基于GCV准则和改进阈值函数的小波去噪方法研究

为了准确确定小波阈值,改善阈值函数的降噪效果,提出一种基于GCV准则确定阈值和改进的阈值函数相结合的小波去噪方法。首先对信号进行小波变换,定义基于小波系数的GCV函数,通过对其进行优化求解最小值来选取小波阈值,然后采用改进的阈值函数对小波系数进行处理,最后对处理后的小波系数进行重构,得到去噪后的信号。通过一已知信号和噪声的数值算例,对比了该方法与常用的确定阈值方法和软阈值函数的去噪效果,验证了该方法具有更好的去噪效果。应用该方法,对一座斜拉桥的健康监测系统采集的实测挠度数据进行分析处理,结果表明,该方法有效降低了噪声影响,降噪后的挠度与数值结果接近。     

基于零空间追踪和SWT的柴油机信号降噪研究

为减少柴油机振动信号的噪声干扰,提取有用的信息,提出了一种基于零空间追踪算法和同步压缩小波变换相结合的组合降噪方法,利用压缩小波对主频信号精细重构的优点与零空间追踪算法的自适应分解的特点对信号进行降噪处理。该方法相比 EMD 更加适应柴油机振动信号特点,仿真和实例信号表明,该方法取得了较好的降噪效果。     

基于小波阈值法的汽车车轮垂向力降噪

研究了小波阈值降噪技术的原理与方法,分析降噪效果的评价指标.分别采用4种阈值法则,对某轿车在襄樊试验场铺设路面上测得的车轮垂向力信号进行降噪处理;并设定新的降噪效果评价指标,结合降噪后信号的时域和频域特点,对不同阈值法则降噪处理后的信号进行对比,结果发现采用极小极大准则阈值法则对车轮垂向力信号的降噪处理结果更为准确可靠...     

一种基于EMD和小波阈值的桥梁振动信号混合去噪方法

在对桥梁进行健康监测的过程中,桥梁振动信号易受外部环境干扰而产生噪声,影响桥梁真实振动数据的获取与分析.为了减少噪声带来的影响,提出一种基于经验模态分解法(EMD)与小波阈值的混合去噪方法.该方法先通过EMD分解信号获得高频固有模态函数(IMF)分量,然后选取IMF分量使用小波阈值去噪,最后重构IMF分量获得去噪后的信号.结果 表明,基于EMD和小波阈值混合去噪能有效地滤除干扰噪声信号,且去噪效果优于单一的EMD分解去噪法和小波阈值去噪法.这一结果为桥梁振动信号的去噪处理提供了有意义的参考.     

基于缸盖振动信号分析的柴油机失火故障检测

用小波软阈值降噪的方法提高了柴油机缸盖振动信号的信噪比。对降噪后的振动信号进行了功率谱分 析,通过比较单缸断油前后功率谱的变化,找到了缸盖燃烧冲击振动的频段。以频段内振动信号的能量与总能量 的比值为诊断参数,识别了柴油机的失火故障。用实测数据证明了该方法的有效性。     

基于三次厄密插值的边坡变形监测小波降噪处理

边坡工程监测数据往往包含各种误差(噪声),表现出明显的非真实波动和突变,边坡的实际变形特征被噪声淹没而无法识别.小波分析能利用边坡真实变形信号与噪声的时频特性不同,借助小波变换的多分辨率分析,有效地对不同频率成分进行分离,并通过作用阈值,最终达到降噪的目的并提取出边坡真实的变形特征.工程中获得的监测数据有时是非等间隔的,不能直接进行小波降噪,可以利用三次厄密插值使其转变为等间隔数据序列,分析结果表明这种处理方法是可行的.     

基于AO算法优化VMD参数联合小波阈值的桥梁信号去噪方法

当桥梁进行状态评估和健康监测时，所获得的桥梁信号易受外部环境的干扰，难以反映桥梁结构的真实响应。针对桥梁信号夹杂环境噪声等问题，提出了基于联合天鹰算法(Aquila Optimizer, AO)、变分模态分解(Variational Mode Decomposition, VMD)和小波阈值的去噪方法。该方法首先利用AO算法优化VMD的参数，然后用VMD对含噪声的信号进行自适应分解，再去除方差贡献率较小的模态，最后对剩余的模态进行小波阈值去噪处理，重构信号得到去噪后的真实信号。对模拟信号和桥梁动应变的实测信号分别进行分析，结果表明：基于AO算法优化VMD参数联合小波阈值的去噪方法能有效滤除噪声信号，且去噪效果优于单一的小波阈值去噪、EMD联合小波阈值去噪以及EEMD联合小波阈值去噪等常用的去噪方法，研究成果可为桥梁信号的去噪处理提供有意义的参考。     

