信号降噪

摘要： 电磁信号降噪是电磁信号检测中的重要研究内容,当电磁信息泄漏时,所辐射出的电磁信号中含有大量的噪声,该噪声具有随机性,给信号的进一步分析与提取带来了困难。文章通过对不同方向上的信号一阶梯度进行加权处理,提出了一个基于各向异性全变分的电磁信号降噪模型,该模型充分挖掘信号中噪声的结构,在抑制噪声的同时能够保留电磁信号中的信息特征。此外,文章还使用交替方向乘子法框架加快模型的求解速度。与目前常用的电磁信号降噪方法相比,文章所提出的降噪模型可以有效降低信号中的噪声,并较好地还原电磁信号中的信息。

摘要： 针对水工结构在泄流激励作用下动力响应信号被噪声淹没的实际问题,提出一种基于自适应噪声的完整集成经验模态分解(CEEMDAN)和改进小波阈值函数联合降噪的方法。对水工结构振动信号先进行CEEMDAN分解,将信号分解成一系列固有模态(IMF)分量,运用自相关函数和互相关系数剔除无效IMF分量,实现振动信号的初次降噪;再利用改进小波阈值函数对含有主要振动信息的IMF分量进行降噪处理,实现含噪信号的二次降噪;最后,将包含主要结构振动信息的IMF分量和残量进行信号重构,得到降噪后的振动信号。通过数值仿真分析,发现CEEMDAN-改进小波阈值联合降噪后信号(10%噪声水平)的信噪比从20.21提升到23.54,均方根误差从0.19降低到0.09,验证了联合降噪具有更高的信噪比和更低的均方根误差,更为接近纯净信号。结合国内某水电站导墙实测数据,运用该方法进行降噪分析,结果表明该方法具有较好的降噪性能和应用前景,可为水工结构流激振动安全诊断提供有效依据。

摘要： 为了研究已有最优基选择算法在微弱故障信号降噪方面效果差以及终端节点不易确定的问题,依据蚁群算法和小波包的相关理论,分析了小波包基选取的影响因素,对选取规则进行了重新定义,并结合蚁群算法的全局优化能力对新定义的终端节点坐标集和分解层数寻优,给出了一种基于蚁群算法的小波包基优选方法。对比传统最优基选择算法,新方法的收敛性能及分布性能加强了12.5%,在轴承的微弱故障信号降噪过程中,经处理后的信号信噪比提高了46.7%,均方根误差降低了20.4%,验证了新方法的有效性和优越性。

摘要： 通过深度学习实现轴承故障识别时,存在着因信号噪声导致故障识别率较低的问题,针对这一问题,提出了一种基于改进经验小波变换(IEWT)和改进Wasserstein自编码器(IWAAE)的轴承故障识别方法。首先,将轴承振动数据由时域变换到包络谱域,通过包络谱的极值点与自适应阈值的关系对其进行了包络谱自动分割,进而利用经验小波变换,将数据自动分解为不同频段的调幅调频分量,并采用改进峭度指标对选取合适的分量进行了重构,进而对信号进行了有效降噪;然后,针对变分自编码器训练困难的缺陷,引入Wasserstein自编码器,根据Wasserstein自编码器中间层神经元的激活值大小,对神经元进行了自动增加或删减,进而构造了IWAAE;最后,将重构信号输入到IWAAE中,进行了滚动轴承故障特征的自动提取和故障识别。研究结果表明:与其它的轴承故障识别方法相比,采用IEWT-IWAAE方法的故障识别精度更高,准确率可达99.28%,标准差仅0.32;该方法能在一定程度上缓解传统方法对人工特征提取和特征选择的依赖,其对噪声的鲁棒性高,故障识别能力优于其他组合模型方法。

摘要： 提出一种引入样本熵(SE)优化的经验小波变换(EWT)结合非局部均值(NLM)滤波的组合自适应降噪方法。该方法使用SE确定全部经验模态分量中低频有效信号界限,叠加其余中高频分量后进行NLM滤波处理,之后重构滤波信号与有效信号为最终降噪信号,从而达到滤除高频噪声的目的。模拟数据与实测数据的实验结果表明,优化的EWT-NLM方法整体优于EMD、EWT方法,RMSE分别降低13.41%/10.63%(实测数据/模拟数据)、7.13%/5.78%,信噪比分别提升22.03%/22.54%、9.72%/7.42%。

