基于小波分析的呼吸信号消噪方法研究

为搭建呼吸信号采集平台,利用小波分析对流量传感器采集的呼吸信号进行了滤波处理. 实验中,讨论了小波基函数、分解层数以及阈值准则对小波消噪效果的影响,并得到了分析信号的最优小波基函数和最优分解层数. 基于组件对象模型(COM)技术,运用VC++和Matlab联合编程,形成可脱离Matlab环境运行的可执行文件. 仿真结果表明,信号采集平台成功实现了呼吸信号的采集与消噪,并取得了较好的效果.     

煤热重信号的两步法去噪

提出不同于传统方法的两步法小波去除热重信号噪声的方法,即将小波去噪过程分成两步:首先,利用小波的二进制离散变换将信号进行不同层次的分解,分析不同分解层的小波系数,利用方差来区别突变信号的特性,对小波系数和尺度系数进行不同的滤波处理,重构获得除去突变噪声的含噪信号;然后采用传统方法将含白噪声的信号进行消噪处理.将该方法用于河北峰峰变质煤的恒温热重信号消噪,从去噪结果上看:两步法可以有效地滤除掉突变信号的干扰,且较好地保留了信号的基本特征.     

基于小波变换的心音信号去噪方法

心音信号在采集的时候常常会受到噪声的干扰,因此对心音信号的去噪声处理成为众多研究者关心的一个问题。本文分析了基于小波变换的心音信号去噪方法的性能,以及小波基函数和分层系数的选择问题。实验表明采用Daubechies小波并进行6层分解,心音信号的去噪效果最优,在保持原始心音信号的成分后还能有效的滤除噪声。     

二代小波变换在地震信号降噪技术中的应用

小波变换是去除地震信号中随机噪声,提高信噪比的有力工具,但实际去噪效果受到小波基函数、分解层数、门限阈值和阈值函数的影响。将二代小波变换与改进的阈值函数相结合,通过对去除相关成分的小波细节系数进行白噪声检测,确定最佳分解层数。通过仿真实验证明,该方法具有较好的去噪效果。     

转向架应力信号小波阀值去噪处理

为解决信号检测中经常存在的噪声污染问题,本文利用小波变换进行降噪处理。分析了小波变换降噪的理论依据、降噪处理程序以及阀值的选择,并在Matlab中进行了信号降噪的模拟仿真实验。分析结果证明了转向架应力处理以无偏似然估计硬阀值法且分解层数位5层是处理效果最好。     

纳通道内λ-DNA过孔信号的小波去噪及统计分析

针对λ噬菌体中的脱氧核糖核酸(λ-DNA)通过纳米通道时的过孔信号噪音大,强度弱且非平稳的缺点,提出了使用具有良好时频域分辨能力的小波分析方法对其进行去噪处理,并对有效去噪后的λ-DNA过孔信号进行了统计分析.首先根据小波去噪原理,选择合适的小波函数,确定最佳的分解层数并选取合适的阈值,对实验采集到的含噪声信号进行去噪处理.根据最终去噪效果可得,以sym7为小波基函数、分解层数5层、使用默认软阈值可以有效降低信号中的噪声,提高信噪比.然后,对具有48 000个碱基对(48 kbp)的λ-DNA通过60 nm氮化硅(SiN)纳米孔的特征信号进行了统计分析,分析结果表明,阻塞电流和过孔时间分别符合双峰高斯分布和偏正态分布,这为后续DNA分子的辨识工作提供了依据.     

EEG数据信号的Matlab滤波仿真设计分析研究

在处理脑电图(Electroencephalogram,EEG)过程中,对采集到脑电信号的预处理特别重要.文中利用信号分析与处理知识,在Matlab软件平台上仿真分析了不同小波基函数对脑电信号分解和重构的影响,以及利用db5小波基函数对EEG进行5层多尺度分解和重构,仿真信号颤动情况.通过采用不同阈值进行降噪和与低通滤波器的消噪仿真比较,对特定频带仿真结果进行分析和研究.研究结果表明:小波分析在EEG信号预处理降噪中可有效地提取脑电微信号,对EEG在更广的领域里发挥作用具有实用意义.     

基于小波变换的局放信号检测与提取

为提高局放信号检测的准确度,确保电力设备故障诊断的有效性和可靠性,本文利用连续小波变换对背景噪声较强的的局放信号进行多尺度分解,在某些尺度下,使局放信号明显增强,用阀值比较可以有效地检测并消除噪声干扰.实验结果表明,只要选取合适的小波函数就能有效地抑制噪声干扰并完成对局放信号的检测和特征提取.     

