ECG信号自适应贝叶斯小波去噪算法研究

ECG信号是当前移动健康监护的一个常规生物电信号,在该信号采集过程中,常规的硬件放大电路会引入噪声,影响了信号的特征分析。针对ECG信号采集中的噪声消除问题,提出一种基于贝叶斯小波分析的去噪算法。首先对ECG信号进行小波分解,再通过贝叶斯算法重新计算最佳小波系数阈值和加权系数,最终实现ECG信号的去噪和重构。实验结果表明:该算法能够较好地消除ECG信号的噪声,在保留较多信号细节的同时减少了信号失真。相对于小波软阈值和硬阈值算法,该算法的MSE为0.287 1,PSNR值为53.550 7,明显优于前者,具有较高的实际使用价值。

基于Ⅰ导联ECG的心肌梗死特征提取

提出了基于ECG导联Ⅰ的单周期信号的心肌梗死特征提取算法,避免了利用多导联ECG检测心肌梗死带来的不便。首先对导联Ⅰ的ECG信号进行去噪处理;然后,引入小波包算法提取QRS波群、T波的主频带,重构QRS波群、T波的波形并确定ST段的始末位置;最后,运用小波的多分辨分析对ST段进行分解并提取导联Ⅰ信号的心肌梗死的特征波形。实验结果表明,本文算法具有较高识别率,这为ECG导联Ⅰ信号用于心肌梗死的检测与诊断提供了依据。

小波包分析在大坝变形监测中的应用

为了更好地分析大坝在外界环境及自身振动下的变形状态,利用小波包分析在信号处理领域中的优势,将小波包分析应用于大坝变形监测数据处理中。首先对小波包的理论进行了介绍,然后研究并确定了实现监测数据小波包分析中的各种参数,如最优分解层次、最优小波包基及最优阈值估计准则,最后使用频谱分析对大坝监测数据进行频率分段,得到不同频段的频率及对应振幅,进一步分析了大坝的变形特征。

基于反射光谱预处理的苹果叶片叶绿素含量预测

以苹果叶片叶绿素含量为研究对象,定量研究了光谱数据预处理方法对光谱特征提取及叶绿素含量预测模型的影响。首先,比较了苹果叶片原始反射率光谱、小波包去噪反射率光谱、反射率一阶差分光谱、先小波包去噪后一阶差分光谱、先一阶差分后小波包去噪光谱这5种光谱的波段间相关系数以及光谱与叶绿素含量间的相关系数,建立了叶绿素含量预测逐步回归模型并对建模结果进行了比较分析。结果表明单纯3层sym8小波包去噪可使光谱曲线平滑,但不会明显提高模型精度;一阶差分虽然放大了局部噪声,但是消除了基线漂移影响,可提高模型精度;先差分后小波包去噪比先小波包去噪后差分具有更高的峰值信号噪声比,更低的均方误差与最大误差,建模结果也显示出同样的结果。因此,先差分后小波包去噪算法可认为是一种有效的苹果叶片叶绿素含量预测光谱预处理方法。利用这一方法建立了苹果叶片叶绿素含量预测模型,获得了较高的预测精度。该研究可用于对苹果树营养状态的评价并指导按需施肥。

基于小波包收缩的心电信号除噪方法研究

文章提出了一种新的基于小波包分析的心电信号的除噪方法。讨论了小波包收缩消噪的原理、阈值的选取以及阈值的量化规则。比较了选择不同的阈值以及不同的阈值量化规则对信号消噪的效果。结果表明基于小波包分析的小波包收缩除噪技术在保持信号奇异性的同时能有效的去除心电信号的噪声。

长管道事故停泵水锤现场测试与信号分析

结合某泵站事故停泵现场测试数据,采用最大熵估计法分析压力、流量、转速等测试信号的时频特点,得出实测数据的主要污染是>50 Hz的高频噪声.利用小波包理论,采用自适应阈值方法获得无污染的去噪信号,并与快速傅里叶变换(FFT)去噪结果比较,同时进一步分析去噪后的实测信号,验证水锤仿真计算准确度以及单向调压塔防护效果.结果表明:两种去噪结果虽然波形相似,但FFT去噪同时明显削弱了峰值点的有效信号,而利用小波包理论,能够有效去除噪声污染,使去噪后的信号与原始信号保持相似性;空气阀-调压塔水锤防护措施效果明显;采用水柱分离模型,能够较为准确预测管线中出现的水锤压力峰值、最大倒流流量及最大倒转转速,为系统安全评估提供依据,但对第一次压力峰值以后的多次气穴溃灭与水柱弥合过程的模拟,存在明显误差,有待于建立更准确的数学模型.