摘要： 高压开关柜被广泛应用在电网体系中,保障其运行安全稳定尤为重要。本文针对目前在分析高压开关柜局部放电过程中存在窄带干扰及其他噪声干扰等问题,提出一种新的降噪算法——自适应集合经验模态分解(AEEMD),其核心思想为在原始信号中加入白噪声后只分解一阶模式,然后将噪声不断加到剩余信号中进行循环处理。该方法简化了去噪过程,并减少了模态混叠现象。试验结果表明,通过该方法所得到的信号波形与实测原始信号波形基本一致,同时与另外两种算法对比体现出其优越性。

摘要： 钢丝绳损伤信号是一种非平稳无周期性的冲击信号,其特征信号的降噪处理和特征提取成为亟待解决的难题。小波变换方法若小波基或者分解层数不适合,会在信号降噪的同时引入其他噪声干扰,影响信号处理与特征提取的效果。相较于小波变换方法,移位平均法只需要选择一定的移位窗宽即可实现对信号的有效降噪,但移位窗宽需要人为选择,盲目性大。针对上述问题,提出一种强噪声背景下钢丝绳损伤信号降噪方法。利用钢丝绳漏磁检测传感器采集不同类型的断丝数据,向信号中加入强高斯白噪声,以模拟强噪声背景;采用自适应移位平均法对钢丝绳损伤信号进行降噪,利用量子粒子群优化(QPSO)算法优化移位平均法的窗宽;将损伤信号的信噪比(SNR)作为适应度函数,通过QPSO算法使得损伤特征信号SNR最大化,从而实现最优信号降噪效果。实验结果表明,对于强噪声背景下的钢丝绳平稳和波动信号,相较于小波变换,自适应移位平均法的降噪效果更明显,信噪比更高,信号更为平滑。实测结果表明,对于现场采集的噪声相对弱一些的钢丝绳损伤信号,自适应移位平均法的降噪效果也比小波变换好,验证了自适应移位平均法具有较好的通用性。

摘要： 为了提取核电旋转机械轴振信号中的有效成分,本文基于小波阈值去噪法、变分模态分解和互相关分析法,提出了一套适用于轴振信号降噪的流程并进行了验证。首先,使用小波阈值去噪法对原始轴振信号进行预处理,以减少高频噪声的影响,提高模态分解的精度。其次,使用变分模态分解对预处理后的轴振信号进行分析,将得到的各个模态函数分量与预处理后的轴振信号之间进行互相关分析,并根据预先设定的系数阈值完成有用信号主导的模态函数分量的筛选。最后,通过信号重构得到降噪后的轴振信号。依据模拟轴振信号的降噪结果可知,与经验模态分解和集合经验模态分解法相比,基于变分模态分解法得到的降噪后信号含噪声更少,降噪效果更优。

摘要： 针对泄流导墙实测振动位移信号中存在随机噪声的问题,将多尺度排列熵引入到泄流导墙振动信号的降噪处理中,使用一种应用于泄流结构的基于自适应噪声的完备总体经验模态分解(CEEMDAN)和多尺度排列熵(MPE)联合去噪的方法。首先,通过CEEMDAN方法对导墙振动信号进行处理,得到一系列固有模态函数(IMF);其次,通过多尺度排列熵分析各IMF的随机性,并以多尺度排列熵值作为评价指标,将各IMF分量筛选为含噪声的IMF分量和纯净的IMF分量;最后,利用小波阈值降噪方法对含噪声的IMF分量进行降噪处理,将降噪处理后的数据与剩余纯净的IMF分量重构,获得降噪后的泄流导墙振动信号。仿真信号和工程实例结果表明:使用该方法提高了信号的降噪效果,能精确去除泄流导墙振动信号中的噪声,且有效保留了振动信号中的特征信息,具有一定的可行性。该方法的降噪结果可以作为实现对泄流导墙安全监测的可靠依据,可以应用到与之类似的导墙振动信号降噪处理中,为实现泄流导墙结构的健康运行打下基础。

