直流电能表计量信号自适应降噪方法

直流用电负荷包含DC/DC变换器等电力电子器件,非线性特性显著,导致直流输出端电压、电流信号存在大量纹波,需通过滤波降噪处理提升直流电能计量的准确性。针对现有的滤波降噪方法参数设置缺乏优化、滤波降噪效果尚待提升问题,提出了基于自适应变分模态分解与小波阈值去噪相结合的直流电能表计量信号降噪方法。建立输出端直流电压、电流信号变分模态分解的参数最优化模型,并联合互信息分析,实现原始信号的有效模态分量与噪声模态分量的自适应区分。在此基础上,建立以信噪比、均方根误差、平滑度、相关系数复合评价指标最优的小波阈值去噪参数最优化模型,实现噪声模态分量的最优滤波降噪。通过实测数据计算分析,验证所提方法的有效性。

基于深度学习技术的多噪声环境下室内自适应降噪技术优化

优化多噪声环境下室内自适应降噪技术,对于人们更好地学习、工作和生活具有重要意义。多噪声环境下面临噪声的检测和定位、分析和评价、制定和执行控制策略等降噪挑战;传统的自适应算法在处理单一、稳定的噪声源时效果良好,但在处理多源、变动的噪声时性能较差,深度学习可以有效优化自适应降噪技术。研究表明,深度学习在优化自适应滤波器、提升适应性反馈消除等方面优势明显,但也应解决训练数据量大、计算资源要求高以及模型解释性差等问题。

改进鲸鱼算法驱动的变分模态分解自适应降噪方法

为了更好地从振动信号中提取有效信息,提出了一种基于改进的鲸鱼优化算法(VSWOA)与变分模态分解(VMD)的振动信号降噪方法。首先,采用Sobol序列初始化种群,以确保种群的均匀分布和多样性。然后,从多个起始点进行搜索,并在搜索过程中引入精英柯西变异策略,以防止算法陷入局部最优解。通过这些改进措施,优化了VMD的参数,使得分解得到的本征模态分量(IMFs)在重构后实现了自适应降噪。实验结果表明,与传统的经验模态分解(EMD)、集合经验模态分解(EEMD)以及鲸鱼优化算法-变分模态分解(WOA-VMD)方法相比,所提方法在降噪后信号失真度更小,同时显著提高了降噪效果和故障特征的保留能力。这表明改进的鲸鱼优化算法能够有效地增强振动信号的降噪性能,为轴承故障诊断提供了更为可靠的方法。

音频信号处理中的自适应降噪算法

为提高语音质量,探讨了音频信号处理中的自适应降噪算法。首先,分析音频信号处理流程,并提出自适应滤波方法的优化思路。其次,针对自适应滤波方法,提出一系列优化方案。最后,采用CMU ARCTIC Corpus数据集对所提方法进行测试。实验结果表明,优化后的自适应滤波算法相较于传统方法在去噪效果上表现更优,能够有效提高语音质量。

润滑油磨粒超声回波信号的双树复小波自适应降噪

针对润滑油磨粒含有强噪声的回波信号的问题,采用基于双树复小波变换(DT-CWT)的自适应降噪方法,从而提取清晰的磨粒回波信号.该方法结合奇异谱分析(SSA)和小波熵理论,分别对双树复小波变换后的近似部分和细节部分进行分析.奇异谱分析去除了近似部分包含的噪声,同时,小波熵理论能够自适应选取不同分解层上的阈值,实现了细节部分系数的自适应选择.仿真表明,对于润滑油磨粒超声回波信号的双树复小波自适应降噪,输出信号信噪比(SNR)高、均方根误差(RMSE)小、相似系数(NCC)大,算法运算时间能够满足在线检测要求.实验分析表明,该方法降低了信号中的噪声,还原了准确的波形特征.

CMOS图像传感器的自适应降噪方法研究

提出了一种用于CMOS图像传感器的新型自适应降噪方法,并进行了逻辑电路实现。该方法通过运动检测和边缘检测技术进行噪声功率统计和分析,选择性的利用中值滤波、均值滤波以及运动自适应滤波方法,对传感器输出图像进行了数字降噪处理。实验表明本文方法降低了高斯噪声和椒盐噪声的影响,有效提高了图像质量和峰值信噪比。其结构易于电路实现,适用于CMOS图像传感器内部的实时降噪处理。

一种基于奇异值分解的自适应降噪方法

根据信号处理基本理论和方法,针对奇异值分解方法中有关的Hankel矩阵有效秩难以确定的难题,提出了一种奇异值分解方法,即主分量分解方法,并通过试验数据进行了验证。仿真信号和海上实录信号的降噪实验研究表明,提出的方法比基本的LMS滤波和奇异值分解降噪效果更加优越,能有效提高信噪比并去除噪声。

