多层清除重复间隔阈值的EMD去噪及其应用

为了更好地提升经验模式分解(empirical mode decomposition,EMD)对于Mie散射激光雷达信号的去噪效果,提出了一种多层清除重复间隔阈值(EMD-MCIIT)的EMD去噪方法.首先,对多层固有模态函数(intrinsic mode function,IMF)进行去噪,应用alter函数对信号分量进行改变.然后,应用重复间隔阈值(EMDIIT)对信号进行滤波.通过信号仿真以及Mie散射激光雷达真实回波信号的实验进行验证,与传统的EMD阈值方法进行比较,结果表明该方法可以有效地去噪,信噪比有了较大的提升,因此具有很好的应用前景.     

基于EMD-TFPF的仿生偏振光罗盘去噪方法

为了提高仿生偏振光罗盘定向精度,降低罗盘在进行航向角测量时存在的高斯白噪声,基于经验模态分解(EMD)和时频峰值滤波(TFPF),设计了一种用于仿生偏振光罗盘的EMD-TFPF联合去噪方法.在去噪过程中,首先将含噪声的航向角信号分解为不同的模态,对不同模态采用不同窗长进行时频峰值滤波,进而改善了单一窗长去噪对有用信号造成的衰减,有效提高了去噪算法的自适应能力.经过机载实验验证,采用该方法去噪后的仿生偏振光罗盘可以实现定向精度0.3259°,比原始信号精度提升了18.4％.     

一种改进阈值法陀螺信号消噪的研究

在光纤陀螺输出信号时,使用小波包消噪法可以在各尺度上更加细致地对噪声进行抑制.这里分步估计陀螺信号中白噪声和分形噪声的强度,根据各尺度噪声强度对各层阈值进行自适应调节,并提出一种连续的阈值量化函数,克服以往软、硬阈值函数存在的不足.仿真结果证明,与通用阈值消噪法相比,新阈值法能更好地去除随机噪声,对于不同信噪比信号均表现出较好的性能.     

光纤陀螺噪声对惯导系统精度影响的小波分析

针对当前典型光纤陀螺捷联惯导系统,研究了低动态条件下光纤陀螺输出信号的噪声特性,运用小波多尺度变换方法进行了噪声各频段分量对导航精度影响的深入研究及仿真分析,然后采用小波阈值去噪方法进行了实测数据滤波的有效性验证。结果表明,光纤陀螺噪声的低频段部分是影响导航定位误差的主要因素,而对陀螺高频段噪声的滤波措施对导航精度影响甚微。     

基于PSO-RWE的自适应小波阈值函数滚动轴承振动信号去噪方法

针对现有小波去噪方法存在阈值函数中未知参数选取依赖经验,导致去噪不充分或去噪后信号失真的问题。提出了一种基于相对小波熵(RWE)的粒子群优化(PSO)算法,用于小波阈值函数中未知参数的自适应寻优,达到滚动轴承振动信号自适应降噪目的。改进了一种含两未知参数的小波阈值函数;以相对小波熵为优化算法的适应度函数对未知参数进行自适应寻优,得到最优小波阈值函数;通过对模拟仿真信号和试验采集的滚动轴承振动信号进行分析。结果表明:优化后的小波去噪方法能够更好地将噪声从染噪信号中滤除,去噪后信号波形的平滑度更好,信噪比相较硬阈值去噪提高294%,而且保留了原始信号更多的细节特征,具有更好的去噪性能和应用实用价值。     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

小波消噪在测试信号处理中的应用

结合某测试信号,介绍了阈值消噪的三种方法：强制阈值、默认阈值和给定阈值。通过分析不同阈值消噪后信号波形,计算消噪信号的信噪比、均方根误差和相关系数,对几种方法的准确度进行了对比。结果表明,通过合理选择小波分解的尺度,对小波系数进行阈值重构,能有效地去除信号中含有的噪声,而选用不同规则下的阈值函数或者同一阈值函数对小波系数的处理方式不同,消噪的效果会有很大差异,而阈值函数的选取,更应充分考虑信号的实际特征。     