峭度分析法在发动机噪声信号故障特征提取中的应用

将峭度分析法引入发动机噪声信号故障特征提取中。基于连续小波变换对信号时间-尺度特征的细致刻画功能,提出了噪声信号中瞬时特性的峭度敏感特征参数计算方法,对不同转速不同工况下的发动机噪声信号进行了基于尺度-峭度的特征提取。研究结果表明,峭度结合连续小波变换能够很好地提取发动机噪声信号的故障特征。利用连续小波变换的尺度-峭度分析,能够有效提取噪声信号不同转速不同工况下的故障特征,为发动机的状态监测与故障诊断提供了重要的理论和现实依据。     

小波分析在边坡深部水平位移监测数据降噪中的应用

边坡深部位移监测曲线中的波动现象既反映了自然活动和人工活动使边坡内部位移产生的突变;也反映了噪声对其造成的影响。为了提高边坡稳定性评价的准确性,有必要监测信号进行降噪处理。小波分析作为一种新兴的数学工具,具有多分辨分析的特性,在信号的噪声消除方面,已有了广泛应用。将小波分析应用在边坡水平位移监测曲线的降噪中,选用小波阈值法对西攀高速公路k132高边坡和318国道k2791高边坡监测数据进行降噪,结果证实,小波分析方法能有效处理边坡深部位移监测数据。     

小波方法在信号降噪处理中的应用

小波方法是一种时频分析方法,在信号降噪中具有十分广泛的应用,文章通过模拟信号分析了当信号中包含有大量噪声时,采用EMD分解方法不能很好的提取原始信号中所包含的频率成分。采用文章给出的阈值函数可以有效的消除原始信号中包含的噪声,使得原始信号中包含的频率成分可以有效的通过EMD分解得到。文章的研究对于汽车零部件实测信号的降噪处理和频率特征的提取具有一定的参考。     

小波理论在路面平整度降噪分析中的应用

在路面平整度数据采集中,通常夹杂着一些噪声信号.文中采用4阶Symlest小波滤波器,对采样信号进行多尺度一维小波分解,通过软阈值法进行消噪,再对信号中的低频部分进行单支重构.分析表明,经过5层分解和分层阈值法处理后的信号不仅能最大限度地保留原始信号的趋势部分,而且能有效降噪.     

行驶车辆振动信号的小波分析

本文介绍了小波分析的理论方法，并上小波分析方法应用到了行驶车辆振动的分析中，即：通过二进离散小波变换，把实际振动信号进行多层小波分解，使异常信号和非平稳高频信号得到良好的时间定位和图形显示，并把信号的路面激励与本体振动分离开来。     

小波变换在行驶车辆检测器中的应用

为提高环形线圈对行驶车辆的检测精度,针对车辆检测器输出信号的处理问题,通过建立车辆高速通过环形线圈时频率变化曲线的数学模型,并对测量信号进行小波变换分析,不但能滤除噪声信号,而且能很好地保留信号的突变部分,体现不同车辆经过车辆检测器时的信号特征.采用小波多尺度分析提取信号高频细节系数和小波能量分布系数,可以从细节系数及能量分布中获得车辆通过环形线圈的准确特征,从而建立能量分布分析的小波变换后处理方法.大量试验结果表明,采用小波变换方法分析车辆通过环形线圈时频率变化信号,能很好地体现测量信号中的奇异值并显著提高车辆检测效果.     

压路机实时压实信号的降噪研究

为了得到更加真实有用的压路机信号,针对振动压路机钢轮的振动加速度信号采集中所存在的噪声,在4种不同阀值原则下对振动加速度信号进行小波降噪处理,采用IIR低通滤波器对同一信号进行滤波去噪。结果表明,小波降噪方法在对压路机钢轮振动信号的处理中能够更好地降噪并保留有用信号。     

基于时频分析的客车加速通过噪声声源识别

应用小波包分析理论发展了基于时频分析的客车加速通过噪声声源识别技术。根据选择运行及部分覆盖方法，分别去除各声源影响，同时测得客车通过测试区域的车外加速噪声。对于噪声信号进行多层小波包分解并重构，计算每个小波包的能量及该层小波包的总能量，通过不同信号的小波包能量比较达到声源识别的目的。研究表明，该方法不仅可以清晰地分辨各噪声源能量在时-频域的分布情况，而且通过能量计算可以识别主要噪声源，为采取相适应的降噪措施提供了理论基础。     

