实壁UPVC内螺旋降噪管及亲水内壁UPVC旋流降噪器

为了使UPVC排水管满足广大用户的需要,研发了实壁UPVC内螺旋降噪管及亲水内壁旋流降噪器,并将二者配合使用,使噪音降低了5～10dB,已低于铸铁管。

芯层发泡降噪管材挤出模设计

以芯层发泡降噪管材挤出模为研究对象,优化设计芯层发泡降噪管材,以多层共挤挤出模为设计要点,通过模具流道均衡设计优化薄壁熔体流动性。设计的芯层发泡降噪管材挤出模具有结构合理、易于加工、成型高效、使用寿命长久的优点。

综合降噪管理在儿科门诊的应用分析

目的:调查儿科门诊噪音污染的来源,观察采用综合降噪护理管理的效果。方法:随机选取2017年6月至2018年1月在我院儿科门诊就诊的患儿及家长800例作为研究对象,以2017年9至10月采取综合降噪改造为时间划分点将其分为2组,各400例,比较实施前后噪音对患儿及家长的影响。结果:儿科门诊综合降噪护理管理实施后儿科门诊噪声强度最大与最小声级、平均中值均较实施前有了明显的下降;患儿及家长满意度较实施前明显增高,不良就医感受明显降低(P<0.05)。结论:儿科门诊采取综合降噪护理管理能够降低噪声污染,增加患儿及家长满意度。

基于EWT-KLD的机械密封金刚石涂层磨损声发射降噪

为了准确获得机械密封金刚石涂层在磨损过程的声发射信号,在分析机械密封设备的噪声特性基础上,提出了基于经验小波变换(EWT)和相对熵(KLD)的声发射降噪方法;通过对磨损声发射信号进行经验小波变换得到划分其频带的滤波器组,对磨损声发射信号和背景噪声发射信号用相同的滤波器组划分频带;计算相应频带2种信号的相对熵,用累计和算法在升序排列的相对熵中找到首个大于3σ的值作为阈值,保留相对熵值大于阈值的频带重构信号,完成降噪.研究结果表明:本文所提的EWT-KLD方法可以有效抑制不同工况、不同磨损状态的声发射信号的噪声,有效改善了磨损声发射信号的信噪比,尤其是微弱磨损信号的信噪比,提高了密封端面磨损声发射检测的精度和灵敏度;通过与传统降噪方法的对比发现,本文方法能够对不同工况下的密封磨损声发射信号降噪表现出更强的适应性和稳定性,对于及时检测早期密封磨损和准确监测磨损累积变化过程具有重要意义.

基于经验模态分解的单端BOTDA系统降噪方法研究

针对单端布里渊光时域分析(BOTDA)系统存在噪声大、信噪比较低等不足,提出一种基于经验模态分解的降噪方法。理论分析经验模态分解的降噪原理和少模光纤单端布里渊光时域分析传感原理,通过搭建的单端结构布里渊光时域分析温度传感系统,对经验模态分解的降噪效果进行对比分析。实验和仿真结果表明,经验模态分解算法对温度传感系统具有良好的降噪效果,降噪后信噪比提升了约3.06dB,温度测量精度提升了约0.98℃。

一种灰色关联分析优化ICEEMDAN的VP倾斜仪信号降噪模型

VP倾斜仪固体潮信号受仪器监测复杂环境限制,多含有大量环境噪声。为获得真实固体潮曲线,提出一种基于灰色关联分析优化改进的自适应噪声完备集合经验模态分解(ICEEMDAN)VP倾斜仪信号降噪模型(GRA-ICEEMDAN)。该方法首先将含噪信号进行ICCEMDAN处理,得到若干个固有模态函数(IMF),并依次排列与标记;然后基于这些IMF分别计算相关系数、互信息、R^(2)、Adj-R^(2)、MSE、SSE、RMSE、MAE、MAPE、样本熵等10个评价指标值,构建IMF可信度评价指标矩阵;最后借助灰色关联分析(GRA)计算各评价指标与不同IMF之间的关联系数和关联度,依据关联度大小对各个IMF进行排序,将排名靠前的IMF进行线性重构,即可完成信号降噪。仿真去噪实验和实测去噪实验均表明,GRA-ICEEMDAN模型优于卡尔曼滤波、70阶低通FIR滤波、Savitzky-Golay等经典降噪模型,能显著区分噪声成分和有效成分,原始信号分解后的重构误差与信号损失极小,可推广至其他仪器的复杂信号降噪中。

