基于小波神经网络的振动信号消噪

论文在介绍小波神经网络结构和算法的基础上,给出对振动信号消噪的实例。文中采用正交的Shannon小波函数作为小波元,进行数字仿真信号消噪实验和实测信号消噪实验,实验结果表明用小波神经网络对振动信号进行消噪是一种有效的方法。     

基于小波变换自适应滤波方法的ECG信号消噪

为了减少在用小波变换方法进行心电信号消噪时所产生的心电信息损失,本文在对心电信号进行离散正交小波变换的基础上,进行自适应滤波处理,即以具有最大QRS波能量的尺度上的高频细节信号作为自适应滤波器的参考输入,以噪声干扰对应的分解尺度上的“细节”分量及最大分解尺度上的近似分量所重构的信号作为原始输入.实验证明这种改进的滤波方法可以在有效抑制心电信号中噪声干扰的同时,较好保持心电信号的波形特征及有用的心电信息,达到较好的滤波效果.     

基于小波和小波包的信号消噪方法分析

在实际的工程应用中,采集的数据信号存在着大量的电子线路热噪声、环境噪声等系统噪声,小波及小波包对除去噪声信号是非常有效的。采用多种方法对平稳、非平稳信号进行消噪处理,在Matlab环境下比较分析结果,从而找到检测信号的最佳手段。     

应用小波分析研究信号消噪

噪声的去除一直是信号处理中较为关键的技术之一。小波变换在时，频两域都具有表征信号局部特征的能力，突破了传统Fourier分析的局限性，很适合检测信号的奇异现象。用Daubechies小皮分别对信号本身的奇异性，噪声的奇异性进行分析，结果表明，二者具有较大的不同。因而，将小波用于信号消噪具有重要的参考价值。     

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.     

小波分析在信号消噪中的应用浅析

本文简述了小波分析的基本原理和方法，在Matlab语言的基础上，对小波分析在信号消噪中的应用进行了探讨。     

基于经验模态分解空域相关滤波的脉冲星信号消噪

针对脉冲星信号信噪比极低,且信号中有色噪声成分远大于高斯白噪声的特点,提出了一种基于经验模态分解(empirical mode decomposition,EMD)的脉冲星信号空域相关滤波消噪方法。首先建立脉冲星信号的分形高斯噪声模型,根据双对数功率谱密度估计分形高斯噪声的Hurst参数值;然后,结合脉冲星累积信号的窗口辐射特性和分形高斯噪声经EMD分解后的噪声分布特点,估计脉冲星信号各层内蕴模态函数(intrinsic mode function,IMF)中噪声的方差;最后,以IMF噪声方差为基础,建立EMD空域相关滤波方法并应用于脉冲星累积轮廓消噪。实验结果表明,与经典的平移不变小波阈值消噪法、平移不变小波空域相关滤波消噪法以及EMD模态单元比例萎缩消噪法相比,改进的EMD空域相关滤波消噪法在抑制脉冲信号中的噪声和保留更多的微脉冲特征细节信息方面更加有效。     

爆破振动信号不同频带的能量分布规律

根据爆破振动信号具有明显的持时短、突变快等特点,结合工程爆破地震监测资料,利用小波包分析良好的时频局部化性质,研究了爆破振动信号不同频带的能量分布规律,分析了爆破振动信号的能量在传播过程中随着爆破条件的改变的变化规律.研究结果表明:爆破振动信号的频带能量分布与爆破条件密切相关,其主振频带较宽并可划分为多个子振频带;该方法对综合研究爆破振动危害机理和爆破地震效应,特别是为构建爆破振动速度-频率相关安全准则提供了一种有效的分析技术.     

基于EMD与小波阈值的爆破震动信号去噪方法

针对小波阈值法去噪效果有限和EMD低通法去噪存在信号失真问题,综合EMD方法分解、重构方便和小波阈值法灵活、可调的优点,提出一种EMD-小波阈值爆破震动信号去噪方法.基于某矿地表实测数据,借助EMD的自适应分解特性,在原始信号分解的基础上,识别属于高频噪声的IMF1和IMF2分量,并对其进行小波阈值去噪处理,提取淹没在噪声中的有用特征信息MF1和MF2,最后,将MF1、MF2与剩余IMF分量及余量R进行重构,得到干净信号.通过频谱和小波包能量分析知:EMD-小波阈值法既能有效去除噪声,又能很好保留真实信号,还可避免EMD分解的端点震荡效应,是一种高效的爆破震动信号去噪方法.     

