基于小波分析技术的船舶测试信号分析

船舶测试信号的精确度直接影响着船舶航行的安全性,在信号采集过程中,船舶信号易受到船体自身机械运动、水动力等因素的影响,使信号中含有大量的噪声,降低测试信号精确度。而小波分析技术在时频域分析中具有一定优势,将其应用到船舶测试信号分析中,可去除信号噪声,达到最佳的去噪效果。本文分析了船舶测试信号的噪声来源,介绍了小波分析技术的应用方法,并深入研究了小波分析技术在船舶测试信号分析中的应用。     

小波变换分析及船舶噪声处理

针对目前船舶噪声对船舶有用信息的影响,本文利用小波变换进行船舶噪声处理,并利用Matlab函数进行不同小波基的船舶信号去噪实验。实验结果表明,恰当的小波基函数和阈值能够很好抑制信号中的高频部分,得到平滑的有用信息。     

平移不变小波变换在消除电路噪声中的应用

为了提高火控测试系统测试结果的精度与可信度,去除对测试系统在采集火控系统信号时混入的噪声是十分必要的.通过对某型火控系统在动态测试时采集的信号的研究,针对传统小波阈值去噪处理方法中因非一致降样取样而产生Pseudo-Gibbs现象,结合已有改进阈值法的优点,提出一种新型阈值函数代替传统软硬阈值函数,采用平移不变小波变换对采集的信号进行去噪处理,以提升去噪的效果.仿真结果表明,该方法能进一步减少均方误差,提高信噪比,使去噪后信号更好地逼近真实信号,具有一定的工程实用性.     

船舶电力线载波通信传输信号去噪方案设计

现有船舶电力信号去噪手段不能有效过滤传输数据中的杂糅成分,造成严重的脉冲干扰现象。为解决上述问题,设计一种新型的船舶电力线载波通信传输信号去噪方案。通过信号载波特征量提取、传输特征量组合选取2个步骤,完成船舶电力线载波通信传输信号的分析与识别。在此基础上,通过最佳小波去噪层数确定、特征信号阈值动态调整、脉冲去噪定量计算3个步骤,完成新型去噪方案的搭建。对比实验结果表明,与现有技术手段相比,应用新型船舶电力线载波通信传输信号去噪方案后,传输数据中杂糅成分含量明显降低,脉冲干扰事件发生几率得到有效控制。     

海上航行中的行程传感器电磁干扰信号抑制算法研究

保证船舶电子设备的正常运作是现代船舶业发展中的重要课题,船舶中传感器输出信号的精确度对于船舶安全行驶是至关重要的。本文利用小波降噪来抑制行程传感器电磁干扰信号,最后通过实验来获取小波分解层数,并且确定阈值函数。实验结果表明,经过小波去噪后,信号的误差非常小,系统的稳定性得以提高。     

基于小波分解的舰船钛合金超声检测信号去噪算法

传统的信号去噪算法在处理舰船钛合金超声检测信号时,受到阈值函数不连续这一特性的影响,算法的自适应性比较差。为此,将小波分解技术应用到超声检测信号去噪算法中。考虑小波分解层数对信号的影响,利用先验知识确定分解层数,在此基础上,结合软硬阈值函数,构造出折中的阈值函数并进行一定优化,将构建的阈值函数用于小波系数最化处理,将小波系数与分解系数相结合重构超声检测信号,完成去噪处理。实验结果表明:设计的基于小波分解的舰船钛合金超声检测去噪算法在不同的实验条件下信噪比高、均方根误差小,该算法的自适应性优于传统的去噪算法。     

一种旋转机械振动信号小波去噪方法

针对旋转机械的非平稳振动信号难以用传统方法处理的问题,本文讨论了小波方法在旋转机械振动信号去噪中的应用。针对旋转机械故障信号的特点,提出阈值去噪和模极大值相结合的小波去噪方法对振动信号进行处理,并利用多种指标对去噪后信号做出全而客观的评价。实验结果表明该方法可以有效的提高故障信号信噪比,有利于提高后期故障诊断的准确率。     

基于小波阈值去噪与t-SNE的船舶柴油机故障识别

通过对船舶柴油机振动信号的分析研究,文章提出一种基于小波阈值去噪和t分布随机邻域嵌入算法(t-SNE)结合的船舶柴油机故障识别方法。首先通过多种不同的阈值处理方式对采集的振动信号进行小波阈值去噪,使用小波能量谱对数据进行特征提取,并利用t-SNE对高维特征向量降维,最后使用GA-SVM进行故障分类。实验结果证明,文章提出的方法能够较正确地对柴油机的故障模式做出诊断。     

小波分析在船舶测试信号和图像消噪方面的应用

小波消噪已经成为目前信号消噪的主要方法之一，小波变换由于在时频两域都具有良好的局部性能，尤其在信号处理过程中，采样信号都不可避免地受到各种噪声和干扰的影响，利用小波分析可以对实验数据进行消噪处理。本文详细介绍了目前小波消噪的各种方法，揭示了小波消噪的数学背景和滤波特性；并阐述了针对不同信号的自身局部特性以及使用不同的小波变换函数和构造出适合的闻值之间的联系。对一个含有噪声的多普勒测试信号和一个含噪声图像分别进行了多尺度一维离散平稳小波分解和二维离散平稳小波消噪分析，仿真的结果表明：小波分析可以对信号更有效地消噪。     

基于二次小波去噪的 FastICA 盲源分离研究

论文针对含噪声混合信号分离问题,提出了三步处理法,首先采用小波滤波进行去噪处理,再采用快速独立分量分析（FastICA）盲源分离技术实现混合信号的分离,最后对分离后的信号二次使用小波滤波处理。仿真实验结果表明,该方法能够很好地分离含噪混合信号,从分离前后的波形及平均信噪比对照,去噪性能和分离效果良好。