固体热分解反应动力学的研究(Ⅰ)一水合草酸钾脱水过程的动力学

本文用等温热重分析法和程序升温热重分析法研究了一水合草酸钾的脱水过程,提出了过程机理函数的三步判别法。实验测定和理论分析表明,一水合草酸钾的热脱水过程受A_3机理支配,即随机成核和晶核随后生长的过程,其活化能E=64.28kJ.mol~(-1),频率因子A=7.78×10~7min~(-1)。其动力学补偿效应为:logA=0.1598E-2.33。     

Fourier变换支集紧的小波及其应用

我们构造了一种 Fourier变换支集为紧的小波 ,将其应用到信号去噪、计算 Hilbert变换等实际领域 ,同时与 Daubechies小波进行比较实验 ,结果比 Daubechies小波在这些领域的应用效益更好 ,并对形成这些结果的原因进行了一些分析     

基于小波变换的多普勒胎儿心率检测研究

为了解决从超声多普勒胎儿心脏回波信号中提取胎音信号时,去除各种干扰和噪声的问题,分析了超声多普勒回波信号的特点,应用了基于小波变换的阈值去噪方法,并对该方法的去噪阈值和原始噪声方差的估计进行了研究.在实际应用中对该阈值算子的系数作了改进,使得该算法能根据实际信号的强度、噪声的方差以及分解的层数,自适应地得到不同尺度的去噪阈值.通过对实际超声多普勒回波信号的处理,信噪比比传统滤波法提高至少5倍以上,能有效地提取出胎儿心音信号,较准确地计算出胎儿心率值.     

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.     

级联双稳随机共振降噪下的经验模式分解

针对强噪声背景下混合信号的经验模式分解（EMD）问题,提出了一种基于级联双稳随机共振系统（CBSRS）降噪的EMD方法。该方法利用CBSRS对时域波形降噪的优良特性,首先对有噪信号进行随机共振输出,信号得到降噪后,再进行EMD。在仿真实验中,分别对原始信号以及各级级联随机共振输出后的信号进行EMD,对比结果表明,级联双稳系统能有效去除高频噪声,减少EMD的层数,使EMD具有更明确的物理意义最后通过一个轴承外圈故障的诊断实例表明,该方法在逐步滤除高频干扰的同时,不断加强低频特征能量,可以有效检测出故障的特征频率。     

级联自适应局部投影降噪方法

针对具有非线性、非平稳性特征的信号，提出一种邻域半径自适应局部投影和小波阈值去噪级联的降噪方法.首先，利用经验模态分解得到信号中的高频分量并以此估计噪声水平;再根据噪声水平确定邻域半径;最后，利用该半径进行局部投影处理并结合小波阈值方法进行细节平滑.Lorenz系统时间序列的降噪结果表明，本方法能够提高信噪比并降低均方误差，并在信号结构失真时恢复其原始吸引子形态，去噪和还原信号特征的能力皆优于小波阈值去噪方法.对桡、颈、肱动脉脉搏信号、心电信号的降噪结果展示了本方法在生理信号噪声抑制和特征保留方面的优越性能.     

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。     

基于改进变分模态分解和小波阈值法的单相接地故障电流降噪

针对电力系统输配电线路发生单相接地故障时,电气设备间的电磁环境复杂,现场环境干扰严重导致故障录波装置采集到的故障零序电流信号含有大量噪声,影响后续选线准确率的问题,提出了一种改进VMD和小波阈值法联合的单相接地故障的零序电流降噪方法,通过北方苍鹰优化算法优化改进变分模态分解（VMD）对零序电流信号分解,引入自适应相关阈值对分解后的分量进行筛选,对噪声分量进行小波阈值法降噪,最后将信号进行重构。通过搭建模型进行仿真实验,所提算法比传统VMD降噪算法信噪比提高了5.52%~35.99%,均方根误差降低了12.78%~30.88%,与小波阈值降噪方法、EEMD-小波阈值降噪方法、CEEMDAN-小波阈值降噪方法相比,也都有明显的优势,并且在标准测试信号Heavy Sine信号和Bumps信号中进行实验验证了算法的适用性。     

CEEMDAN自适应阈值去噪算法在地震方向的应用

提出一种基于自适应完备集合经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)的自适应阈值去噪算法。含噪信号经CEEMDAN算法分解成若干个模态分量(IMF,intrinsic mode functions),根据样本熵理论,对IMF分量中高频分量自适应选取,根据噪声和有用信息与原始信号的相关性不同,对高频分量中的噪声系数定位,利用能量熵选取噪声主区间,用高频分量中噪声主区间的噪声系数方差作为阈值,对高频分量进行阈值去噪,进一步去除噪声,保留高频中的有用信息,最后将信噪分离的高频分量和低频分量重构。分别对合成和实际地震信号去噪处理,并与常规去噪算法进行对比。数据仿真和实验结果表明,在原始信号信噪比为0.5dB时,常规与改进算法去噪后信噪比分别为4.55dB和9.97dB,大幅提高信噪比,达到随机噪声压制的目的,实现了高频分量的自适应选取和高频分量中有用信息的再提取。     

小波去噪的几种方法

利用小波方法去噪 ,是小波分析应用于工程实际的一个重要方面。该文介绍了几种常用的小波去噪方法 ,分别是小波分解与重构法、非线性小波变换阈值法、平移不变量法和小波变换模极大值法。将上述几种方法分别用于叠加了高斯白噪声的仿真信号的去噪处理 ,并通过对几种方法优缺点的比较 ,为小波去噪的方法选择提供了一个参考依据。     

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IMF; 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, 重构小波阈值处理后的模态分量和有效模态分量以对语音信号进行去噪. 实验结果表明, 该算法与其他经典算法相比能有效提升信噪比, 降低均方误差, 提高语音信号的质量.