一种基于EMD技术的语音信号去噪算法

分析了基于经验模态分解(EMD)方法的含噪语音信号尺度滤波特性,并根据清音和浊音的不同特点,应用软门限方法对以宽带随机噪声为背景的语音信号IMF分量作门限处理,提出了一种基于EMD的语音信号噪声处理的算法,计算机实验仿真结果表明,该算法具有较好的语音去噪效果和较小的语音失真性能。     

小波多重分形及其在岩石爆破振动信号分析中的应用

在说明仅用一种分形维数来描述岩石爆破振动信号不足的基础上,利用多分形分析的方法对典型岩石爆破振动信号的奇异谱进行分析。给出了基于小波变换的多分形谱计算方法,并将此方法应用到岩石爆破振动信号中,讨论了信号的多分形特征,认为信号的突变主要集中在α<1的奇异指数上,而信号的奇异指数也主要集中在0 .2 8～0 .72之间;并提出了对于岩石爆破振动信号几乎处处奇异的结论     

汽车振动信号去噪分析中的小波参数选择

对振动信号阈值去噪中的小波母函数、阈值大小以及系数的量化方法的选择进行了研究。根据去噪性能的信噪比增益和去噪因子2个评价指标,对Daubechies小波系和Symlets小波系的30种小波母函数进行了筛选,选取db13和sym11小波作为较优小波母函数;介绍了自适应阈值的计算方法,在此基础上分析了传统软硬阈值方法的优缺点,提出了一种改进的阈值方法,并将它们应用于仿真信号和实际汽车振动信号的去噪,取得了较好的去噪效果。     

隧道掏槽爆破振动信号两种分析方法

通过设计两次起爆的起爆网路,控制掏槽眼引起的振动速度,有效地减少了振动对周边构建物的影响。对掏槽爆破时振动信号进行了FFT分析、小波包分析,结果发现:单向爆破振动速度控制在2.1 cm/s以内,振动频率集中于50~100 Hz。傅里叶分析法(FFT法)与小波包分析法在处理振动信号主频的结果相差不大,速度的FFT图谱与爆破振动信号能量-频谱图相似。可用FFT法快速粗略地计算振动信号的主频与估计能量分配比例。但FFT法计算精度没有小波包分析法高,在精度要求高的情况下仍需使用小波包分析法进行信号分析。     

基于选择因子的GSR信号小波去噪方法

在Galvanic Skin Response(GSR)信号采集过程中,由于环境等因素不可避免地会引入噪声,需要在进行模式识别前对采集信号进行去噪处理。本文利用MATLAB研究不同小波组合对GSR信号的去噪效果,并使用信噪比、均方差为评价指标,提出了一种基于选择因子的GSR小波去噪方法。利用采集得到的已有GSR信号,根据选择因子选择出来的小波组合,对GSR信号去噪处理。实验中采用db5小波对信号进行5 层分解,在sqtwolog或heursure阈值选择方法下对信号进行的去噪处理,从而达到了理想的滤波效果。     

精确微差爆破震动能量分布特征分析

数码电子雷管能够实现更为精确的微差爆破。为了掌握精确微差爆破的震动能量分布特征和减震机理,采用小波包分析方法对浅埋隧道的大量爆破震动实测数据进行了能量分析。结果表明：普通毫秒雷管爆破震动信号的能量主要分布在中低频带;数码电子雷管爆破震动信号的能量分布在更宽的频带;普通毫秒雷管爆破和数码电子雷管爆破震动信号的主震频带还可以分为若干个分震频带,表现为在若干个特定频率上有较突出的能量集聚;随着雷管段数增加和微差时间的减小,数码电子雷管爆破震动信号的能量频带分布加宽,高频成份的能量增加,爆破震动信号的分震频带数目增加,分震频带有往高频发展的趋势。精确微差爆破能够实现更好的减震效果。     

基于振动信号降噪的钢板件损伤定位

为了实现汽车船舶等行业中钢板件的结构健康监测,针对冲击、碰撞损伤发生时的振动信号,提出了一种结合小波包阈值降噪(WPT)和集合经验模态分解(EEMD)降噪的方法来提高损伤源的定位精度。首先,设计了动态环境下钢板件的冲击损伤试验系统并进行实验方案设计,采集了损伤时刻数据;其次,通过对损伤信号进行WPT-EEMD降噪有效提高信噪比,并利用阈值检测获得信号到达各传感器的时间;最后,基于延时叠加算法,完成了钢板件中损伤区域的定位成像。实验结果表明,该方法可在动态环境下有效定位出钢板件上冲击损伤发生的位置,为解决动态无损监测问题提供了思路。     

基于改进的小波阈值的电能质量信号去噪

针对硬阈值去噪效果不理想,软阈值去噪比较平滑使得信号产生失真的问题,提出了一种新的阈值去噪方法.采用对阈值门限进行改进并结合软阈值的去噪方法对电能质量信号进行处理,实现其去噪的功能.实验仿真表明,新的阈值去噪算法对电能质量信号进行去噪处理后的信噪比增益和均方误差相对于其他文献都有所改善.