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EMD-ICA的激电数据降噪处理方法

针对传统降噪方法处理激发极化法(激电法)测量数据的效果不理想的问题,对经验模态分解方法和独立分量分析技术进行了研究,提出了一种新的激电数据降噪方法。首先,采用经验模态分解方法将原始测量数据自适应分解为有限个固有模态函数,再根据其与激发信号的相关性选择固有模态函数构造虚拟噪声通道,最后利用独立分量分析技术提取多维混合数据中的激电信号。利用仿真信号和实际数据对该方法进行实验,对比普通滤波方法和小波阈值算法,结果表明该方法能有效提高激电数据的信噪比。

基于小波技术的数据降噪

逆向工程是近年来迅速发展起来的一个研究领域,对测量所获取的大规模数据进行降噪处理,是逆向工程的关键技术之一。在分析现有数据降噪方法的基础上,采用小波技术这一新的时-频分析工具,对测量得到的数据进行了降噪处理。通过对细节系数作用域值重构数据,既达到了降噪的目的,又保留了数据本身的特征信息。

基于循环神经网络的微地震数据降噪方法

针对微地震信号中存在大量噪声干扰,导致其识别困难的问题,提出一种深度双向门控循环单元循环神经网络的方法,并将其应用于微地震数据降噪中.首先,构建多层双向门控循环单元循环神经网络模型,并设计该模型的网络结构及训练算法;然后,采用Ricker子波正演模拟微地震数据验证模型的有效性,并将该方法与其他4种方法进行对比;最后,将真实的含噪声微地震数据输入到训练好的模型中,即可得到降噪后的微地震数据.仿真实验结果表明,利用该方法降噪后与降噪前信号的峰值信噪比相比约提高36 dB,且信号之间的相关系数值由0.0886上升至0.9335.实际应用结果也表明,该方法可有效降低实际微地震数据中的噪声.

基于改进PCNN的数据降噪方法

为去除数据中存在的噪声点,提高数据质量,提出一种基于改进PCNN的数据降噪方法。该方法在无耦合链接的简化PCNN模型基础上,改进阈值函数,添加记录神经元是否点火的矩阵以及点火时间矩阵,根据神经元初次点火时间辨识并去除噪声点,从而实现数据降噪。实验测试结果表明:该算法能够有效滤除数据中的噪声点,很好地保持原始数据的特征。

基于改进脉冲耦合神经网络的数据降噪方法研究

为了解决数据中存在噪声点降低了数据的质量,影响了对数据进一步分析的可靠性等问题,提出了一种基于改进脉冲耦合神经网络(pulse coupled neural network,PCNN)的数据降噪方法。该方法在保留基本PCNN模型一些特性的基础上将其简化,省去了部分参数的设置,并改进突触链接强度为自适应取值,添加了记录神经元点火次数的点火频次矩阵。根据神经元点火次数辨识并滤除噪声点,使得该方法能够简单有效地对数据进行降噪处理,改善了数据质量。实验结果表明了该方法不仅能够有效滤除低维数据中的噪声点,而且对高维数据中的噪声点去除效果较好,且均较好保持了原有数据的特征信息。

基于自适应无迹卡尔曼滤波QAR数据降噪研究

针对QAR数据包含离群值、噪声值等异常数据严重影响数据分析的问题,提出了一种自适应无迹卡尔曼滤波的数据降噪方法。利用改进拉依达准则剔除粗大误差数据,以无迹卡尔曼滤波为基础,结合Sage-Husa噪声估计器对系统噪声进行实时预测和修正,有效地解决了系统噪声时变的问题。利用空客A330飞机的数据样本对算法有效性进行了数值验证,仿真结果表明,自适应无迹卡尔曼滤波算法估计精度更高,降噪效果更优。研究可提高基于QAR数据分析与挖掘工作的数据质量。

基于整体变分模型的地球化学数据降噪研究

地球化学数据处理中如何有效地消除噪声是能否正确利用地球化学信息进行矿产预测的关键.借鉴整体变分模型在图像去噪上的应用,本文将其用于地球化学数据降噪处理,通过仿真实验和西藏自治区洞噶普铜矿的1∶1万土壤地球化学数据处理具体应用,结合累积频率法进行元素异常分带序列划分,可以发现经过整体变分模型降噪后的数据更能体现元素的空间分布特征,达到还原真实信息的目的,突出地球化学中成矿元素的异常,从而提高圈定矿产资源远景区的精度.