一种基于稀疏分解的静电信号去噪方法

介绍了发动机静电监测技术的原理,对静电监测信号的复杂噪声成分和类型进行分析,总结了以往经典去噪方法的不足。针对静电信号复杂噪声滤除问题,提出了一种基于稀疏分解理论的静电信号去噪方法。分析了基于稀疏分解的静电信号去噪方法流程;以所构建仿真信号和实测试车静电信号作为分析对象,利用所提方法进行了去噪分析与实例验证,并与其他经典方法的去噪效果进行了对比。结果表明:基于稀疏分解的静电信号去噪方法具有很高的灵活性,能对信号背景中包含的高斯白噪声以及工频干扰噪声能够进行有效地去除,同时能够对于有用脉冲信号的成分进行保留,针对复杂静电信号去噪问题具有良好的应用效果。      

用于提高辨识效果的颤振试验数据小波去噪

准确估计模态参数在飞机颤振边界的预测中具有重要意义。为了提高频域辨识算法的辨识效果,提出了一种用于颤振飞行试验数据处理的小波去噪方法。该方法引入梯度倒数加权滤波器对数据进行预处理,处理后的数据运用冗余小波进行小波分解,然后对输入信号在不同尺度下分别进行阈值降噪,对输出信号则采用了一种改进的小波空域相关滤波法去噪。最后通过仿真计算和实际数据证明该方法有效。     

小波去噪法在复合材料变形测量中的应用研究

为了提高数字散斑相关方法（DSCM）在复合材料变形测量中的精度,将数字散斑技术与小波去噪技术相结合,采用阈值去噪法对小波系数进行阈值量化处理,并进行复合材料的拉伸试验,同时使用DSCM及引伸计进行测量,再使用该小波去噪法对DSCM测量的结果进行去噪,并与引伸计所测结果相比较。结果表明：去噪后的DSCM的测量结果与引伸计测量的结果吻合得更好,精度更高,说明该小波去噪法能够较好地去除数字散斑相关测量和计算中的噪声。     

基于自适应分段混合系统的轴承故障诊断

针对强噪声背景下轴承早期故障的诊断问题,提出一种基于自适应分段混合随机共振（adaptive piecewise hybrid stochastic resonance,APHSR）系统的检测方法。采用经验模态分解法（EMD）进行信号预处理,分别采用能量密度法和相关系数法去除高、低频噪声,自动筛选最优固有模态函数,经尺度变换后输入分段混合随机共振系统模型,提取故障信号。工程实验显示:经过APHSR系统,轴承故障特征频率的频谱幅值、频谱幅值与周围最大噪声之差和最大信噪比（SNR）均高于经验模态分解和经典随机共振方法,其中齿轮箱故障轴承信噪比分别提高了9.579 dB和7.473 dB,转子故障轴承信噪比分别提升了8.597 dB和5.695 dB,对凯斯西储大学故障轴承数据处理后的信噪比分别提升了3.369 dB和17.043 dB。数据表明APHSR方法具有高效性,提高了轴承故障信号诊断能力。      

基于改进圆域分割方法的混沌微弱信号检测

针对Melnikov方法和Lyapunov指数法在确定Duffing振子混沌阈值时计算繁琐、耗时较长的问题,提出基于改进圆域分割的相图识别方法。以圆域内相点比例为指标,利用其在系统相变时急剧变化这一特性进行微弱信号的检测。改进圆域分割方法的圆域半径取值更加灵活,使混沌阈值的确定更加方便。仿真实验表明,信噪比为-60 d B时检测正确率达89%,验证了该方法的有效性。     

非参量量化秩检测器的性能研究

 许多作者讨论过非参量秩检测器在雷达信号处理中的应用。秩检测器首先把接收波形样本转换为秩。如果检验单元和参考单元的噪声样本独立和分布,则无信号时检验单元的秩具有离散均匀分布,与输入噪声的分布无关。所以秩检测器可能提供分布自由的恒虚警率性能。量化秩检测器（QRD）只对二进量化秩进行积累,所以它实现起来很经济。本文分析QRD的检测性能。证明QRD有一最佳秩量化门限（ORQT）。确定高斯和韦伯噪声中的ORQT。另外,把QRD同高斯噪声中的局部最佳秩检测器和最佳参量检测器进行比较。     