基于内外混合图像先验与图像融合的DIP改进降噪模型

为提高无监督深度图像先验(DIP)降噪模型的降噪性能,该文提出了一种基于内外混合图像先验与图像融合的DIP改进降噪模型(IDIP),该模型由样本生成和样本融合两个相继执行的模块组成。在样本生成阶段,首先利用2个分别来自内部和外部先验且有代表性的降噪算法(模型)处理噪声图像以产生2张初始降噪图像。基于这2张初始降噪图像,使用空间随机混合器按照各自50%混合比例随机生成足够多的混合图像作为DIP降噪模型的第2目标图像并与第1目标图像(即噪声图像)构成双目标图像。然后,每次使用不同的随机输入和双目标图像,多次执行标准DIP降噪流程生成多张具有互补性的样本图像;在样本融合阶段,首先为了获得更好的随机性和稳定性,随机丢弃50%的样本图像。然后,采用无监督融合网络在样本图像上完成自适应融合,获得的融合图像的图像质量相对参与融合的样本图像得到再次提升,作为最终降噪图像。在人工合成噪声图像上实验表明:IDIP降噪模型较原DIP降噪模型在峰值信噪比评价指标上有约2 dB的提升,且较大幅度超过了其他无监督降噪模型,逼近了有监督降噪模型。而在实际真实噪声图像上,其降噪性能较各对比方法更具鲁棒性。

基于协同降噪与IGWO-SVR的高填方路基沉降预测

高填方路基沉降影响山岭重丘区重载铁路运营安全。为克服实测沉降数据掺杂随机噪声、现有预测模型适用性差的不足,提出基于协同降噪算法与IGWO-SVR模型的沉降预测方法。运用互补集合经验模态分解法(CEEMD)与小波包变换法(WPT)对含噪沉降数据进行协同降噪处理;提出基于佳点集初始化均布、非线性收敛控制与自身历史最优记忆位置更新的改进灰狼优化(IGWO)算法,并结合支持向量回归模型(SVR),构建IGWO-SVR沉降预测模型。进一步地,利用大准铁路工点及现有文献研究成果,验证IGWO-SVR模型的优越性。结果表明:协同降噪法可有效消除原数据中噪声项的干扰波动;在小样本数据集上,IGWO-SVR模型较传统沉降预测模型与现有文献所述预测模型,具有更高的预测精度与稳定性。研究成果为重载铁路高填方路基沉降预测提供了新途径。

基于小波变换和压缩感知的工频磁异常信号降噪方法

针对强噪声背景下水下目标微弱工频磁异常信号提取困难的问题,提出一种基于小波变换的压缩感知降噪方法。该方法利用噪声信号不具有稀疏性的特点,将含噪信号在小波域内分解,并在此基础上进行压缩感知的重构与降噪处理,实现微弱工频磁异常信号与噪声最大限度地分离。仿真及试验表明,该方法得到很好的降噪效果,避免了小波阈值滤波中阈值选取对降噪效果的影响,能够最大程度地保留原始信号的固有特征。

基于EMD-SVD的矿山微震信号降噪方法及其应用

为了提高微震监测技术对微震信号分析处理的准确性,充分提取微震信号波形中的有效信息,针对矿山微震信号非平稳、非线性的特点,提出了一种基于经验模态分解(EMD)和奇异值分解(SVD)的联合降噪方法。该方法首先通过EMD分解获得信号的IMF分量,利用相关系数、方差贡献率和相似度对IMF分量进行了优选;然后使用优选后的IMF分量重构一维微震信号时间序列的相空间数据,经过SVD分解后,利用奇异值能量百分比确立了SVD重构阶数,并根据SVD恢复原理得到了降噪后的一维微震时间序列;最后以山东某矿现场矿山爆破为例,采用不同降噪方法对3类典型微震信号进行了降噪处理,并对其降噪效果进行了对比分析。结果表明,EMD-SVD降噪方法与传统降噪方法相比,其平均信噪比提高了35%,平均均方根误差降低了50%,有效剔除了微震信号的噪声分量,保留了信号的特征信息。该研究对分析矿山微震信号、微震事件定位及煤矿动力灾害监测具有重要意义。

基于改进变分模态分解和优化堆叠降噪自编码器的轴承故障诊断

针对滚动轴承在噪声干扰下故障特征难以提取的问题,提出一种改进变分模态分解(VMD)和复合缩放排列熵(CZPE)的特征提取新方法,并利用优化堆叠降噪自编码器(SDAE)进行故障分类。首先,提出由“余弦相似度—峭度—包络熵”新综合评价指标自适应优化分解参数的改进VMD方法,并通过该指标筛选分解后的本征模态函数(IMF)分量;然后,为提取更全面的故障特征,引入新的复合缩放排列熵对各有效IMF的故障特征进行量化;最后,提出一种基于鼠群优化算法(RSO)与麻雀搜索算法(SSA)的混合算法优化SDAE网络超参数,将故障特征输入优化后SDAE网络中得到分类结果。采用美国CWRU轴承数据集进行验证,实验结果表明该方法能全面稳定地提取背景噪声下的故障特征,且与其他方法相比具有更好的抗噪性能和更高的故障诊断准确率。