一种基于偏微分方程的车辆加速度信号自适应降噪方法

提出一种针对MEMS加速度计信号的基于偏微分方程的自适应降噪方法,该方法不仅能有效克服由于传感器本身原因及车载环境振动噪声带来的影响,获得准确的加速度信号,而且实现容易、实时性好。通过对车辆加速度信号进行建模并叠加真实加速度噪声作为仿真信号,将该方法与选用db6小波基、heursure自适应阈值、4层分解的最佳小波进行降噪性能对比,证明在车辆正常行驶的加速度幅值下,该方法不仅能够取得和小波近似的降噪性能,而且很大程度上减少了运算时间。最后通过对实际车载加速度信号的降噪处理和倾角测量中的应用,再次证明该方法在滤除噪声的同时能够较好体现细节信息,很适合应用在对实时性和准确性要求高的实际工程中。

基于经验模态分解的井架变形信号自适应降噪研究

在进行建筑物高精度动态监测时,真实位移信号往往淹没在强噪声之中,利用经验模态分解对监测信号进行多尺度分解,根据尺度标准化模量累积均值指标,确定噪声分离层次,对有效尺度分量重构得到降噪后的变形信号,建立了变形监测信号的自适应降噪模型。工程实例表明该方法具有优越性。

自适应降噪系统的语音分离研究

对抑制干扰语音的自适应降噪系统(CTRANC)进行了语音分离算法的研究。利用CTRANC抑制干扰信号的特性及语音信号的短时稳定性,借助最优控制相关理论,得到了新的语音分离方法及其自适应滤波迭代步长的计算公式。实验结果表明在双话者的情况下,这种语音分离算法能够保证自适应语音分离系统具有良好的稳定性,较好的实时跟踪能力和收敛性能,且分离出来的语音具有令人满意的清晰度。

油液磨粒超声回波信号双树复小波自适应降噪最优分解层数的研究

磨粒超声回波信号受到各种因素的影响,从而存在噪声,分解层数的选取对降噪效果影响很大。为此,提出了一种基于粒子群优化算法(PSO)的最优分解层数选取方法,将得到的最优分解层数代入双树复小波域,采用一种渐近半软阈值函数与一种自适应阈值选择方法相结合,对含噪磨粒回波信号进行双树复小波阈值降噪,选取信噪比(SNR)和均方根误差(RMSE)两个参数评价降噪结果。仿真与实验结果表明:通过粒子群优化算法选取的分解层数得到的信噪比最高,油液磨粒超声回波信号自适应降噪方法对磨粒超声回波信号具有显著的降噪效果,明显提高了信噪比,降低了均方根误差,还原了信号的波形特征,为后续的特征提取与智能识别打下了良好的基础。

一种数字视频自适应降噪算法的研究与实现

视频序列在传输过程中常常受到噪声的污染,致使画面效果变差,因此需要数字视频降噪方法来降低噪声对图像的影响,改善图像质量。本文简单介绍了数字视频降噪的原理,在现有的自适应降噪方法基础上提出一种改进的自适应数字降噪的实现算法,介绍了其硬件实现过程。和现有的降噪方法相比,本文提出的方法能有效的消除传统方法带来的拖尾等问题。噪声是影响目标信号检测和显示的主要因素之一,信号在经过纪录、编辑、分配、传输及卫星接收等各种途径都可能混入大量干扰,致使图像模糊,质量退化。如何有效去除视频序列中的不良影响一直是提高画质的主要问题所在。

基于双树复小波变换与样本熵的自适应降噪法

为了实现工程机械结构监测信号降噪效果的评价,将样本熵的概念引入双树复小波分解中,提出基于双树复小波变换(dual-tree complex wavelet transform,简称DT-CWT)与样本熵(sample entropy,简称SE)相结合的监测信号自适应降噪方法(DT-CWT-SE)。首先,采用双树复小波变换对含有噪声的监测信号进行多层分解;其次,分别计算双树复小波分解所得的各尺度细节分量样本熵与相邻尺度细节分量的样本熵的差值,通过比较相邻各尺度样本熵之差的大小确定双树复小波最优分解层数;最后,根据各尺度样本熵的变化规律确定各层小波系数的降噪阈值,对降噪后的小波系数进行重构以实现信号自适应降噪。仿真分析与实验对比结果表明:该方法对监测信号去噪较彻底,且降噪后的信号失真度小,降噪效果以及保留原信号信息完整性的能力明显优于传统小波阈值降噪法。

高压断路器机械振动信号的参数自适应降噪方法

高压断路器动作过程中产生的机械振动信号蕴含着丰富的断路器状态信息,然而,由于受到噪声的影响,有效的状态信息往往难于提取。针对该问题,提出一种谱形态变分模态分解(SSVMD)联合快速奇异值分解(FSVD)的降噪方法。首先,根据振动信号变分模态分解(VMD)结果的频谱特征确定最优分解层数,实现信号各频率成分的自适应分解;然后,通过信号功率谱特性确定噪声频带;最后,根据噪声频带的主频成分进行FSVD与重构,实现振动信号的自适应降噪。该文提出的方法避免了传统VMD分解层数以及奇异值分解(SVD)降噪有效秩选择的盲目性,能够根据振动信号自身特点进行自适应降噪。通过仿真信号、两种不同型号断路器振动信号,从定性和定量两方面对所提降噪方法的有效性和实用性进行验证。结果表明,所提方法降噪效果较好,降噪性能优于对比方法(中值滤波、五点三次平滑法、小波降噪及经验模态分解(EMD)降噪),为断路器振动信号降噪提供了一种较合适的方法。

