基于奇异值分解的连续小波消噪方法

针对小波软阈值消噪的缺点,提出了一种基于奇异值分解的连续小波消噪方法.通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分.通过仿真数据的对比分析和工程测试信号的应用,表明该方法适用于冲击成分信号的提取,与软阈值消噪法相比,它提取出的信号特征成分更完整,信噪比更高.     

采用集合经验模态分解和改进阈值函数的心电自适应去噪方法

针对心电信号中存在基线漂移、工频和肌电干扰等噪声对后续的分析和诊断带来干扰的问题,提出了集合经验模态分解(EEMD)改进阈值函数的心电自适应去噪方法。运用EEMD将含噪心电信号分解得到一组由高频到低频分布的固有模态函数(IMF)。采用过零率自适应判断各IMF的噪声类别:若IMF包含高频噪声,采用结合软硬阈值优缺点所提出的改进阈值函数以去除IMF分量中的高频噪声;若IMF包含低频的基线漂移,则采用中值滤波器抑制基线漂移。最后将处理后的IMF分量叠加,即可重构去噪后的心电信号。实验结果表明,与已有的小波阈值法去噪后的信噪比(SNR)和均方根误差(RSME)对比,所提方法对心电信号去噪效果更加显著,而且能完整地保留波形特征。     

小波熵阈值的心电信号去噪及R波检测算法

针对心电信号去噪问题,首先利用小波变换分解心电信号,计算小波分解后信号子带区间的小波熵,将小波熵和小波阈值相结合确定各层高频小波系数阈值门限。用阈值门限以及折中指数自适应阈值函数处理带噪的心电信号,并用bior3.7小波对去噪后的心电信号进行R波峰值定位,最后与原信号R波峰值位置对比。用本方法先对MIT/BIH心率失常心电数据库中117号心电信号去噪,之后与无偏风险阈值、固定阈值、启发式阈值和极大极小阈值去噪算法的性能比较。比较结果表明:当输入信噪比为9.724 7 dB时,小波熵阈值去噪法得到信号的输出信噪比为17.294 1 dB,其输入输出信噪比曲线明显高于其他4种传统阈值去噪法的输入输出信噪比曲线,且其R波检测结果更加精确。     

心电信号小波分析

心电信号是一种非平稳并具有很多奇异点的微弱信号。小波变换中的模极大值消噪法具有非线性及自适应性,小波的这种特性对于类似于心电信号这种非平稳微弱信号是十分适用的。针对传统的消噪方法在处理心电信号时的局限性,研究了小波变换的时-频局部化特性及基于多分辨率分析的信号小波分解和重构算法———Mallat算法。采用小波分析的模极大值法实现对QRS波R峰值点的检测,以及对心电信号的消噪处理。通过试验研究可知,运用小波进行QRS波检测,QRS波的识别率高达99.9%,经过消噪重构后的心电信号信噪比较原始信号有较大提高。     

基于小波变换的皮电信号滤波及奇异性检测

皮电信号(GSR)是心理测试的重要参数指标,信号的奇异点包含着皮电信号的幅度变化、突变时间及持续时间等重要特征且信号具有非平稳,超低频等特点,传统的信号处理方法不能有效地对其进行滤波并进行奇异点检测,甚至将包含重要信息的奇异点信号滤除。本文采用小波变换来处理皮电信号,选用Daubechies小波系将皮电信号分解为一个近似皮电信号和相应的细节成分,完成对皮电信号的去噪处理且对几种小波消噪方式进行了比较得出适合于皮电信号的消噪方法,最大限度地保留了奇异点的完整性。消噪信号利用李普希兹指数(Lipschitz)通过模量极大值和微分对相对应心理变化引起的皮电信号第一类间断点和第二类间断点进行了检测,通过间断点推断皮电信号的突变时间和持续时间,实现心理特征自动检测用于心理评估。     

双模噪声背景下多阈值小波包在信号消噪中的应用

针对一类非高斯噪声——双模噪声信号进行消噪时,传统小波变换和小波包变换在选取恰当阈值准则及阈值量化时存在困难,通过详细分析双模噪声信号结构及频率分布特征,在将小波包分解频带按照频率顺序排列且通过比较最底层子空间节点能量大小的基础上,提出一种将频带进行多分段的多阈值小波包消噪方法.实验结果表明:在双模噪声且信噪比相同情况下,该方法比传统的多尺度小波软阈值、小波包自适应阈值消噪效果都优越,是一种非常有效的信号消噪方法.     

