基于小波变换的信号降噪处理

在介绍小波变换的消噪原理和方法的基础上,研究了影响小波变换降噪效果的两个主要因素：小波基函数和分解尺度。通过模拟的方法对同一信号分别采用db小波和sym小波进行降噪处理;以及用相同的小波基函数,采用不同的分解层数,对其降噪处理。     

基于提升小波变换的矿区地表形变监测数据处理研究

利用全球导航卫星系统（Global Navigation Satellite System,GNSS）对矿区地表形变进行监测时,获取的形变信号常含有较多的无效信息,严重影响了有效形变信息的提取.为了解决该问题,在现有研究成果的基础上,以河南某矿区的GNSS监测数据为研究对象,将提升小波变换方法引入到GNSS监测数据处理中,对多个监测点的监测数据进行了提升小波降噪及分解解算处理,并通过对比试验验证了提升小波降噪解算方法的有效性.结果表明,矿区复杂环境下的GNSS监测数据中包含大量的噪声信息,若直接进行解算容易导致获取的形变量失真,而利用提升小波变换对GNSS监测数据进行降噪处理之后再进行解算,有助于减少干扰噪声的影响、分离出有效形变信息、提高GNSS监测数据的解算精度和稳定性.本研究可为GNSS监测数据的处理及矿区地表形变监测提供参考.     

基于小波变换的车窗防夹系统电流降噪与特性分析

由于汽车防夹车窗在运行过程中受到外界干扰,使得电机电流信号中存在诸多谐波分量,导致系统难以从中分辨出有用信息。利用小波对信号时频处理的特点,提出了车窗防夹系统电流的小波变换。在Matlab/Simulink环境下进行系统建模,将采集的电流信号进行多分辨率分析。具有3阶消失矩的db3小波函数对干扰电流进行分解,进而对信号降噪及重构。采用正交性较好的db1小波函数对含有障碍物阶跃信号的电流进行小波变换,仿真结果表明:细节图能直观地识别出电流信号中障碍物信息特征,为车窗防夹系统的改进提供了一种新的研究方法。     

基于压缩传感的灰度图像水印算法

将水印图像采用压缩传感OMP算法进行一维小波逐行观测,生成观测矩阵,以观测矩阵做为嵌入水印,将原始载体灰度图像进行DCT变换后,选取低频信息段作为水印嵌入位置,然后将水印信息进行变换图像置乱处理,并采用基于奇异值的分解算法嵌入到原始载体灰度图像中.实验结果表明,此算法能够抵抗一定的几何攻击,对JPEG压缩、噪声攻击的抵抗能力有待进一步提高.     

基于小波包变换的三维荧光光谱数据压缩方法

基于db小波包变换,采用频率分级阈值方法对三维荧光光谱数据进行了压缩。建立了数据的小波包分解树,根据对数能量熵最小原则确定最优树,通过频率分级阈值方法对最优树中的小波包系数进行压缩,并且用实验获取的数据加以验证。实验结果表明,和小波变换相比小波包变换能够更有效地保留数据的细节信息。通过和其他阈值法比较可知,频率分级阈值法具有更好的压缩率和数据恢复能力,其压缩分数达到90%,恢复分数大于98%,谱线相对误差小于1%。平行因子分析重构光谱与原始光谱的结果表明,小波包压缩能有效保留有用信息。     

小波变换在信号降噪处理中的应用

本文在介绍小波变换的消噪原理和方法的基础上,研究了影响小波变换降噪效果的两个主要因素:小波基函数和阈值。通过模拟的方法对同一信号分别采用db小波和sym小波进行降噪处理;以及用相同的小波基函数,采用不同的阈值,对其降噪处理。     

小波变换在行驶工况构建用车速数据处理中的应用研究

在以车载测试技术为主要手段的车辆实际道路行驶工况构建过程中,车速这一行驶数据具有数据量大、采样频率高等特点,需要借助计算机来完成相应的处理工作。原始车速数据中包含着大量的噪声和由于采样率高于所需精度产生的冗余,对信号进行一维离散小波变换,得到信号的高频和低频系数,并利用小波分层阈值降噪和小波分解域量化压缩实现信号的降噪与压缩。文中以采样周期7天的一段ECU车速数据为例阐述了一维离散小波变换在车速数据处理过程中的应用,结果表明采用该方法对车速数据进行降噪压缩具有较好的效果,可以增强短片段中速度、加速度等特征参数的差异性,改善聚类效果。证明一维离散小波变换在识别去除车速信号中噪声和冗余的有效性和正确性。     

