-5 d B^20 d B范围内,常规通信信号的信噪比估计平均偏差小于0.5 d B,标准差小于1 d B;该算法提升了低信噪比下的估计性能,运算量较小,无需知道调制方式、载波频率、符号率等先验信息,在低信噪比时对信噪比时变的跟踪估计更为准确,且对复杂高阶调制信号同样适用。

MBCV-EWT和奇异值差分谱的滚动轴承信号降噪方法

针对滚动轴承振动信号降噪时,克服模式混叠、保证各频率成分完整性和独立性问题,提出最大类间方差-经验小波变换分解(maximum between-cluster variance-empirical wavelet transform,简称MBCV-EWT)与奇异值差分谱相结合的信号降噪方法。首先,针对传统区间划分的不确定性问题,提出MBCV-EWT信号分解方法,通过最大类间方差对信号频谱自适应划分,并在每个划分区间上构建带通滤波器;其次,针对分解分量冗余,提出脉冲指标作为调幅-调频分量筛选准则,选取最优的分量用于降噪;最后,对最优调幅-调频分量进行奇异值分解,根据其差分谱重构分量并实现降噪。仿真及实验结果表明,该方法能够实现频谱自适应划分,有效克服模式混叠等问题,保证分解得到的各成分主频独立且完整,调幅-调频分量筛选准确,降噪效果明显,为故障识别和预测奠定研究基础。