VMD-HD-KT去噪法在管道泄漏信号中的去噪应用

针对变分模态分解(VMD:Variational Mode Decomposition)难以选取预设尺度K和其分解后难以区分有效模态和噪声模态的问题,提出了一种由豪斯多夫距离(HD:Hausdorff Distance)确定K和肯德尔相关系数(KT:Kendall’s Tau)确定有效模态的联合准则方法(VMD-HD-KT),并将其应用于天然气管道泄漏信号去噪。首先,计算K=2～8 h最后一个模态与原始信号的HD,通过评估HD确定K,然后输入K值进行VMD分解,将原始信号分解成K个具有不同特征时间尺度的固有模态函数(IMF:Intrinsic Mode Functions),选取K_KT大于0.1的IMF作为有效模态,最后进行信号重构。实验结果表明,VMD-HD-KT算法可以准确选取K值和有效模态,对仿真信号和管道泄漏信号有较好的去噪效果。     

VMD-Wavelet 联合去噪算法研究与应用

为解决天然气管道运行过程中采集到的泄漏声波信号含有大量噪声的问题, 通过研究小波、 经验模态分解、 变模态分解等常见去噪算法, 分析了泄漏声波信号的特点, 将改进小波阈值去噪和变模态分解去噪相结合, 提出了变模态分解-小波变换(VMD-Wavelet: Variable Mode Decomposition-Wavelet) 联合去噪算法。 利用该算法对典型信号进行去噪运算仿真, 结果表明, 该联合去噪算法性能优于常见算法。 最后, 将 VMD-Wavelet 联合去噪算法应用于实际采集的油气管道泄漏声波信号去噪处理, 研究发现, 该去噪算法对强背景噪声下的泄漏声波信号能取得很高的信噪比改善和很小的均方误差。     

基于改进奇异谱分析的信号去噪方法

传统的去噪方法,比如小波阈值去噪,它只对高斯噪声有效,对于脉冲噪声却无能为力.近年来发展起来的奇异谱分析方法可以在高信噪比的条件下很好地滤除上述两类噪声,但该方法降噪过程涉及了一定的主观因素,并且受矩阵扰动理论的限制,该方法随着信噪比的降低,去噪能力也随之下降.针对上述情况,提出一种改进算法,将矩阵秩最小化理论应用于奇异谱分析方法中.仿真结果表明,改进算法去噪效果明显,能够最大限度降低信号均方误差,提高信噪比,增强奇异谱分析方法的通用性.      

云相似度测量的变分模态分解去噪方法

为区分VMD( Variational Mode Decomposition) 分解后高低频段模态分量,提高VMD 算法的去噪效果, 提出一种基于云相似度测量的VMD 去噪方法。首先,对信号进行VMD 分解,通过计算各个模态分量与信号之 间的云相似度值,区分有效分量与噪声分量,然后对噪声分量进行小波滤波,最后将滤波后的分量与有效分量 进行重构。通过仿真和实际实验,将提出的去噪法与基于相关系数的VMD 去噪法和基于互信息的VMD 去噪 法对噪声信号进行处理,该方法去噪后所得信号信噪比相对较高,为28． 214 1 dB,均方误差相对较低,为 6． 12 × 104 ,验证了该方法去噪效果的优越性和对油气管道泄漏信号去噪的可行性。     

一种优化的VMD算法及其在语音信号去噪中的应用

针对非连续、非平稳语音信号中含有噪声的问题,提出一种基于参数优化的变分模态分解去噪算法.首先,利用灰狼优化算法搜寻变分模态分解算法的最优分解参数组合分解模态数K和惩罚因子α,通过使用获得的参数组合分解语音信号以获得K个特征模态函数分量IM F;其次,利用相关系数选择有效模态分量,并用小波阈值处理无效模态分量;最后,重构...     

频域积累与EMD去噪结合的微动信号检测算法

 超宽带生命探测雷达具有穿透能力强、距离分辨率高、抗干扰能力强等诸多优点,在防暴、救援、反恐等领域有很高的使用价值。由于穿墙生命探测雷达回波信号具有杂波干扰严重,且生命信号与背景噪声相互交叠等特点,利用传统数字滤波方法无法有效检测人体微动信号。针对此问题,本文提出一种利用频域积累与经验模态分解（EMD）相结合的人体微动信号检测算法,利用频域积累提高回波信号的信噪比,利用EMD 方法进行进一步的去噪处理。该算法不仅具有频域积累可以有效提高信噪比的优点,而且具有EMD 方法自适应分解信号的能力。同时,它克服了在低信噪比情况下,频域积累实时性不强,以及EMD 方法不能有效去除杂波的缺点。仿真和实验证明,该算法既可以有效提高雷达回波信号的信噪比,又可以改善单纯使用频域积累实时性不强的缺点,利用该算法对雷达回波信号进行处理可以准确快速地检测出人体的呼吸频率,是一种很好的穿墙雷达微弱信号检测新方法。     

一种新的高分辨定位去噪方法

高分辨定位技术在近几年得到人们的广泛注意,在这方面的研究工作相当活跃。本文提出一种新的多目标阵列接收信号协方差矩阵的去噪方法,并对结果进行了计算机模拟。     

数字图像去噪方法的比较与研究

本文首先分析了数字图像中噪声产生的原因，然后介绍了图像去噪的基本原理和各种方法，提出利用不同方法去除不同噪声的思想，并将去噪方法进行综合比较，总结出基本规律，为图像去噪的研究工作奠定了基础。     