EMD和SVM在刀具故障诊断中的应用

与传统方法相比,声发射传感器在刀具故障诊断方面有很大的优势。将声发射传感器应用于刀具切削过程中,提出了基于经验模态分解（EMD）和支持向量机（SVM）的刀具故障诊断方法。该方法首先对标准化的声发射信号进行经验模态分解,将分解后的有限个固有模态函数（IMF）通过一定的削减算法增强故障类型特征,把每个IMF和残余项的能量以及整个信号的削减比作为特征向量,最后将特征向量输入支持向量机进行训练和测试,判断刀具的故障类型。通过对某一刀具的故障诊断结果进行分析,验证了该方法的实用性和有效性。     

一种高动态低信噪比下载波快速捕获跟踪方法

针对高动态、低信噪比的接收信号,首先对整个多普勒频率范围进行分段,并在每一段内利用本地产生的带有多普勒频率变化率的复信号来抵消接收信号中多普勒频率变化率的影响,然后在每一段内利用FFT（FastFourierTransform,快速傅里叶变换）进行载波频率并行捕获,从而同时完成载波多普勒频率及其变化率的初步估计。利用载波多普勒频率及其变化率估计信息辅助锁频环快速入锁,进而利用锁频环辅助三阶锁相环完成载波信号的锁频锁相跟踪。使用这种方法,可以快速获取信号的多普勒频率及其变化率信息,并且在极短时间内完成载波的稳定跟踪,使接收设备具备快速捕获跟踪大动态弱信号的能力。     

民航行李X光安检图像自适应小波去噪算法

对X光安检图像进行去噪处理可以更清楚地显示出危险物。针对传统小波软硬阈值去噪方法的缺陷．给出了一种自适应阈值的去噪方法,在此方法中,首先进行软硬阈值的折中处理,然后分别对大于和小于阈值的两部分进行自适应处理。利用Tennessee大学提供的实际采集的X光安栓图像进行实验,结果表明该方法能有效地去除安检图像中的噪声,图像去噪后的信噪比、峰值信噪比分别是25．2229dB、27．708dB．与含噪图像相比分别增加了7．7253dB和7．739dB。因此该方法表现出较高的去噪性能。     

子波域自适应滤波方法

推导和给出了噪声能量阈值的理论计算公式,并提出了一种实时估计信号噪声方差的有效方法,从而构成形式完整和实用的自适应相关计算子波阈滤波算法。仿真计算和分析表明：给出的方法具有良好的自适应性能和显著的滤波效果,在有效去除噪声的同时,很好保留了信号的主要细节。     

基于变步长LMS算法的线性调频引信噪声抑制

利用自适应滤波技术,研究了线性调频引信通带内噪声的抑制问题。根据线性调频信号与噪声可预测性的差异进行噪声抑制,分析了噪声抑制原理。仿真结果表明,在SNB=-5dB时仍然可以达到很好的噪声抑制效果;在算法收敛的条件下,信噪比越小,噪声抑制对信噪比的相对改善越大。     

激光多普勒流速仪系统参数优化实验研究

为获取激光多普勒流速仪光电倍增管电压、脉冲信号阈值和信噪比等级等系统参数对测量结果的影响,在自循环环形水槽中,采用对比实验,测量了相关系统参数对采样数据率、时均流速和脉动流速的影响程度。实验结果表明：光电倍增管电压在570-630V时脉动流速测量结果相对稳定;较低的脉冲信号阈值能提高采样数据率,实验时应根据采样数据率进行调节;信噪比等级对时均流速和脉动流速无影响,等级为Very Low时能满足水流实验需要。优化激光多普勒流速仪系统参数设置,将提高采样数据率和测量精度。