基于时频分析的感应传输CTD数据降噪方法研究

鉴于感应传输温盐深测量仪(conductivity-temperature-depth profiler,CTD)海上试验测量误差的问题,考虑到温盐深各参数非线性非平稳变化的特点,提出基于时频分析的CTD数据降噪方法,即通过随机森林回归的鲁棒性和CEEMD(complete ensemble empirical mode decomposition)的自适应性,提取CTD高频谐波振荡,由FFT谱特点对高频成分细化,将噪声部分识别与去除。仿真结果表明,降噪后信噪比提升约9 dB,相关性99%以上;同时将该方法应用于威海锚泊平台感应传输CTD实测数据中,通过盐度检验的方法对降噪结果分析,试验结果表明:进口和国产两型CTD盐度的测量准确性提升1.3倍,降噪后的残差通过高斯白噪声的显著性检验,说明该方法有效、可靠。

小波变换在海洋浅剖数据降噪中的应用

近海浅剖数据采集时,环境中高频噪声会掺入到有效信号中造成干扰,降低浅剖数据的信噪比。基于小波变换和去噪的基本原理,选取db2函数为小波基函数,采用小波变换对近海浅剖信号进行降噪处理,频率分析结果表明,小波变换降噪法能有效地压制信号中的高频噪声,提高浅剖信号的信噪比,降低均方根误差,同时能够避免过度去噪的问题,实现浅剖信号降噪的目的。以江苏辐射沙脊群北部西洋的浅剖数据为实例,基于Matlab语言和小波工具箱,以db2小波基函数进行降噪处理,有效地压制了浅剖信号中3.5 kHz以上的高频噪声,浅剖数据的信噪比提高了2.04。

基于经验模态分解法的下穿铁路工程对既有轨道变形监测数据降噪方法

针对下穿铁路工程中既有轨道变形的现场监测数据存在多种因素干扰,难以真实反映下穿铁路工程对既有轨道结构实际影响的问题,将现场监测数据的干扰因素分为测量仪器误差,以及造成既有轨道结构变形的环境温度。根据测量误差、造成既有轨道结构变形的温度,以及下穿铁路工程引起的既有轨道结构附加变形等3类数据组成成分在频域分布集中区域不同的特点,利用EMD(经验模态分解)法分离上述3类既有轨道结构变形监测数据组成成分,剔除既有轨道结构变形监测数据中的干扰因素信号,实现下穿铁路工程中既有轨道变形监测数据的降噪。以某地铁盾构隧道下穿铁路工程现场实测数据为例进行信号分类分析。结果表明,该方法可有效剔除现场变形监测数据中存在的干扰因素成分,从而获得由下穿铁路工程引起的既有轨道结构真实变形。

基于失真数据降噪的数据预处理方法及其在风电功率预测中的应用

提高风电数据精度对于建设泛在电力物联网具有重要意义。风电功率预测对历史风电数据集的要求较高,现研究多集中于通过建立不同预测模型或提出不同预测算法以提高风电功率预测准确性,对于风电功率历史数据集本身的噪声数据的处理关注并不多。为此,提出一种针对风电历史数据降噪的方法,该方法主要作用于数据集本身,通过清除历史风电数据中的失真数据,降低历史数据中无用数据的数量,在提高风电功率预测准确性的同时,尽可能缩短数据建模、预测的时间。

基于混合滤波的点云数据降噪算法研究

随着时代的发展,人们越来越重视三维点云。在三维点云数据中点云数据降噪是其中必不可少的环节。基于PCL库对点云数据降噪中的统计滤波与半径滤波开展研究,通过给点云数据增加随机噪声或高斯噪声并更改统计滤波与半径滤波的参数来达到最好的降噪效果,并提出一种基于混合滤波的点云降噪算法。实验成果表明,提出的混合滤波比单一的统计滤波或半径滤波降噪效果更为显著。

面向通风智能化的风速传感器结构化数据降噪方法对比

为实现风网实时解算、系统优化调节等关键技术,需要去除监测数据噪声,得到结构清晰、纯度较高的通风数据。利用FCM,Rloess和S-G等平滑降噪算法对300组实测风速数据进行分析处理。结果表明:FCM算法处理过程变量引起噪声较为优越,但需提前给定分类数目;窗宽参数选7时,Rloess算法去除由状态变量引起的风速异常数据最优;在窗宽选5、次数为2时,S-G算法降噪和保持数据特性最佳;结合使用FCM-Rloess或FCM-SG算法可有效处理过程变量和状态变量引起的风速异常数据。研究结果可为矿井通风的异常诊断、灾变识别等研究提供合理的基础数据。