基于数字图像去噪的方法分析

图像在采集和传输等过程中不可避免会受到各种噪声的干扰,为了后续更高层次的处理,很有必要对图像进行去噪预处理。本文分析比较了几种常见的去噪方法,并以高斯噪声为例在MATLAB中进行了滤除。     

SVD方法在信号重构中的应用

由时域有限连续信号的部分频段值重构其它频段值的问题，可以转化为求解线性方程Ａ·ｘ＝ｂ的问题，奇异值分解（ＳＶＤ）方法能够清楚地刻画算子Ａ的值域和数值零空间，通过计算信号与所张成值域的正交基的内积，可以预先判断信号重构性能的好坏。     

二维正弦信号频率估计的ESPRIT方法研究

为了在噪声背景下估计二维正弦信号的频率,并获得较高的估计精度,给出了二维相关阵的大特征值所对应的主特征向量,位于由信号向量张成的信号子空间的结论,并因此提出了一种新的基于最大特征值所对应的第1特征向量的二维谐波频率估计ESPRIT(Estimation of Signal Parameters Via Rotational Invariance Techniques)方法.该方法用此第1特征向量构造一个特殊矩阵代替MEMP(Matrix Enhancement and Matrix Pencil)方法中的数据矩阵,进一步用二维ESPRIT方法来估计谐波频率.该方法依赖于信号子空间,对噪声和数据长度敏感性小,同时它不需进行谱峰搜索,可以得到较高的估计精度.同时给出了较为简便的频率配对算法.仿真实验证明了算法的正确性.     

基于形状和位置可调非参数原子的信号波形提取方法

提出一种基于非参数原子的信号波形提取方法．将具有先验知识的模板信号通过一个均匀滤波器组得到一组基函数，并由此构造出用离散序列表示的非参数原子．滤波器组的采用以及子带信号的延时扩展使得构造的波形原子的形状和位置可以自适应地调节．基于奇异值分解技术导出了用非参数原子实现信号波形提取的算法．所提出的方法可以构造出无法用公式和参数描述的波形原子，可从信号中提取任意复杂的波形．实验结果表明，即使在模板信号的幅度、相位或频率与待分析波形存在较大差异时，仍可有效地将相应波形从信号中提取出来．     

EMD在机电系统振动信号分析中的应用研究

EMD是一种较新的信号分析方法,由于其具有能够自适应分解和优良的局部分析能力的突出优点,在机电系统振动信号分析领域有很广阔的应用前景.介绍了其理论基础,分析了其优势和缺陷,指出了其在机电系统振动信号的滤波和信号分析中应用的可能性和实现方式.为了验证应用的有效性,给出了验证实例.实例表明,EMD在机电系统振动信号的分析中具有良好的效果.     

基于掩膜信号法的端点延拓方法

提出了一种基于掩膜信号法的端点延拓新方法,可以有效地解决产生于希尔伯特-黄变换中的端点效应;对信号进行外延后进行EMD,然后利用掩膜信号对IMF分量进行延拓后再进行希尔伯特变换;仿真实验证实了该方法的有效性.     

离散小波变换与奇异值分解的音频信号水印算法

针对现有水印算法在嵌入过程中通常会对原始音频信号产生破坏的问题,设计了一种基于离散小波变换-奇异值分解(DWT-SVD)的水印嵌入方法实现水印信号的嵌入与提取.同时,以相关系数和误码率为衡量指标,对水印算法的不可感知性、安全性及鲁棒性进行评定测试.结果表明:在经过噪声、滤波、剪切、压缩等多种攻击后,所提取的水印仍然能保持较高的清晰度,这说明DWT-SVD算法具有较强的抗攻击能力,可有效保护版权人的利益.     

非协作通信中的信噪比估计算法

研究基于信号协方差矩阵分解的信噪比估计算法.该算法使用最小描述长度准则实现了信号空间维数的估计,进而实现信噪比估计.在此基础上,提出了基于信号功率谱的信噪比估计算法.由该方法计算出接收信号的功率谱,估计出有用信号的带宽,在有用信号频带外的噪声频带上估计出噪声的功率,从而估计出信噪比值.仿真实验表明,当信噪比小于3dB时,基于信号功率谱的信噪比估计算法优于基于信号协方差矩阵分解算法.     

奇异值曲率谱理论及其在信号处理中的应用

有效奇异值的确定一直是奇异值分解（Singular value decomposition, SVD）中的重要问题,在信号处理时尤其如此。分析了在Hankel矩阵方式下理想信号和噪声的奇异值特点,指出理想信号的奇异值曲线存在一个很大的转折点,而噪声的奇异值曲线则很平坦。进而提出了奇异值曲率谱的概念,利用它来描述含噪信号奇异值曲线上的转折点情况,并提出根据曲率谱最大峰值位置即奇异值最大转折点来确定有效奇异值个数。如果奇异值曲线在曲率谱最大峰值的位置坐标k处是凸出的,则有效奇异值的个数为k;如果奇异值曲线在k处是凹进的,则有效奇异值的个数为k-1,通过信号处理实例证实了这种结论。基于曲率谱的SVD准确地提取到了轴承振动信号中由于滚道损伤引起的调制现象,并据此可靠地判断出了滚道剥落坑总数。