希尔伯特黄改进算法在语音增强中的应用

语音信号在传输过程中常常受到传输系统或周围环境的噪声影响而无法识别说话者的内容。为了尽可能消除语音中的噪声,提高语音的信噪比及清晰度,提出了一种基于奇异值分解的希尔伯特黄消噪算法。该算法对带噪语音信号进行经验模态分解,得到各阶固有模态函数,在对各阶固有模态函数分量分析的基础上,利用软阈值和奇异值算法相结合的方法来达到语音消噪的目的。这种分阶消噪算法可以尽可能的除去噪声,提取出纯净的语音信号。通过大量的仿真结果可以证明:该算法在语音消噪应用具有可行性,而且优于传统语音消噪方法。     

3σ准则在小波消噪中的应用

小波多尺度分解是一种有效的信号去噪方法。对于非平稳信号的消噪，主要是选取合适的小波及每层小波系数的阈值。笔者讨论了小波消噪的机理，并提出一种新的取阈值方法。对于含噪声的非平稳信号，信号的慢变化部分主要体现在小波分解的低频系数中，而信号的突变部分和噪声主要反映在各层的高频分解系数中，利用电子测量中的3σ准则，可有效地将信号突变部分和噪声区分出来，从而在消除 同时保留信号的突变部分。     

基于新阈值函数的二进小波变换信号去噪研究

由于二进小波变换的小波基函数存在着一定的冗余,基于二进小波变换的去噪效果要好于离散小波变换的信号去噪·噪声阈值的准确估计和阈值函数的选择对去噪精度有着显著的影响·在分析高斯噪声的二进小波变换特性基础上,提出了一种改进的二进小波变换去噪方法·采用一种新的阈值函数,克服了Donoho软阈值方法中估计小波系数与分解小波系数存在恒定偏差的缺陷·仿真结果表明,改进的二进小波去噪方法不仅可以有效地抑制信号奇异点处的pseudo-Gibbs现象,而且消噪精度高于传统的软硬阈值方法·     

基于双阈值小波变换在雷达测试数据处理中的应用

针对雷达测试数据中存在大量噪声和野值的问题,分析了雷达测试数据噪声、野值产生的原因及其在小波域上的特性,根据此特性提出基于显著检验水平的准则野值判别方法和小波阈值消噪的新双阈值函数.利用此双阈值对数据小波变换细节分量进行处理,然后重建原数据,从而达到消噪、去野值的目的.与小波默认阈值消噪相比,此方法对野值的剔除效果显著,消噪后的信噪比有较大提高.     

基于神经元的异步电机直接转矩控制系统速度辨识

为避开传统的模型参考自适应(MRAS)方法需要求解反馈增益矩阵的问题,在直接转矩控制理论基础上,基于DSVM-DTC系统,在静止两相α-β坐标系下建立异步电机数学模型,推导出定子电流状态方程,并转化为带有5个输入节点、1个输出节点的神经元定子电流自适应辨识可调模型.采用Window-Hoff学习规则,推导出速度辨识公式,把辨识出的速度估计值反馈回可调模型中,在线修改可调模型参数,使其输出的定子电流估计值逼近于实时检测的定子电流,产生自适应性,提高定子电流和电机转速的辨识精度.最后,使用37 kW异步牵引电机参数在Matlab/Simulink软件平台上进行仿真.仿真结果表明:辨识转速能够准确地跟踪实际转速,动态响应性能好,尤其当参数发生突变时,系统具有很好的鲁棒性,并且实现简单.     

基于自适应扩展Kalman滤波器的永磁同步电机无速度传感器控制

通过引入一种基于Sage-Husa噪声估计器的自适应扩展Kalman滤波器,给出了一种永磁同步电机无速度传感器控制方案.选取定子固定坐标系下的电机模型,首先得到了基于扩展Kalman滤波器的永磁同步电机转速估计方程.在此基础上,结合Sage-Husa噪声估计器,得到了基于自适应扩展Kalman滤波器的永磁同步电机转速估计方程.仿真结果表明,基于自适应扩展Kalman滤波器的方法,不仅可以准确地估计出电机的转速和转子位置,而且可以自适应确定扩展Kalman滤波器的一个关键参数——系统噪声协方差矩阵.与传统的扩展Kalman滤波器方法相比,本方法具有更好的实用性.     

一种新型无速度传感器矢量控制PMSM系统

针对永磁同步电机速度估算及定子电阻变化引起的稳定性问题,根据模型参考自适应控制法的原理,在同步旋转坐标系下,提出永磁同步电机转速估算与定子电阻辨识的自适应律,建立永磁同步电机无速度传感器矢量控制系统及定子电阻在线辨识的数学模型.通过控制系统简化,确定调速控制系统中电流调节器与速度调节器的传递函数,并对电流调节器与速度调...     