基于多层次滤波降噪的IGA-NARX混凝土坝变形预测模型

针对混凝土坝变形数据中存在非高斯分布噪声污染,难以描述混凝土坝变形数据自身的趋势性、季节性的问题,采用CEEMD与粒子滤波法相结合的方法对锦屏一级大坝径向位移进行分析。先将CEEMD分解后的高频和低频分量进行区分,仅对高频分量进行粒子滤波降噪,再进行分量重构;通过多层次滤波降噪处理的位移数据驱动IGA-NARX神经网络构建预测模型,并使用R_(RMSE)、M_(MSE)等指标进行评价。工程实例验证表明,所提模型相较于对比模型在评价指标上均有一定提升,具有较好的实用价值。

应用CEEMD降噪与自适应MOMEDA的轴承故障特征提取方法

针对滚动轴承早期故障信号中冲击成分能量低且易被强烈的背景噪声所淹没的问题,该文提出一种基于互补集合经验模态分解(complete ensemble empirical mode decomposition,CEEMD)-小波阈值降噪和参数自适应多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)的滚动轴承故障特征提取方法。将CEEMD与小波阈值降噪结合对原始信号进行降噪;提出一种新的复合指标:峭度-包络波形因子,并以其为适应度函数设计变步长搜索法,对MOMEDA算法的滤波器长度进行寻优;基于寻优的滤波器长度对降噪的信号进行MOMEDA解卷积,并通过包络谱分析识别滚动轴承的故障特征频率。对比实验结果表明:以该文寻找的最优滤波器长度作为MOMEDA的参数,解卷积后包络谱故障频率更加清晰;且相较于传统的MOMEDA算法和小波阈值降噪-MOMEDA方法,该文提出的方法能够更有效地提取强噪声背景下微弱的故障特征信息。

基于活动性检测动态估计噪声的心音降噪算法

针对基于小波分解和最优改进对数幅度谱估计的心音降噪算法存在噪声残留和心音失真的问题,提出一种基于心音活动性检测(HSAD)动态估计噪声的心音降噪算法。通过设计的HSAD判断当前心音帧是否为基础心音帧(FHS),根据判断结果分别采用改进最小值控制递归平均(IMCRA)算法和递归平滑算法对噪声功率进行动态估计与更新,采用非因果先验信噪比,实现心音信号的降噪。实验结果表明,提出算法能更好在提升降噪性能的同时,降低FHS的失真。

基于随机系数Logit模型的专利价值评估研究——以主动降噪技术为例

[研究目的]从分析专利价值入手,通过经济学研究方法围绕专利侵权损害赔偿的标准进行定量研究,为评估专利价值提供有意义的知识增量。[研究方法]基于实证产业组织理论,采用随机系数Logit模型,以无线蓝牙耳机主动降噪(ANC)技术作为研究对象,构建该技术遭受侵权的反事实情形来估计经济指标变化,由此评估专利价值及侵权赔偿比例。[研究结论]专利侵权企业的行为产生了反竞争效应,提升了企业垄断势力,挤占了其他耳机企业的生存空间,也对潜在进入企业形成了进入威胁。蓝牙耳机价格中约有4.06%源于ANC专利标识。如果发生ANC专利侵权,赔偿额度应是侵权企业利润的2.6~2.8倍。该方法利用市场数据在均衡框架下评估专利价值,为相关研究提供了新方向。

CEEMDAN-SE-WT降噪方法在航空发动机燃油流量信号中的应用

燃油流量信号是反映发动机状态和计算飞机排放物排放量的重要信号,但飞机飞行过程中传感器采集信号时不可避免地会受到外界环境以及内部因素干扰。提出一种结合样本熵(sample entropy,SE)的完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与小波变换(wavelet transform,WT)的联合降噪方法。首先使用CEEMDAN对燃油流量信号进行分解得到本征模态分量,利用样本熵筛选含噪分量,并用相关系数与方差贡献率进行复核。对于含噪分量使用小波阈值降噪进行处理。最后将未处理的模态分量和完成降噪的模态分量重构得到最终燃油流量信号。通过与其他方法比较,CEEMDAN-SE-WT方法拥有最高信噪比为85.287,降噪后燃油消耗总量与飞机总重变化最为接近,可以认为该方法较大程度保留了燃油流量信号中的有效特征,为后续计算民机排放物排放总量提供了良好的数据支持。