全变分正则化非局部均值地震数据降噪

在地震数据的采集中往往存在随机噪声,噪声会影响地震数据分析的准确性,针对地震数据中存在的高斯噪声,传统非局部均值降噪算法在对地震数据降噪后无法有效保持地震数据中的同相轴边缘。将全变分正则化非局部均值算法应用于地震数据降噪,通过计算噪声估计值,更新去抖动非局部均值算法的权值,将去抖动非局部均值降噪结果进行全变分正则化约束,得到最佳的地震数据降噪结果。在有效去除高斯噪声的同时,保留地震数据的同相轴边缘。通过在合成地震数据、海上叠前地震数据、陆上叠后地震数据上进行降噪实验,对比该算法与非局部均值算法、基于近邻法选择策略的非局部均值算法的峰值信噪比、均方误差、平均结构相似度,得出全变分正则化非局部均值降噪算法在有效降噪的同时,可以较完整地保留地震数据的同相轴边缘细节。

基于Savitzky-Golay算法的某深基坑监测数据降噪处理

为提高深基坑各监测项目变化趋势曲线的可视化程度,本文使用Savitzky-Golay滤波算法,并以南昌市某深基坑为例,对监测反馈数据进行平滑降噪处理.通过对比LOWESS、FFT和Savitzky-Golay滤波算法的有效性,研究监测数据平滑降噪的有效处理方法.研究表明:1)工程数据通过Savitzky-Golay滤波算法降噪处理后连续性和平滑性明显提升.优化后的数据筛除了原始数据中的突变奇异点,其时程曲线走势与原始数据基本吻合;2)在基坑工程监测数据的实际测量值与优化校正值的拟合函数中,计算得到函数线性回归的相关指数R2达0.845,基坑监测数据的降噪平滑曲线与原始数据关联性较强,可为原始数据分析提供可观的辅助校正作用.

结合边缘检测和非局部均值的地震数据降噪

油气采集过程给地震数据带来大量高斯随机噪声,非局部均值降噪算法降噪后同相轴边缘过度平滑。为此提出一种结合边缘检测和非局部均值的地震数据降噪算法(Sobel8-NLM),通过八方向Sobel算子准确提取同相轴边缘,并改进非局部均值算法的权值函数,使地震数据中结构相差小的邻域权值不变,结构相差大的邻域权值变小,在降噪的同时有效提升信噪比及结构相似度。对合成地震数据及实际地震数据分别降噪,并与非局部均值算法(NLM)、结合Sobel算子的非局部均值算法(Sobel2-NLM)、结合Canny算子的非局部均值算法(Canny-NLM)进行对比,采用峰值信噪比、均方误差、平均结构相似度指标,验证了算法的有效性和可行性。

小颗粒果品电子称量系统的数据降噪处理研究

电子称量系统是小颗粒果品色选设备中的重要组成部分。在设备实际运行过程中,振动及电磁和电源等干扰因素严重影响了电子称量系统所测得数据的准确性和稳定性。介绍了电子称量系统软件数据处理的基本工作原理和实际工作状况。以蓝莓为例,对小颗粒果品电子称量系统的精度和稳定性进行了研究。在采集数据后,通过温漂补偿、非线性校正、程序判断滤波、低通数字滤波等数据的降噪处理来提高电子称量系统的测量精度及控制品质。动态称重实验表明,数据降噪处理前,获取的重量信号已经完全失真;经软件数据降噪处理以后,体现出了蓝莓实时重量,静态称重实验表明滤波后精度达±1 g,满足实际需求。

基于线性卡尔曼滤波器的加香工序数据降噪算法

为解决加香工序香精瞬时流量和出口含水率在数据采样过程中存在过程噪声和测量噪声等问题,设计了一种基于线性卡尔曼滤波器的数据降噪算法。该算法通过状态值和测量值从噪声中提取信号,并采用迭代计算方法解决线性滤波问题。以玉溪卷烟厂生产的“玉溪(软)”牌号卷烟为对象进行测试,结果表明:采用线性卡尔曼滤波器进行数据降噪后,在料中阶段,香精瞬时流量的标准差和变异系数分别降低54.83%和54.84%,出口含水率的标准差和变异系数分别降低51.15%和51.15%;在料头料尾阶段,香精瞬时流量和出口含水率降低超调量的同时提高了平滑度。该方法可为提高加香机控制系统可靠性和稳定性提供支持。

基于数据降噪的冷轧板形调控功效系数获取

针对轧制过程实际数据噪声大、难以获取准确板形调控功效系数的问题,提出了一种融合集成经验模态分解(EEMD)和小波变换(WT)的数据降噪方法。将含有噪声的实际生产数据经过EEMD分解后,利用小波变换方法对噪声主导的本征模态分量(IMF)进行降噪处理,处理后的噪声分量与其余分量重构得到降噪后数据,并结合结构方程模型(SEM)计算得到板形功效系数。利用1450 mm五机架冷连轧生产线实际数据进行试验,结果表明,EEMD-WT-SEM方法可以有效降低数据噪声,有效提升板形调控功效系数的准确性。