小波变换在行驶工况构建用车速数据处理中的应用

在以车载测试技术为主要手段的车辆实际道路行驶工况构建过程中,车速这一行驶数据具有数据量大、采样频率高等特点,需要借助计算机来完成相应的处理工作。原始车速数据中包含着大量的噪声和由于采样率高于所需精度产生的冗余。对信号进行一维离散小波变换,得到信号的高频和低频系数,并利用小波分层阈值降噪和小波分解域量化压缩实现信号的降噪与压缩。以采样周期7 d的一段ECU车速数据为例阐述了一维离散小波变换在车速数据处理过程中的应用,结果表明采用该方法对车速数据进行降噪压缩具有较好的效果,可以增强短片段中,速度、加速度等特征参数的差异性,改善聚类效果。证明一维离散小波变换在识别去除车速信号中噪声和冗余的有效性和正确性。     

基于上下文模型的混合傅里叶-小波图像降噪方法

针对小波变换和傅里叶变换去除图像噪声时各具不同的优点和不足,提出一种基于上下文模型的混合傅里叶-小波图像降噪方法.首先在傅里叶域中估计原始图像的功率谱密度,运用维纳滤波器降噪,降低原始图像噪声水平;再在小波域中通过基于上下文模型的自适应阈值法去除剩余噪声;在小波域中使用平稳小波变换分解图像信号得到分解后的系列小波系数,根据小波系数间的相关性,利用上下文模型求取小波系数的方差,将其代入由GGD模型估计出的阈值表达式得到自适应阈值,再用软阈值函数对小波系数进行处理,最后将处理后的小波系数进行小波逆变换完成去噪.仿真结果表明:该方法不仅能够有效滤除图像噪声,而且能够保留图像的边缘细节信号,抑制降噪引起的吉布斯现象.     

小波变换对汽车发动机异响信号的降噪处理方法

采用小波变换软阈值去噪的方法,对汽车发动机异响的原始信号进行分解和降噪处理。结果表明,小波去噪的方法具有很好的效果,能够满足工程实际的需要,为进一步分析异响信号获得了噪声极小的有效数据。     

基于小波变换的随钻测试数据降噪方法研究

为消除随钻测试装置采集信号中的噪声,给工程人员提供准确的现场信息,提出了基于小波变换的方法对随钻测试数据进行降噪处理。首先,根据含噪声的随钻测试数据模型建立起小波变换降噪的基本流程。其次,在对含噪信号的小波变换特性分析的基础上,运用自相关函数对其在小波变换尺度空间中进行白噪声检验,确定小波最优分解层数。在分析对比小波降噪阈值的不同选取方式后,采用广义交叉确认理论来计算最优降噪阈值,从而在对信号降噪的同时还最大程度地保留了信号的有效特征成分。最后给出了基于该方法小波变换的随钻测试数据降噪的详细步骤,对实测的钻压和扭矩数据进行了小波降噪,取得了良好的降噪效果,为钻井工程后续分析提供了可靠的数据支撑,证明了本方法的优越性。     

基于小波变换的双通道脉冲耦合神经网络图像融合

提出了一种基于小波变换的双通道脉冲耦合神经网络的图像融合方法.先使用小波变换的方法来分解配准后的各个源图像,进而得到各个源图像的低频分量和高频分量,再把得到的低频和高频系数进行融合处理,使用高斯加权平均的低频融合规则来处理低频子带,利用双通道脉冲耦合神经网络的融合规则处理各高频子带,链接系数为图像的清晰度.融合后的小波系数取决于点火图和点火次数的多少,最后的融合图像由小波逆变换得到.实验结果表明,该方法能更有效地提取原始图像的特征信息,在主观视觉效果以及客观性能指标上较传统算法都有所改善.     

基于小波变换的离子迁移谱信号处理技术

针对离子迁移谱信号受到噪声干扰的现状,本文提出利用小波阈值降噪的方法对离子迁移谱原始信号进行降噪处理.建立了基于小波变换的阈值降噪模型,以图谱中的1ng TNT信号为实验对象,对阈值计算原则、阈值处理方法以及小波基的选择进行了优化.结果表明：采用sym5小波,将原始信号进行3层分解后,根据固定阈值原则（Universal）获得的阈值,按照软阈值方法对小波系数进行处理并重构,原始信号中的噪声可以得到有效抑制.     

