一种基于新阈值函数的小波降噪方法在高速风洞中的应用

为了解决传统阈值函数中抑制干扰与保留信号有效突变区域和信号高频细节之间的矛盾,提出一种基于新阈值函数的小波降噪方法。介绍了传统小波阈值函数降噪方法,根据小波阈值降噪方法的特点构建一种新阈值函数,并进行风洞试验验证,用硬、软阈值以及新阈值方法对X元信号进行处理,将经过不同降噪方法处理后得出的CL-a曲线进行对比。试验结果表明:该方法与传统函数方法相比具有明显的优越性,一方面其处理后的试验数据结果与阶梯试验数据吻合度更高;另一方面该方法在抑制干扰影响的同时,能够有效捕获到飞行器模型在突变区域的有效高频信号。

一种新阈值函数的小波变换在心音去噪中的设计

为了解决传统小波阈值函数在心音去噪中存在噪声滤除不完全、去噪信号不连续、震荡,去噪的同时滤除了过多的细节信息等问题。提出了一种新阈值函数的Db6小波变换心音去噪方法。通过调整参数m来调整阈值函数,使得心音信号在小波变换细尺度上去除噪声并且尽可能的保留细节系数。然后用无偏估计优化选取方法选取阈值函数的最优阈值。仿真结果分析表明:该方法克服了传统阈值函数的缺陷,信号的信噪比(Signal-Noise Ratio,SNR)提高了20%和根均方误差(Root Mean Square Error,RMSE)提高了32.5%。

基于一种新阈值函数在信号去噪中的应用

小波理论去噪方法有很多种,小波阈值去噪方法,理论较为成熟,算法更加简单,数值的稳定性高,去噪的效果好。软阈值函数方法和硬阈值函数方法去噪在实际应用中使用很广泛,但总有一些不足的地方,因为软、硬阈值函数自身的结构都有一定的缺陷。本人提出一种新的阈值函数,它有较好的光滑性,随着参数取值的变化,新阈值函数介于在软、硬阈值函数之间,而且表达式简单,计算方便。最后,在MATLAB环境下,对加入高斯白噪声的信号进行了去噪的仿真实验,结果表明:新阈值函数去噪方法好于软、硬阈值去噪方法。

基于新阈值函数和自适应阈值的小波包语音增强研究

针对传统的小波包语音增强算法增强后的语音失真严重的问题,提出了一种基于自适应阈值和新阈值函数的小波包语音增强算法。该算法在小波包域将带噪语音加窗分帧,基于相邻帧快速傅里叶变换功率谱的互相关值,计算各帧存在语音的概率;然后通过语音存在概率对传统通用小波包阈值进行调整,使得阈值在非语音帧中较大,在语音帧中较小,实现阈值的自适应调整,可以在最大程度消除噪声的同时,尽可能地保留语音,减小语音失真。还设计了一种新阈值函数,克服了传统硬阈值函数不连续和软阈值函数会带来恒定偏差的缺点,进一步减小了语音失真。采用TIMIT和NOISEX-92数据库中的语音和噪声进行了大量的模拟实验,主观评比和客观评比结果均证明提出的语音增强算法比现有的两种算法有更好的增强效果,采用提出的算法增强后的语音失真更小,听觉效果更好。

基于新阈值函数的小波阈值降噪方法

小波阈值降噪方法中,传统硬阈值函数连续性差,传统软阈值函数过于光滑,本文针对传统方法的缺点提出一种基于压缩能量思想的阈值函数。通过Matlab仿真表明,改进的阈值函数使用minimaxi阈值效果较好,改进的方案比传统的软、硬、半软阈值降噪能得到较高的信噪比,使信号得到较好的滤波效果。