摘要： RV(rotate vector)减速器是现代智能装备中关键传动机构之一,其运动参数的检测信号噪声成分较高,影响了装备的运行精度和稳定性,提出了一种以经验模态分解(empirical mode decomposition,EMD)为基础的信号降噪方法,有效提取了RV减速器运动参数的准确信号。该方法采用连续均方误差(consecutive mean square error,CMSE)和l 2范数两个指标将EMD分解得到的固有模态函数(intrinsic mode function,IMF)区分为噪声IMF、噪声与信息相混合IMF、信息IMF 3个部分,采用不同策略对这三部分IMF进行处理并结合部分重构(part reconstruction,PR)策略实现了信号的降噪处理。采用该文章提出的降噪方法对RV40E减速器的检测信号进行处理,降噪后的信号信噪比得到明显改善,验证了该降噪方法的有效性。

摘要： 如何有效降低环境噪声并正确识别人工挖掘、机械挖掘和车辆经过等油气管道安全威胁事件,对基于瑞利散射的管道光纤安全预警系统是至关重要的问题.本文首先对基于瑞利散射的管道光纤安全预警系统原理进行介绍,并提出了相应的信号降噪和识别方法.对于环境噪声采用基本功率谱减法对信号进行增强,有效提升了信号的信噪比.随后采用"小波-能量"法提取有用信号的特征向量,利用支持向量机对特征向量进行分析识别.在实测数据实验中获得了较高的识别正确率,证明了该方法的有效性和工程应用价值.

摘要： 轴承在实际的工程应用当中出现局部损伤时会产生周期性的冲击脉冲,但是它们常湮没在噪声当中.提出了一种基于张量分解的滚动轴承复合故障多维降噪技术,通过时间,频率和通道在高维空间中将振动信号建模为一个三阶张量,同时解决多通道信号滤波问题.通过滚动轴承故障仿真分析和一个轴承复合故障实验,验证了该方法在滚动轴承复合故障检测中的有效性.

摘要： 针对光纤陀螺(Fiber Optic Gyroscope,FOG)输出数据的随机噪声问题,提出了一种基于Allan方差估计的自适应Kalman滤波方法应用于FOG信号降噪中.该方法采用Allan方差分析法估计量测噪声的方差参数,避免了Kalman滤波器与量测噪声估值器间的相互耦合.利用时间序列分析法对FOG输出信号进行了分析建模,实测数据试验结果验证了提出的滤波方法能够有效抑制FOG漂移误差.

摘要： 针对传统的形态学滤波和小波降噪算法不能很好地对转子轴承载荷信号进行降噪,在这两个算法的基础上提出了一种小波形态滤波方法.研究了该方法在随机噪声干扰下的降噪效果,比较了小波形态滤波与传统形态学滤波分别对仿真信号与工程实际信号的滤波效果.结果表明:小波形态滤波方法能很好地消除转子轴承载荷信号中噪声的干扰,在转子系统故障诊断方面有很好的实用价值.

摘要： 基于全球导航卫星系统(Global Navigation Satellite Systems,GNSS)和微惯性导航系统(Micro Electro Mechanical Inertial Navigation System,MINS)的运动补偿能够有效校正和补偿SAP搭载平台的运动误差.本文从时频分析的角度出发,利用Allan方差法对MINS长期误差进行分析建模,通过小波阈值去噪方法减小混杂在运动特性频带中的短期误差,降低粗差对系统影响.试验结果表明,这种方法能够有效削弱惯性元器件误差的影响,提高GNSS/MINS组合导航系统精度,进而获取高质量的SAg图像.

摘要： 针对转子系统不对中、不平衡等故障微弱振动信号信噪比低的问题，提出了一种基于自适应算法的广义形态滤波(Adaptive Generalized Morphological Filtering)降噪方法。首先，针对传统Maragos形态滤波存在统计偏倚现象进行改进，采用不同尺度的同种结构元素对故障信号进行滤波，计算处理后信号的叠加均值，实现抑制脉冲干扰、削弱随机噪声，然后采用多种结构元素对振动信号进行多尺度信号滤波处理。并引入自适应算法，对各结构元素多尺度滤波算法进行加权组合和优化，最大限度保留信号有效成分的同时消除统计偏倚现象。对仿真信号的降噪效果表明，该方法能够获得较高的信噪比及较低的均方差，且能保留信号中应有的有效成分，并成功应用于转子试验台故障信号的降噪处理中。