弱GNSS信号下基于EMD和LSTM的车辆位置预测方法研究

针对弱GNSS环境下组合导航（INS/GNSS）系统存在的定位偏差问题，提出一种基于经验模态分解和长短期记忆网络的车辆位置预测算法。首先，针对训练数据中噪声较大的惯导数据，提出一种融合经验模态分解与离散小波变换的降噪算法。该算法基于噪声能量估计和各阶本征模态函数的功率谱密度函数，提出一种确定混合模态函数阶数上下界的方法，并采用离散小波变换硬阈值法对混合模态函数进行滤波处理，最终利用经过处理的各阶模态函数重构原始数据以达到降噪目的。训练数据经过预处理后，采用改进的堆叠式长短期记忆网络离线训练位置预测模型，利用该训练模型可在线实时进行位置预测。针对车辆定位序贯数据预测，提出一种局部数据降噪方法，该方法利用一定长度时间窗口的历史数据，通过线性最小二乘给出当下时刻数据的预估值，并与实际量测值进行滑动平均滤波，优化位置预测的结果。在封闭场地模拟隧道环境下，对长短期记忆网络输入端进行局部数据降噪与不进行降噪处理比较，经度和纬度的归一化均方误差分别下降了13.34%和9.38%，经度和纬度的归一化平均绝对误差分别下降了8.64%和5.41%；在复杂城市交通环境下，检验提出的方法，经度和纬度的归一化均方误差分别下降了6.51%和5.66%，经度和纬度的归一化平均绝对误差分别下降了5.70%和8.23%。试验结果表明，在弱GNSS信号环境下，提出的车辆位置预测方法有效提高了车辆定位精度和稳定性。     

基于小波包变换的信号降噪方法及转向控制故障诊断

简要介绍了汽车转向系统的工作原理,转向信号的好坏直接影响汽车行驶的安全性;同时介绍了小波包变换的基本思想,将新型小波包变换滤波器与信号重采样结合,提出了一种新的小波包降噪方法.文章研究了该方法的降噪效果,同时比较了小波包直接降噪和小波包重构滤波器的降噪效果.将该方法用于转向控制的故障诊断,结果表明,该方法能够有效识别转向控制的典型故障.     

基于S变换的汽车零部件疲劳载荷谱编辑法研究

小波变换和短时傅里叶变换为频域载荷谱编辑方法的主要分析工具,小波变换法分解函数及分解层数难确定和短时傅里叶变换法窗宽固定的缺陷,导致对随机载荷的分析结果存在偏差,影响载荷编辑质量。为解决此问题,基于S变换基本理论,探索S变换在载荷加速编辑领域的应用,对试验场采集的应变信号进行S变换分析提取最大幅值谱,并以此为依据提取轮心六分力信号中的损伤载荷获取加速谱。将S变换、损伤保留、小波变换和短时傅里叶变换加速谱从载荷压缩量、损伤保留比例、功率谱密度、统计参数、穿级计数和疲劳仿真等方面进行对比分析。研究结果表明：基于S变换最大幅值谱可准确识别原始信号中的小损伤载荷;保留相同损伤保留量前提下,S变换加速谱的压缩效率最高且统计参数误差最小;S变换编辑法可将原始载荷时间压缩46.67%,同时加速谱的疲劳分析误差仅为2.2%,可获得与原始载荷相同的分析结果;S变换编辑法在疲劳分析效率和分析精度方面优于损伤保留、小波变换和短时傅里叶变换编辑法;该方法适用于汽车零部件疲劳耐久性分析。     

基于ETC的车辆动态称重系统轴载数据处理算法研究

文章针对提出的基于ETC的车辆动态称重系统设计,以压电石英传感器阵列作为称重单元,利用小波变换原理对采集原始数据进行降噪处理,并针对数据丢轴等现象提出基于相关性的信号完整性分析方法,最后依据各传感器的输出值及车辆通行速度建立了BP神经网络模型,利用该模型得到被称重车辆的车重。实验结果表明:称重传感器阵列和基于小波-BP神经网络的称重数据处理算法,达到了动态称重系统的称重数据测量精度,保证了基于ETC的动态称重系统从技术上得以实现,具有良好的实际应用价值。     

松软路面突变性对车辆垂向振动的影响

为了在越野行驶车辆平顺性仿真系统中实时动态反映车辆的振动特性,提出了基于小波变换的松软越野路面突变性描述方法并分析突变性对车辆垂向振动的影响。通过小波变换对路面奇异点进行测定和定位,把越野车辆平顺性仿真系统看作是在有限时间内受到随机载荷激励的动力系统,分析其受路面突变载荷的车辆的垂直振动响应方差。结果表明,小波变换能较准确地判定路面奇异点并对其定位,可为越野车辆平顺性虚拟测试系统提供路面随机输入。