融合改进小波去噪与T-Taylor的井下定位算法

针对超宽带井下定位方法中,信号易受到非视距(NLOS)误差的影响,导致定位算法的精确度与环境适应性较差的问题,本文提出了一种融合改进小波去噪和T-Taylor算法的井下定位算法。对原始测距值进行降噪处理,抑制NLOS误差对定位的影响;同时引入三球交会算法,将其作为Taylor算法的初始算法,确保Taylor算法收敛的同时,增强定位算法在井下复杂环境的定位精度与环境适应性;通过蒙特卡罗仿真试验进行验证。结果表明,融合算法能够在一定程度上降低测距误差,增强算法对于复杂环境的适应性,提高定位精度,在NLOS环境下较C-Taylor算法有更高的定位精度与抗噪声性能。经实地定位试验验证,融合算法平均定位精度相比于C-Taylor算法有一定程度的提升,提高了37.3%。

改进小波去噪-Teager算子的齿轮微弱故障提取方法

针对齿轮箱在强噪声背景下齿轮微弱故障振动信号的特征不易被提取的问题,提出将改进小波去噪和Teager能量算子相结合的微弱故障特征提取方法。采用改进小波阈值函数对振动信号进行去噪处理,与形态学滤波和传统小波阈值函数相比能够有效地提高信号的信噪比。对去噪后的信号进行集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)得到若干本征模式函数(intrinsic mode function,简称IMF),计算各IMF分量与原信号的相关系数并结合各IMF分量的频谱剔除虚假分量。对有效的IMF分量计算其Teager能量算子,并重构得到Teager能量谱,对重构信号进行时频分析并将其结果与原信号的希尔伯特黄变换(HilbertHuang transform,简称HHT)得到的边际谱进行对比。实验研究结果表明,本研究方法相比HHT能够对齿轮微弱故障特征进行更为有效地提取,验证了本研究方法在齿轮箱微弱故障诊断中的可行性。

基于改进小波去噪预处理和EEMD的采煤机齿轮箱故障诊断

针对采煤现场强噪声背景下采煤机齿轮箱振动信号集合经验模态分解(EEMD)故障特征不明显和分解效率较低的问题,提出基于改进小波去噪预处理和EEMD的故障诊断方法。采用小波改进阈值函数法对振动信号进行去噪预处理,与传统小波阈值函数法相比能够有效地提高信号的信噪比。对去噪后的信号进行EEMD分解得到若干个本征模态分量(IMF),计算各IMF分量的相关度并剔除虚假分量。将该方法应用于采煤机齿轮箱行星轮的故障诊断,通过对真实的IMF分量进行频谱分析并提取信号的故障特征频率,与未去噪的信号进行对比。研究结果表明:该方法能够突出故障特征频率,使分解效率提高17.35%,并能进一步减小模态混叠现象。

基于改进小波去噪的EEMD—HHT信号处理方法

传统小波去噪虽然可在一定程度上去除噪声对原始信号的干扰,但去噪效果并不理想。针对传统小波去噪中存在的问题,提出一种改进的小波去噪方法,并将改进小波去噪与EEMD-HHT有机结合,进而提出一种基于改进小波去噪的EEMD—HHT信号处理新方法。基于MATLAB软件,分别利用EEMD-HHT方法、基于传统小波去噪的EEMD-HHT信号处理方法和基于改进小波去噪的EEMD-HHT信号处理方法对外圈故障滚动轴承进行故障诊断试验,试验结果与理论计算结果对比分析表明,基于改进小波去噪的EEMD-HHT信号处理方法最为有效。

基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术

针对电网环境噪声导致自适应噪声的CEEMDAN谐波检测精度低的问题,文中提出了一种基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术。利用修正因子T j自适应调整阈值,通过可调参数τ调节阈值函数软、硬特性,并将改进的小波阈值去噪方法应用于谐波信号的预处理。经预处理的信号再进行CEEMDAN分解,可有效抑制模态混叠束缚。运用相关度判据去除虚假分量,并利用Hilbert变换解调包含谐波特征的分量,准确提取其幅频信息。经MATLAB仿真可知,改进小波阈值去噪与CEEMDAN-HT的融合算法可将稳态谐波检测平均误差被控制在1%以下,暂态谐波检测平均误差被控制在2.1%以下,呈现出良好的抗噪性能。

改进的自适应小波阈值法及其在测井曲线去噪上的应用

对测井曲线的各种去噪方法进行总结,根据小波阈值去噪法的优越性,提出一种改进的自适应小波阈值去噪法。选取Matlab工具箱里自带的曲线和测井曲线进行小波阈值去噪测试,改进的自适应小波阈值方法去噪方面表现优秀。新方法在滤除噪声的同时还能更好地保留信号的细节。