摘要： 针对转子系统不对中、不平衡等故障微弱振动信号信噪比低的问题，提出一种最小均方差原则下的多尺度多元素形态滤波(Multi-elements Morphological Filtering)方法。首先，变换结构元素尺度对故障信号进行多尺度滤波，计算处理后信号的叠加均值；然后利用多种结构元素对振动信号进行交叉结构元素滤波处理，对各结构元素多尺度滤波算法进行加权组合，在最小均方差原则下对权值进行优化，在最大限度保留信号有效成分的同时实现抑制脉冲干扰、削弱随机噪声，并消除统计偏倚现象。对仿真信号与转子试验台故障信号的降噪效果表明，该方法能够获得较高的信噪比及较低的均方差，且能保留信号中应有的有效成分。

摘要： 随钻地震是利用钻头破岩发出信号作为震源，预测前方地层的一门技术。随钻地震记录信噪比低，波场非常复杂，其数据处理的关键是从检波器的接收信号提取出有效信号。本文设计了一个含有高斯白噪声和振动干扰信号的随钻地震记录模型，提出一种以独立分量分析（ICA）作为预处理方法，利用经验模态分解（EMD）重构地震记录的方法。通过仿真实验，得到了基本满意的分离结果，较好地提取出有效信号，验证了本文方法的有效性。

摘要： 气门是发动机上重要的零部件之一，气门质量的好坏直接影响到汽车的扭矩、油耗、寿命等重要工作性能。进行气门杆焊缝处缺陷的超声检测时,由于信号受到噪声的干扰,缺陷的检出及定位较为困难.为了去除噪声信号的干扰,本文选取dB5小波,采用软阈值降噪的方法对气门的超声检测信号进行了小波降噪处理.结果表明,使用小波方法对信号进行降噪后,信号变得平滑,缺陷位置更加明显,从而准确地对缺陷定位,减少误检漏检.说明小波分析方法能够有效地去除噪声,提高信噪比,提高检测速度,该方法有望在超声无损检测和评价中得到广泛应用.

摘要： 本文将其应用领域扩展到电力负荷数据的处理中，并给出了新颖的阂值化方法。实际案例分析表明，小波分析应用于负荷数据去噪时，能够有效地去除奇异点和噪声，极大的节约了人力和时间成本;而应用于负荷数据压缩时，可以获得很好的压缩效果，从而成倍减少数据占用的存储空间。因此小波分析在电力负荷数据处理方而具有很高的应用价值。

摘要： 一种用于对多信道HOA音频信号进行编码以便降噪的方法，包括以下步骤：使用逆自适应DSHT对信道进行解相关(81)，所述逆自适应DSHT包括旋转运算(330)和逆DSHT(810)，所述旋转运算旋转iDSHT的空间采样网格；对每个经解相关的信道进行感知编码(82)；对旋转信息(SI)进行编码，所述旋转信息包括定义所述旋转运算的参数；以及，传输或存储经感知编码的信道和经编码的旋转信息。

摘要： 本发明涉及车辆降噪技术，使用标定过的噪声响应函数NRF，仅使用车速Speed、空调模式mode以及发动机转速rpm等为主要信号作为输入信号，即可获得典型场景下传递到人耳的稳态噪声信号。车辆在出厂时通过实车标定给出各典型场景下的人耳稳态噪声响应函数NRF；车辆使用过程中，可通过机器学习训练出的模型使用车内麦克风采集的噪声信号识别不同的用车场景，进而匹配到合适的噪声响应函数NRF，生成主动降噪系统所需的噪声输入信号，给主动降噪系统生成反相降噪声波提供所需的决策及前馈噪声参考信号。

摘要： 一种用于对多信道HOA音频信号进行编码以便降噪的方法，包括以下步骤：使用逆自适应DSHT对信道进行解相关(81)，所述逆自适应DSHT包括旋转运算(330)和逆DSHT(810)，所述旋转运算旋转iDSHT的空间采样网格；对每个经解相关的信道进行感知编码(82)；对旋转信息(SI)进行编码，所述旋转信息包括定义所述旋转运算的参数；以及，传输或存储经感知编码的信道和经编码的旋转信息。