小波包降噪方法在滑动轴承故障诊断中的应用研究

小波分析对高频信号降噪效果不明显。针对该问题,提出利用小波包分析对轴承故障信号的降噪方法,并用计算机仿真和实例分析对小波包降噪方法进行了验证。通过对小波降噪和小波包降噪方法的对比分析,表明小波包分析在降噪中的有效性。

改进小波包分析在图像噪声处理中的应用

针对图像消噪问题,提出了改进小波包分析算法。该算法对小波包分解和重构算法进行了改进,通过对小波包分解系数的重新排序,解决了由于隔点采样而引起的频带混叠问题,并对小波消噪原理进行了深入分析。通过对图像的消噪处理,该算法消噪效果优于二维小波变换和小波包分析算法,具有更为广泛的应用价值。

基于小波包分析的能量阈值消噪

白噪声的方差和幅值随着小波尺度的增加而减小,而信号的方差和幅值与小波变换无关.按照信号能量的观点,提出一种基于小波包分析对图像的高频系数和低频系数同时进行能量阈值处理的消噪方法.同小波分析相比较,该方法可以有效地消除白噪声的干扰,计算简单且有较好的消噪效果.

基于小波包变换的油液磨损信号降噪研究

为提高油液分析对润滑系统磨损状态监测的准确性和可靠性,通过采用小波包变换(WPT)对光谱和直读铁谱检测信号进行降噪,得到反映稳态和奇异状态的近似系数、细节系数,为挖掘有效诊断特征作准备。结果表明,对于油液磨损信号的降噪,小波包变换有效,且Daubechies1小波基效果最好,噪声类型很可能是未知刻度白噪声。

广义小波收缩消噪阈值选择及应用研究

阈值函数的选取以及阈值的确定是小波收缩消噪的关键问题。首先建立了小波收缩消噪的统一框架:提出小波阈值消噪的广义阈值函数,推导了广义阈值函数阈值选取方法。其次在此框架下研究了如何选取最优阈值函数以及最优阈值。用6种具有不同特性不同信噪比的模拟信号,研究了具有代表性的阈值函数以及阈值的去噪性能,得到了优化的阈值函数以及阈值选取方案。最后将这种优化的消噪方法用于实际心电信号,取得了较好的效果。

基于奇异谱分析的心音信号小波包去噪算法研究

针对传统心音去噪算法对强噪声下心音信号去噪时,易将部分心音信号视为噪声成分去除,导致有用心音信号能量损失。利用奇异谱分析方法的主成分分析特性,提出多级奇异值分解(Multi-stage Singular Value Decomposition,MS-SVD)算法用于提取心音信号的主分量(Principal Components,PC)信息;采用小波包(Wavelet Packet,WP)分析算法对提取的心音信号进行分解,并对分解所得低频系数进行自适应阈值处理,去除低频噪声;利用小波包多分辨率特性提取高频心音。实验结果表明,该算法能明显改善心音去噪性能指标信噪比(SNR)、信噪比增益(SNRG)及根均方误差(RMSE),且在不同噪声水平下的去噪性能优于传统心音去噪算法。此改进算法既能有效去除心音中噪声成分,亦能保留心音信号细节特征。

基于DTCWPT和t-SNE的去噪方法及在故障诊断中的应用

为了提取被强噪声淹没的机械设备振动信号中蕴含的微弱故障特征,依据有用信号和噪声在空间分布特性的不同,将流形学习的方法引入到信号降噪中,提出一种将双树复小波包(DTCWPT)和t分布随机近邻嵌入(t-SNE)结合的去噪方法,充分利用了DTCWPT分解的多尺度特性以及t-SNE的非线性降维能力。将振动信号进行双树复小波包分解,依据各尺度小波包系数Shannon熵值搜索最佳小波包基,利用提出的新的阈值函数,对最佳小波包基的小波包系数进行去噪并单支重构组成高维信号空间,然后,采用t-SNE提取高维空间的低维流形,对低维信号序列进一步采用阈值去噪,利用谱回归分析重构回一维信号序列。最后,通过对仿真信号与滚动轴承振动信号进行去噪,结果证实了方法具有良好的非线性去噪性能,将仿真信号的信噪比从-1提高到8.6 d B,并且能更有效的提取强噪声干扰下滚动轴承的故障特征频率。