冗余提升多小波包的构造及其应用

针对提取隐藏在原始振动信号中的弱周期性冲击信号,提出结合冗余提升多小波包(RLSMWP)及滑动窗奇异值分解(SWSVD)降噪的方法。利用提升方案实现具有5阶逼近阶性质的冗余Haar预处理,对信号进行预滤波,获得2重矢量信号。对多小波分解得到的矢量细节信号进行进一步分解,实现冗余提升多小波包变换。对最后一层各输出通道信号进行SWSVD降噪,重构后获得降噪信号。结果表明,RLSMWP与SWSVD相结合具有很好的降噪效果,提取出了隐藏在气阀振动信号中的弱周期性冲击成分;与传统多小波构造方法相比,新方法在时域实现了预滤波、多小波分解、多小波重构及后处理,具有计算简单、节省内存、运算速度快、可完全重构等优点。     

小波变换在信号降噪中的应用

介绍采用小波变换进行信号降噪的原理；利用小波分解和重构函数对轧机主传动轴应力和扭矩信号进行降噪处理。结果表明，其降噪效果良好。     

基于小波去噪理论的拉曼光谱数据处理

利用光谱仪采集得到四氯化碳的拉曼光谱信号,针对光谱数据量大,干扰信息与有效信息并存,不利于对光谱数据进行定性定量分析的问题,采用小波阈值去噪的方法对原始拉曼光谱进行去噪处理,结果表明：小波硬阈值法可获得最优去噪质量,当小波基函数为db2,尺度分解为4,阈值量化为‘Heursure’,硬阈值处理,重构光谱的信噪比最大,均方根误差最小.研究表明：采用小波硬阈值法能有效去除四氯化碳拉曼光谱信号的噪声,最大程度保留其拉曼光谱特征信息.     

改进双树复小波变换和高阶累积量的齿轮箱信号降噪方法

采用传统阈值降噪方法对小波系数分别进行软、硬阈值处理时在强背景噪声下提取的齿轮箱故障振动信号效果不理想,且实、虚部分离的阈值处理方法会引起局部相位失真。利用双树复小波变换的平移不变性,提出了双树复小波变换和高阶累积量的齿轮箱振动信号降噪方法。对分解和单支重构后的各双树复小波系数采用了四阶累积量的处理方法,根据信号和噪声的统计特性进行信噪分离。由于小波分解层数会直接影响信号的去噪效果,因此,采用粒子群算法优化小波的分解层数。仿真和实验信号处理结果表明:该方法与双树复小波变换的软、硬阈值处理方法相比,在不同信号和噪声水平下更能有效地抑制噪声干扰,提高信噪比,并且能够满足实验中对采集到的振动信号进行特征提取的需求。     

基于小波变换的图像自适应水印

提出了一种基于小波变换的图像自适应水印嵌入方法。此方法对原始图像进行小波分解,在每一个低频系数中嵌入一位水印信息,嵌入时根据低频逼近系数和高频系数的特点以及树结构关系,给每一个低频系数确定一个相关掩蔽参数,并用此参数控制其对应低频系数嵌入水印时的相对修改强度。实验表明：使用该方法嵌入的数字水印具有很好的隐蔽性,感觉不到对原始图像的影响。同时,嵌入的数字水印具有较理想的鲁棒性,常规的图像处理方法对其影响甚弱。     

基于VMD降噪的RV减速器故障诊断

针对RV减速器内部构造复杂、采集到的振动信号受噪声影响严重及低频故障特征难以提取的问题,提出一种基于小波降噪结合变分模态分解(Variational Modal Decomposition, VMD)的故障诊断方法。首先利用小波降噪法对含噪声的振动信号进行降噪;再通过变分模态分解得到不同频率范围的模态分量(Intrinsic Mode Function, IMF),计算各目标分量的峭度值和信噪比,选出目标分量并进行快速傅里叶变换(Fast Fourier Transform, FFT);最后通过减速器模数确定特征频率,可以准确定位RV减速器的故障点。结果表明：该方法较传统的频谱分析可以更有效地提取故障信息,解决了噪声干扰、低频信号调制等问题。     

小波变换技术在电机故障诊断上的应用

电机失效的主要原因是电机轴承故障,以电流信号为基础的谱分析方法,反映故障的谐波分量幅值较小,容易被基频和电流噪声淹没.采用小波变换技术对电机轴承类故障进行诊断,将传感器采集到的振动信号用db10、db1、db5正交小波基进行4层小波分解,并对第1层细节信号d1作Hilbert包络和谱分析.实验结果表明:小波分解方法能够检测出轴承故障的特征频率,db1正交小波基得到的故障频率最为明显,与传统方法相比,小波技术在电机故障诊断中具有很大优越性.