新阈值函数去噪方法在可降水量预报中的应用

大气观测数据中常含有噪声,如何减小噪声是大气观测数据应用的基础。本文在传统软、硬阈值函数去噪的基础上提出了新阈值函数去噪。首先,运用这三种方法对MATLAB中wnoise函数产生的bumps含噪信号进行去噪,并运用信噪比(SNR)和最小均方误差(MMSE)对去噪效果进行衡量。试验表明,新阈值函数去噪效果较好。最后,用新阈值函数去噪对可降水量时间序列进行处理,并用Kolmogorov熵和神经网络预测来衡量去噪效果。结果表明,新阈值函数同样适用于可降水量时间序列的去噪。

基于一种新型小波阈值函数的信号去噪

在小波硬阈值函数和软阈值函数的基础上,提出了一种新阈值函数.该函数综合了硬阈值函数和软阈值函数的特征,并且具有良好的数学特征.选择合适的参数,其可以适应不同的情况.采用局部阈值规则选择阈值,通过仿真实验,验证了新阈值函数对去除高斯噪声的有效性.

自适应LMD融合新小波阈值函数的信号去噪

针对非线性非平稳信号的去噪问题,基于LMD分解噪声的特征,并融合自适应寻优函数,提出了一种基于局部均值分解新小波阈值函数去噪方法。通过仿真信号和实测工程信号验证,比较EMD滤波、Harr小波、LMD滤波和LMD-新小波阈值函数4种算法的信号去噪效果,并采用3种评价因子对各种算法的去噪效果进行评价。结果表明,文中提出的LMD-新小波阈值函数方法能够基于白噪声分解特征,充分发掘数据本身所蕴含的物理机制和物理规律,融合新阈值函数,相比于其他传统方法在信号去噪方面效果较好。

基于改进小波阈值函数的指纹图像去噪

针对指纹图像的特点,在分析了传统的软、硬阈值函数去噪原理的基础上,提出了一种新的小波阈值函数。新阈值函数克服了软、硬阈值函数存在的不足。通过选择不同的参数,可适应不同的图像。仿真实验表明,新阈值函数较传统阈值函数具有更好的视觉效果和更高的峰值信噪比(PSNR)。

小波新阈值法在振动信号去噪中的应用研究

针对传统的软、硬阈值函数去噪方法的缺陷,提出了一种基于小波的新阈值函数去噪算法,运用该方法对风力发电机齿轮箱的振动信号进行分析,排除振动信号中的噪声干扰,准确地提取故障信息。通过实验分析,对比了新阈值函数和传统软、硬阈值函数的去噪效果,证实新阈值函数在去除高斯白噪声方面表现出了良好的特性,重构信号更贴近真实信号,为风力发电机齿轮箱的故障诊断奠定基础。

新阈值二进小波去噪算法在齿轮信号中的应用

在齿轮的激光检测过程中,由于各种噪声源的影响,原始信号会出现特征信息弱化的现象,影响了齿轮检测的准确性。为解决该问题,在分析传统软、硬阈值函数不足的基础上,提出了一种新阈值函数和二进小波变换相结合的去噪方法。在该方法中构建了一个可以调节的新阈值函数,该阈值随二进小波分解系数的变化以指数形式动态调整,克服了传统硬阈值函数不连续和传统软阈值函数存在偏差的问题。经仿真实验验证,该方法的信噪比和适用性具有明显的改善。

基于分频带最优阈值函数的电力信号去噪

研究电力信号在传输过程中受到噪声污染问题。由于电网负荷较大,系统的运行随机性强,系统非线性引起电力信号噪声严重。针对小波阈值去噪算法存在较大的缺陷,传统改进算法全局阈值去噪的局限性,提出了一种适合电力信号去噪的分频带(分层)最优阈值函数去噪方法。新方法根据电力信号与噪声各频带能量分布特性得到各频带最优阈值,并对含噪电力信号逐层分频带最优阈值函数去噪处理,明显地降低了波形畸变率。仿真与实验结果表明,分频带最优阈值函数去噪方法明显提高了电力信号的去噪效果,提高了电力信号的检测精确度。