基于离散脊波变换的农作物图像去噪算法

由于农作物生长环境的复杂性,导致在获取农作物图像过程中或多或少存在一定程度的噪声,这给农作物成熟果实的自动化采摘造成了很大不便。因此,结合离散脊波变换,提出了1种农作物图像自适应去噪算法,该算法通过对图像实现多尺度脊波变换,保持低频分解系数不变,对于高频分解系数,首先分别采用改进非局部均值滤波算法(improved non-local means filtering,INLM)以及改进小波硬阈值去噪模型进行消噪;然后实现低频分解系数与各自消噪后的高频分解系数重构,从而获得2幅重构图像;最后实现2幅重构图像的等权融合处理,获得消噪后的农作物图像。结合相关试验,分别将该算法与经典非局部均值滤波算法(non-local means filtering,NLM)、已有的改进非局部均值滤波算法以及小波硬阈值去噪算法进行去噪效果比较,主观、客观分析结果表明,用该研究算法处理后的图像清晰度较高且残留噪声较少。

超声回波去噪算法在变压器套管引线检测中的应用

变压器套管引线在运行中受力的作用极易产生形变,影响变压器的安全运行,因此可通过超声检测技术实现变压器套管引线的定期检测。超声回波信号在进行采集时极易受到噪声干扰,需通过高效的去噪算法实现去噪。针对传统去噪算法阈值大小、信号分解层次难以确定和去噪效率低等缺点,提出一种全新去噪方法,将改进小波变换与EEMD分解去噪算法结合,使用改进小波去噪法进行信号预处理,然后对处理后的信号进行EEMD分解去噪二次处理,提升去噪效果与信号的信噪比。经试验验证,处理后超声回波信号信噪比显著提高,提高了超声检测的精度,达到了较为理想的效果。

一种从低信噪比地震资料中提取信号的方法

采用改进的时空变小波阈值去噪与叠加技术相结合的方法实现从低信噪比地震资料中提取信号。为减小经典小波阈值去噪产生的过扼杀或过保留现象,选用中值与叠加结果对去噪结果进行约束,并以此为基础改进了经典小波阈值去噪方法。地震资料进行小波变换之后,对每一小波尺度下的各道的每一小波系数用改进方法去噪,然后小波重构,得到去噪后记录。应用多个小波重复上述操作,得到多道去噪后的记录,将这些多道记录叠加,实现增强信号的目的。理论分析及数据测试表明,该方法能从低信噪比地震资料中准确提取信号,且处理效果明显优于常规处理方法。

高低频噪声区分滤除的车辆载重动态测量方法

在车辆行驶过程中,为了精确测量车辆载重,提出了高低频噪声区分滤除的车辆载重动态测量方法。确定了车辆载重测量方案,分析了信号误差来源。对于发动机转动、环境温度变化引起的高频噪声,提出了具有可调节参数的改进阈值小波滤波,有效减弱了信号中的高频噪声;对于速度、加速度引起的低频噪声,提出使用BP神经网络拟合载重量与速度、加速度函数关系,以消除加速度、速度对载重测量的影响;为了解决BP算法易陷入局部极值问题,提出自适应鱼群算法搜索神经网络最优参数。经实验验证,改进阈值小波滤波可以有效去除高频噪声,提高了信号信噪比;提出的车辆载重测量平均误差为0.85%,最大误差为1.45%,平均误差比原始数据平均误差降低了约6倍。

基于激光吸收光谱技术天然气管道泄漏定量遥测方法的研究

报道了基于激光吸收光谱学原理的天然气管道泄漏移动遥测技术,通过模拟天然气泄漏实验,分析了移动遥测的关键技术问题.为了定量遥测天然气管道微量泄漏,引入一个和剩余幅度调制(RAM)等值反相的信号对偏差进行补偿,降低RAM对谐波信号的影响,提高系统检测灵敏度.针对遥测回波吸收光谱特征,提出了改进软阈值小波去噪法,就提高系统信噪比而言,比传统软阈值去噪法高2倍多,同时对二次谐波(2f)信号形状也有很好的保留,通过探测限计算,系统移动遥测灵敏度达到80 ppm/m.

基于边缘检测的生产线手机膜缺陷识别方法

目前国内手机保护膜的产量和销量巨大,但手机膜生产线上的缺陷检验仍采用目检法,检测效率与准确率较低.针对生产线上手机膜缺陷检测的4个关键问题(正常与缺陷类别不平衡、高信噪比去噪、边缘特征提取以及缺陷样本检测效率)进行研究.采用RST和图像剪切方法实现缺陷样本扩充,解决缺陷样本少,缺陷位置和形式不足问题;提出自适应小波阈值及新的阈值函数,实现传统小波阈值去噪方法的改进,获得优异的去噪效果;在图像边缘检测技术中,引入改进小波阈值去噪方法及Otsu阈值设置方法,提高传统Canny算子的边缘检测性能,实现图像特征有效提取;利用具有旋转、平移及尺度不变性的Zernike矩对边缘检测结果进行特征表达,提高模式识别的效率及准确率.采用支持向量机(SVM)对正常手机膜和缺陷手机膜的边缘Zernike矩特征进行识别,实验结果表明所提方法准确率高、检测速度快,满足生产线上手机膜的缺陷检测要求.