表面粗糙度测量中自适应降噪方法研究

在表面粗糙度测量中,夹杂在工件表面原始轮廓信号中的噪声对粗糙度测量值的影响较大。为了滤除噪声,并精确地获得高斯滤波中线,将自适应滤波技术应用到表面粗糙度测量领域,并采用Matlab语言对其进行仿真试验。仿真结果表明:这种自适应滤波方法具有良好的降噪效果,测量效果较为理想,应用前景十分广阔。

室内环境中低频噪音自适应降噪器的设计与实现

为降低室内环境下低频噪音对人体的伤害,基于“以音消音”的原理,研制一种针对室内环境中低频噪音的自适应降噪器,在相对封闭的室内环境中通过初/次传声器采集原有噪音声场的声压值,基于FX-LMS算法计算低频降噪信号,自适用滤波调解,减少降噪处理后得到的残余误差信,利用频率调节单位产生与原有声压大小相等、相位相反的声波,使其在封闭的空间范围内与原有噪音声场相抵消,可有效处理家居环境下的低频噪音,降低屋内电子及电器设备发出的低频噪音,改善居住环境,提高生活质量。

一种高分辨率3维图像的自适应降噪算法

为了获得高保真3维图像,采用了一种针对高分辨率3维图像的自适应均值降噪算法。首先使用一种由激光器、高分辨率3维相机、直线电机和计算机等设备组成的线激光高精度3维测量实验系统对自然纹理皮革进行测量。然后针对系统测量所得的高分辨率3维自然纹理图像(每英寸点数大于1000),进行了理论分析和实验验证,取得了降噪后的高保真3维图像数据,并与传统的均值滤波、小波变换滤波的降噪效果进行对比。结果表明,该算法能自动选取最优的降噪窗口,有效地去除3维图像的噪声信息,并保留高分辨率图像丰富的边缘、细节信息,最终得到高保真的高分辨率3维自然纹理图像。该实验结果对于高分辨率图像的降噪问题是十分有帮助的。

麦克风阵列的自适应降噪算法

针对麦克风阵列自适应降噪算法,分析麦克风矩阵降噪算法与阵列建模、麦克风阵列信号模型与降噪效果评估、麦克风阵列的自适应降噪算法应用,分析自适应降噪算法的优势,达到降噪目的的同时也为今后语音处理工作提供技术参考。

基于ZOA优化VMD-IAWT岩石声发射信号降噪算法

针对岩石破裂过程中产生的声发射(AE)信号夹杂大量噪声的问题,提出了一种基于斑马优化算法(ZOA)改进变分模态分解(VMD)并与改进的自适应小波阈值(IAWT)联合的声发射信号降噪算法。利用ZOA算法优选出影响VMD分解效果的模态个数K和二次惩罚因子α;通过相关系数将分解出的IMFs划分为有效分量、含噪分量和剔除分量;针对小波阈值(WT)降噪算法不具备自动调整小波基以及软、硬阈值函数存在偏差大和不连续的弊端,提出了IAWT算法去除IMFs中的噪声分量,并与有效分量合并重构,得到降噪后的AE信号。通过模拟和实测AE信号验证并与现有降噪算法对比,结果表明ZOA-VMD-IAWT降噪算法适合处理AE信号,信号的时频特征得以保留。研究结果可为岩石AE信号理论及实际工程应用提供参考。

基于ICEEMDAN和SANC的HX_(D)1机车牵引风机声纹采集数据联合降噪处理方法

HX_(D)1机车机械间内的牵引风机是关键的机电设备,可通过声纹分析技术对牵引风机进行状态监测和故障诊断。由于机车机械间有大量机械和电气部件,采集后的牵引风机声纹监测数据会受到多种类型噪声数据影响。为降低噪声数据干扰,有效提取所需声纹特征值进行分析,提出一种基于改进自适应噪声的完备集合经验模态分解(ICEEMDAN)和自参考自适应噪声消除技术(SANC)的HX_(D)1机车牵引风机声纹采集数据联合降噪处理方法:含噪信号与参考信号分别经ICEEMDAN分解,获得2组相对应的本征模态分量(IMFs);利用SANC对含噪信号的IMFs执行自适应降噪处理,得到经联合降噪处理的声纹采集数据。在仿真电笛信号、冲击信号的时域指标中,所提算法的信噪比(SNR)、均方误差(MSE)、相关系数,均优于SANC和ICEEMDAN算法;在实测含电笛信号、冲击信号的时域指标中,所提算法的SNR、MSE、相关系数,同样优于SANC和ICEEMDAN算法。因此,联合降噪处理方法具有自适应性、可实施性和有效性,有助于机械间牵引风机的声纹采集数据纹监测数据降噪处理,为牵引风机的状态监测和故障诊断分析奠定了基础。