一种逐层变化的阈值和改进的小波阈值去噪算法

图像在采集、传输、保存过程中容易受到噪声的干扰,这对图像进一步的分析和应用带来了很多负面影响,因此需要对含噪图像进行去噪处理。针对经典的硬、软阈值存在的缺陷,参考一些相关文献,提出了一种逐层变化的阈值和改进的小波阈值去噪算法。该算法对各个分解层能自适应改变阈值,且在保留原始信号与消除噪声之间取得了较好的平衡。实验结果表明,经改进算法处理的图像具有更好的视觉效果、更小的均方误差,且峰值信噪比相较硬、软阈值函数提高了2~3 dB。

用于光纤传感的改进变分模态分解-DWT算法

大容量FBG传感网络解调系统中,信号去噪是影响FBG传感系统精确解调的重要因素。为了提高解调精度,本文提出一种以改进变分模态分解结合可调节半软阈值方法用于处理光纤信号。变分模态分解(VMD)将输入的信号分解为给定数量K个固有模态数(IMF),设置错误的K值会导致性能下降。本文在VMD的基础上添加4条约束条件,使其自适应的选取K值并减少了VMD的计算量,然后用新阈值函数进行去噪处理,最后通过温度测试实验,得到波长与温度的线性相关系数,评估性能与应用价值。实验结果表明,本文函数在连续性以及信号还原度均取得良好的效果。信噪比(SNR)相比于传统软、硬阈值平均提升了6.0162 dB、13.0003 dB,均方根误差(RMSE)平均降低了0.0442、0.1487。温度测试实验中温度与波长的线性相关系数为0.9992,能满足实际工程需求。

小波去噪与压缩在电厂设备中的应用

为解决600 MW发电机组辅机设备噪音振动数据占用大量存储空间及缓解其数据传送压力问题,针对噪音振动数据的特点提出了一种基于小波阈值去噪和最优小波包压缩的压缩算法。新算法针对小波软硬阈值函数的不足,提出了新的阈值函数对噪音振动数据进行去噪;新算法使用相关系数法获取最优的小波基。仿真表明,改进阈值函数相对原阈值函数在保留高频原始信号的能力和去噪能力方面都有增强;使用改进阈值函数去噪后,小波包压缩能完整的重构信号。最优小波包压缩与改进阈值去噪算法已初步应用于岳阳电厂辅机设备的数据压缩,算法对节省硬盘容量、保护硬盘及高效的数据传送有着重要的作用。

一种基于融合算法的管道泄漏信号处理方法

利用环道实验模拟实际管道泄漏工况,验证了小波去噪的实际效果,通过时频联合分析泄漏信号的衰减过程,从两方面阐述了小泄漏不易被发现的原因,并且讨论了现阶段最常用的小波去噪方法处理小泄漏信号的不足。针对上述问题,建立新阈值函数提高小波去噪方法的信号重构精度,并从数学角度分析了新函数的优越性,提出了基于最大信噪比的盲源分离算法,将小波变换与盲源分离相融合,通过分离已知构造信号说明此方法的适用性,验证该融合算法的实际去噪效果和工业应用价值。

基于改进深度残差收缩网络的分布式光纤声传感信号识别

提出了基于新阈值函数的深度残差收缩网络(DRSN-NTF),用于解决分布式光纤声传感(DAS)信号噪声强、识别难的问题。DRSN-NTF基于深度残差收缩网络(DRSN),使用新阈值函数代替软阈值函数,使其更能发挥信号噪声处理和分类识别能力。使用DAS系统采集周界入侵事件的实验数据,并通过添加高斯白噪声的形式,设计了6组不同信噪比(0 dB~5 dB)的实验。对比了4个模型的实验结果,由此考察DRSN-NTF的识别效果。结果发现:在强噪声的情况下,DRSN-NTF取得的平均测试准确率比DRSN高1.05%;随着信噪比的降低,DRSN-NTF的测试准确率高于DRSN的差值增大,表明DRSN-NTF在信号噪声处理和分类识别能力方面更强,能获得相对更高的识别准确率。因此,DRSNNTF更加适用于DAS信号识别。