基于极坐标的异步电机新型参数辨识方法

在异步电机矢量控制系统中,电机参数的准确性严重影响着系统的控制性能。利用极坐标方法,研究了一种异步电机新型参数辨识的方法。系统的电压、电流、频率、相位角均能够通过软件来实现。基于SVPWM算法,向电机施加相应电压信号,并利用极坐标方法,简化了参数计算过程,即通过直流斩波实验、单相实验和空载实验实现对电机定子电阻、转子电阻、定子漏感、转子漏感以及互感的测试。实验结果证明,该辨识方法得到的参数准确性高,且模型简单,计算量小,易于实现。     

永磁同步电机直接转矩控制系统

针对永磁同步电机直接转矩控制系统,首先阐述了直接转矩控制原理,它是在维持定子磁链幅值恒定的前提下,通过电压空间矢量来调节定子磁链的旋转速度,从而控制转矩和转速.其次,在此理论基础上,简单地建立了系统的模型,说明了它的工作过程以及与异步电机直接转矩控制系统的不同.最后用SIMULINK仿真软件对其进行了建模和仿真,仿真结果表明了直接转矩控制应用于永磁同步电机的正确性和可行性,永磁同步电机直接转矩控制系统具有良好的稳态跟踪性能和优异的动态响应.     

基于Fuzzy-PI和MRAS的异步电机变频调速系统的设计与仿真

针对PI调节器和有速度传感器的异步电机矢量控制系统,提出Fuzzy-PI和MRAS相融合的无速度传感器的变频调速系统.以转子磁链的电流和电压模型分别计算得到转子磁链的期望值和估计值,构建了基于MRAS的转速辨识方程,根据比例、积分参数的特点,建立一套与转速调节器相匹配的Fuzzy-PI算法,并利用MATLAB/Simulink软件,搭建了异步电机变频调速系统的仿真模型.仿真实验结果表明Fuzzy-PI和MRAS相融合的无速度传感器的变频调速系统具有响应速度快、超调量小、辨识精度高等优良品质,为异步电机的调速系统提供一种新思路.     

感应电动机直接转矩控制系统的模型参考自适应辨识

针对直接转矩控制的感应电动机调速系统，由于电机参数变化引起的低速特性不稳定问题，采用模型参考自适应辨识的方法，推导了一种基于感应电动机直接转矩控制系统的定子磁链自适应辨识方法。根据磁链的辨识值计算出电磁转矩；并讨论了感应电动机部分参数变化时引起磁链变化导致的转速动态变化；最后给出了在MATLAT／SIMULINK环境下的仿真结果。证明所提出方案可以较好地解决直接转矩控制的调速系统在低速范围内的静差问题。     

感应电动机模型参考自适应辨识及其应用

针对直接转矩控制的感应电动机调速系统由于电机参数变化引起的低速特性不稳定问题，推导了一种基于感应电动机直接转矩控制系统的定子磁链自适应辨识方法。根据磁链的辨识值计算出电磁转矩；并讨论了感应电动机部分参数变化时引起磁链变化导致的转速动态变化和自适应律调节器中参数的调节规律，最后给出了在MATLAB／SIMULINK环境下的仿真结果，证明所提出方案可以较好地解决直接转矩控制的调速系统在低速范围内的静差问题。     

基于无功功率模型的异步电机矢量控制系统转子时间常数辨识

针对异步电机矢量控制系统受电机参数变化影响大的问题,采用模型参考自适应系统(MRAS)在线辨识电机转子时间常数.为了增强辨识方法对定子电阻的鲁棒性,提高辨识精度,根据转子磁链模型构造无功功率模型建立MRAS,采用Popov超稳定性理论设计自适应规律,得到基于无功功率模型的转子时间常数辨识方法,抑制定子电阻变化对辨识精度的影响,将该转子时间常数辨识方法应用于异步电机矢量控制系统.仿真结果证明:MRAS有效地提高了矢量控制系统性能,转子磁链轨迹趋于圆形,电流谐波分量明显减少;转子磁链观测误差明显降低,其平均绝对误差相对值为2.87%;转矩脉动大大降低,其平均绝对误差相对值为2.09%.     

粒子群算法优化神经网络的异步电机转速估计

在异步电机的矢量控制系统中,电机的转速检测是必不可少的,并且转速检测的精度直接影响磁场定向的准确性。讨论了各种无传感器速度辨识方法的特点,利用BP神经网络对异步电机转子转速进行辨识,通过粒子群算法优化使BP神经网络获得更好的网络初始权值和阀值,在此基础上利用Matlab/Simulink建立一个异步电机矢量控制系统,仿真结果表明这种方法能较好地辨识异步电机转子转速,系统具有良好的动态性能,对系统参数变化具有较强的鲁棒性。