摘要： 本发明属于信号处理技术领域，具体涉及一种信号的级联降噪方法、降噪系统、自适应滤波，其中信号的级联降噪方法包括：步骤S1，预降噪；步骤S2，根据预降噪结果选择相应的自适应滤波，以针对性滤除信号中的噪声；其中所述自适应滤波的优化参数根据预降噪后的信号获取，可提升相关产品与系统的抗工频干扰性能，也可以针对非工频干扰场景进行去噪。

摘要： 本发明提供一种光信号降噪模组、光信号降噪方法和显示面板。所述光信号降噪模组包括参考线、比较检测电路和光电信号读取线；所述光电信号读取线上的电信号包括噪声电信号和光电信号；所述参考线用于感应所述光电信号读取线上的噪声电信号，以产生相应的电信号；所述比较检测电路分别与所述参考线和所述光电信号读取线连接，用于根据所述光电信号读取线上的所述电信号和所述参考线上的所述电信号，得到所述光电信号。本发明使得光检测可以与显示同时进行，在消除噪声的同时节省了光检测时间。

摘要： 本发明属于信号处理技术领域，具体涉及一种基于信号降噪自编码器SDE的信号降噪方法。本发明先利用属于信号集中的训练样本训练自编码器模型，再通过测试集样本挑选出性能表现最好的模型权重，最后接收到的信号输入该自编码器模型，输出即为降噪后的信号。本发明克服了传统降噪方法计算复杂度高、实时性差、复杂电磁环境中降噪性能弱等缺点，根据分块信号的调制规律一致性建模，随信号样本训练更新。本发明不需要人工分析，具有高效的感知处理能力，实时性强，同时低信噪比下降噪性能优于传统方法。

摘要： 本申请适用于通信技术领域，提供了一种音频信号降噪模型的训练方法、音频信号降噪方法及设备，音频信号降噪方法包括：将当前采集到的带噪音频信号转换成带噪音频向量；将所述带噪音频向量输入已训练的音频信号降噪模型进行降噪处理，得到降噪音频信号。上述方法，音频信号降噪模型是基于带噪音频信号对应的带噪音频向量，直接提取用于区分音频信号和噪声信号的特征信息，基于提取的特征信息进行降噪处理，可准确分离出带噪音频向量对应的音频信号和噪声信号，提高带噪音频信号的降噪效果，提高音频质量，进而提高语音通话质量。

摘要： 本发明提供一种光信号降噪模组、光信号降噪方法和显示面板。所述光信号降噪模组包括参考线、比较检测电路和光电信号读取线；所述光电信号读取线上的电信号包括噪声电信号和光电信号；所述参考线用于感应所述光电信号读取线上的噪声电信号，以产生相应的电信号；所述比较检测电路分别与所述参考线和所述光电信号读取线连接，用于根据所述光电信号读取线上的所述电信号和所述参考线上的所述电信号，得到所述光电信号。本发明使得光检测可以与显示同时进行，在消除噪声的同时节省了光检测时间。

摘要： 本发明涉及有关信号处理，特别是关于一种信号处理系统及其信号降噪的判定方法与信号补偿方法，其中信号降噪的判定方法包含转换信号以产生时频谱；判断所述时频谱当中每一行的频谱是否具急剧变化；及计数具急剧变化的行数目，并与预设值做比较。若具急剧变化的行数目大于预设值，表示信号经过降噪。通过本发明实施例的方法及系统，可以避免传统网络监视器的缺失，提高声音辨识率。

摘要： 本发明提出基于导波信号稀疏分解方法的信号降噪与缺陷检测方法及缺陷信号重构方法。所述方法包括求解最优近似解、提取时间延迟参数、获取候选模式对、依据各个有效模式对的时间延迟以及对应的群速度，估计得到结构内各个反射源的位置；排除边界反射对应的导波模式，便可得到缺陷的位置。本发明所述方法采用基于稀疏贝叶斯学习的稀疏优化求解算法，在处理信号稀疏表示这类病态问题方面具有独特的优势，对噪声的鲁棒性也更好。