基于PEMD-MPE算法的露天矿爆破振动信号降噪方法

为了去除露天矿山爆破振动信号中混入的噪声成分,提出了一种基于PEMD-MPE算法的降噪方法。该算法通过自适应性正交经验模态分解(PEMD)得到完全正交的本征模态函数(IMF)分量,然后对各个IMF分量进行多尺度排列熵(MPE)的随机性检测,成功确定其中的噪声分量并将其去除。采用该算法对实测的露天矿山爆破振动信号进行降噪处理。结果表明:相比EMD-MPE和EEMD-MPE算法,PEMD-MPE算法的信噪比分别提高了3.520 dB和1.107 dB,且重构标准差和均方根误差最小,说明该算法不仅能够有效去除爆破振动信号中的噪声成分,还能有效保留真实信号。

基于卷积特征提取及深度降噪网络的大规模MIMO系统信号检测

传统多输入多输出(Multiple-Input Multiple-Output,MIMO)信号检测算法受到天线数量和收发天线比例的限制,一般仅适用于少量天线、收发天线比例较低的情况。本文提出一种基于深度学习(Deep Learning,DL)的稀疏连接卷积降噪网络模型,用于大规模MIMO系统上行链路信号检测。首先,通过简化经典的检测网络(Detection Network,DetNet),改进ScNet(Sparsely Connected Neural Network)检测算法,引入卷积神经网络(Convolutional NeuralNetworks,CNN)对三通道输入数据提取特征以减少训练参数,提出一种SConv(SparselyConnected Convolutional Neural Network)检测算法。与DetNet算法相比,该算法可同时降低计算复杂度和提高检测精度。在此基础上,进一步基于CNN构建信号降噪模块,并嵌入SConv网络,提出一种卷积神经降噪(Sparsely Connected Convolutional Denoising,SConv-D)网络辅助的大规模MIMO检测算法。此算法检测过程分为两级,第一级由SConv算法提供初始估计值,再将初始估计值作为降噪过程的输入,并由此构成算法第二级。实验结果表明,本文提出的SConv-D算法适用于QPSK、4QAM及16QAM等多种信号调制模式,在高阶调制模式下获得的性能增益尤为明显。此外,该算法能够适应各种比例的收发天线及数量规模的系统配置,尤其是在收发天线数量相等的情况下亦能获得更优的性能。本文算法还克服了MMNet在高阶调制情况下的性能平台效应,在16QAM调制、收发天线数量相等的情况下,SConv-D在10^(-2)误比特率上能获得接近2 dB的性能增益。

400 km/h高速铁路直立式声屏障降噪效果及安全性研究

开展400 km/h高速铁路噪声影响研究是践行“交通强国”战略的有力举措。为研究400 km/h高速铁路噪声特性及辐射源强,获取现有直立式声屏障在速度400 km/h条件下降噪效果及适应性,采用有限元模型进行仿真计算,模拟计算400 km/h高速铁路噪声源强并进行组成分析,对高速铁路通用的直立式声屏障降噪效果、耐久性、安全性等进行分析研究,对目前直立式声屏障适应性提出实施建议。研究表明:高速列车以速度400 km/h运行时,距离铁路外轨中心线25 m、轨上3.5 m处,桥梁段总声级为97.8 dB(A),路基段总声级为96.7 dB(A),气动噪声大于轮轨噪声;提出现有直立式声屏障在速度400 km/h条件下插入损失为2.7~8.9 dB(A);在安全方面,提出立柱底部螺栓养护年限;针对目前铁路直立式声屏障通用图适用性进行分析,提出结构安全优化建议。研究结果可指导400 km/h高速铁路噪声影响分析及直立式声屏障设计工作。

隧穿磁电阻效应磁场传感器中的噪声分析及降低噪声的方法

隧穿磁电阻效应磁场传感器(TMR)虽具有灵敏度高、功耗低等特点,但器件的低频噪声限制了其在微弱磁场探测方面的应用。文章分析了隧穿磁场传感器中散粒噪声、热磁噪声、1/f噪声的产生机理,并结合几种噪声的解析式分析了各自的频率依赖关系。在低频率范围内,TMR传感器的噪声主要表现为1/f噪声。阐述了降低器件噪声的若干方法,并结合理论和实践分析了优化TMR传感器的结构、优化MTJ材料制备工艺、运用斩波技术、交流励磁以及MEMS聚磁器等方法后的降噪效果。通过对比分析发现MEMS磁聚集器是隧穿磁场传感器的最优降噪手段,利用MEMS磁聚集器可有效地将1/f噪声压制103倍,使TMR磁传感器的噪声低于10 pT/√Hz@1Hz。