改进小波包分析在雷达图像消噪中的应用

针对VDR雷达图像在采集、数字化和传输过程中常受到各种噪声的干扰,不利于对图像进行分析、观察和压缩的问题,提出采用改进小波包分析算法进行图像消噪处理,小波包分析具有比小波更精确的局部分析能力,但由于小波包分解的隔点采样会产生严重的频带混叠现象,文中对小波包分析算法进行改进,利用信号的频移特性,将信号进行移频处理,消除频带混叠现象,达到高质量去噪的目的;通过VDR雷达图像消噪实验证明,上述改进算法好于小波包消噪方法,更优于小波消噪方法,具有更为广泛的应用价值。

基于小波包的泵站机组振动信号特征分析

提出了一种应用小波包分析对泵站机组振动信号进行特征分析的方法。与小波分析相比,小波包分析能对信号的高频频带进一步分解,提高了频率分辨率。利用小波包对泵站机组振动信号进行了信号压缩与消噪以及奇异性分析,为诊断机组振动故障提供了决策依据。对泵站机组主轴摆度和轴承振动实测信号进行了分析,结果表明小波包分析可有效提取原始信号的特征。

新型陶瓷基复合材料粘接构件的脱粘超声检测信号处理方法

针对一种新型的陶瓷基多孔复合材料粘接结构件,利用超声C扫描系统对构件脱粘缺陷进行检测时,由于材料多孔性和各向异性导致超声数据产生强烈的声学噪声,造成重构图像边缘模糊。针对此问题,提出利用小波包时频域分析及能量谱分析的方法获取超声回波信号的频谱和能量谱特征。为增强回波信号的特征,采用自适应小波包阈值算法进行消噪处理,相较于传统的超声信号消噪方法信噪比提高了近20%,有效减小噪声信号对原始超声信号的干扰。在此基础上,对陶瓷基复合材料的粘接缺陷进行图像重建,对于直径为2 mm的微型脱粘缺陷也能够实现清晰表征。结果表明了所提超声信号处理方法的有效性,通过较大程度改善重构图像的质量,更清晰的反映了微小缺陷的边缘,从而提高了量化表征精度。

通风机振动信号的小波包阈值除噪研究

研究了基于小波包分析的阈值除噪的基本方法,并介绍了几种除噪阈限。利用小波包阈值除噪良好的时频局部化特性滤除信号中大量的噪声。通过对通风机振动信号的除噪和特征提取研究,取得了良好效果,说明小波包阈值除噪方法非常适合于信号的预处理和故障特征提取。

基于小波的心电信号噪声处理

介绍了小波分析的基本理论,并根据coiflet小波在各个尺度上的不同的带通滤波特性,利用小波变换多分辨率的特点对心电信号进行滤波.文中利用不同的阈值函数及自适应阈值对MIT/BIH国际标准数据库中的ECG信号进行了仿真与验证.通过实验证明,该算法能较好的抑制信号中的基线漂移、工频干扰和肌电干扰.

应用小波包变换和主成分分析识别亚健康状态

为了评估亚健康状态,提出一种基于心电信号小波包变换和主成分分析的亚健康状态识别新方法。采用小波包变换对心电信号进行特征提取;再利用主成分分析(PCA)对所提特征进行降维处理,以剔除特征之间的冗余信息;最后应用线性判别式分析(LDA)对亚健康状态进行分类识别。研究结果显示,该方法能获得较高的识别率,对于实现亚健康状态的评估具有一定的参考价值。

小波包分析在电脑刺绣机振动测试中的应用

在电脑刺绣机的振动测试中 ,为得到机头单独作用于横梁的振动响应 ,应用小波包分析中的频带分离技术 ,将绣框运动带来的振动响应作为噪声从整机运动的振动信号中分离出去 ,并通过相关性分析 ,证实了降噪后的信号与噪声的相关系数下降了 38%。