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。     

基于小波变换技术的舰船电气设备信号去噪抑制方法

以降低舰船电气设备运行所受电磁串扰影响为目的,提出基于小波变换技术的舰船电气设备信号去噪抑制方法。建立舰船电气设备信号电磁串扰噪声模型,使用小波变换方法对电气设备信号噪声进行抑制,针对小波变换去噪能量泄漏大、频带混叠大等问题,使用双树复小波的实部树和虚部树进行电气设备信号分解,即保留小波分解的优点又可以完全重构电气设备信号,并结合硬阈值和软阈值函数优点,形成通用阈值函数,优化小波变换的阈值函数,保证更好信号去噪抑制效果。通过实验可以看出,该方法的应用既可以有效抑制电气设备信号中的噪声干扰,又可以保证原始信号波形不被破坏,同时在信号分解时,可以在噪声聚集的高频部分形成十分优秀的降噪效果,使信号趋近平稳状态。     

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。     

基于小波阈值法和LMS自适应滤波法的舰船去噪方法

在海上行驶过程中,为确保安全稳定航行,有必要高度重视舰船去噪的重要性。其中,在舰船去噪过程中,将信噪比增益当做小波基函数的一个重要参数进行研究,可以将改进后的小波阈值算法应用到舰船的背景信号去噪算法中,进而改善去噪的效果。而LMS自适应滤波器则能够结合环境改变对滤波器的系数进行自动调整,结构相对简单且运算量不大,容易满足硬件需求,所以也在噪声对消与信号预测、增强等诸多领域中得到广泛应用。在舰船去噪中,将小波阈值去噪方法与LMS自适应滤波算法应用于其中具有一定的可行性,值得展开进一步研究与探讨。     

舰船磁场动态测量中的小波消噪技术研究

动态测量是舰船磁场测量中的重要方式,针对舰船磁场动态测量中的噪声特点,采用小波变换技术进行了消噪处理。仿真结果表明,小波变换技术可以较好的消除各个频段的磁场噪声,较好的恢复原始舰船磁场信号,在实际舰船磁场动态测量中有重要的应用价值。     

LMS算法在舰船磁场信号检测中的应用

针对检测舰船磁场信号时信噪比较低的问题,提出了一种基于变步长LMS算法的检测方法.根据舰船磁场信号的实际特征,首先采用小波阈值去噪法对实测信号进行处理,去除测量信号中的白噪声,并提取最后一层的低频分量,滤除高频噪声;再采用变步长LMS算法对低频分量进行自适应滤波,进一步滤除噪声,提取舰船磁场特征信号.船模实验的结果表明,该算法可以显著提高信噪比,增强了对舰船磁场信号的检测能力.     

一种舰船辐射噪声线谱检测新方法

舰船辐射噪声的线谱成分包含许多舰船的特征信息,在低信噪比的情况下,实现线谱的有效检测对舰船的分类与识别有着重大意义。以绝热近似小参数理论为依据,提出一种基于自相关和随机共振理论相结合的舰船辐射噪声线谱检测方法。该方法通过对微弱信号自相关处理完成初步消噪,并将处理后数据输入到随机共振系统中进行线谱检测。仿真实验中,将本方法通过尺度变换运用于舰船辐射噪声线谱检测中,仿真结果验证该方法的有效性。     

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。     

舰船遥感图像检测小波分析研究

本文以舰船遥感图像为具体分析对象,针对舰船图像中存在的噪声干扰和目标边缘检测问题,引入小波分析作为解决方法,通过对使用小波进行图像去噪及目标边缘检测原理的分析,采用db N小波函数为对舰船图像信号进行分解,以自适应阈值法实现高频信号去噪处理,并对降噪后的图像选择合适的平滑函数进行舰船目标边缘提取,结果表明,小波分析能够很好地实现舰船遥感图像去噪,而舰船目标对于边缘提取,虽然效果较好,但仍有进一步优化改进的空间。     

海上低空探空剖面数据的小波降噪方法研究*

传感器噪声是影响海上低空探空剖面测量的重要因素,对被测信号进行消噪处理是测量中必不可少的步骤。文章阐述了利用小波变换对探空剖面这类非平稳信号进行消噪的方法,通过仿真以及对实测数据的降噪处理结果得出,利用小波对含噪信号进行降噪是一种有效的手段。     

一种估计水中目标辐射噪声线谱的方法

线谱是水中目标辐射噪声中重要的特征信息,在被动声呐系统中,线谱提取是水中目标识别的关键技术.文章简述了水中目标辐射噪声的物理成因和频谱特征,利用经典谱估计法与现代谱估计法在短时序列谱估计中的特点,结合仿真试验的结果,提出了一种对水中目标辐射噪声低频段线谱估计的联合分析法,并用该方法对2艘实船噪声进行了谱分析.实验结果表明,该方法对低频段的线谱特征提取有较好的实用效果.     

未知参数的舰船辐射噪声线谱Duffing振子检测方法

当被动声呐探测舰船目标时,舰船辐射噪声中的线谱成分是舰船分类识别及航行状态监测的特征参量,通常情况下线谱的频率及数量是未知的。针对现有未知频率的Duffing振子检测方法存在系统结构复杂,判别时间长,需要人为参与等问题,本文构造了变参数单一Duffing振子检测模型,并提出了变频频率切片小波变换的Duffing振子检测方法。该方法通过设置合理的频率灵敏度参数自动地调整系统内置策动力频率值,利用频率切片小波变换提升系统抗噪性能,结合Poincare映射特征函数的系统相态定量判决方法,变频搜索待测信号中的线谱分量。在实测数据的分析处理中,对不同观测时间内的数据进行检测,实现了线谱成分的检测跟踪与频率估计,并根据时间轨迹上的频率识别信息确定存在的稳定线谱成分。数据处理结果表明,该方法能够实现低信噪比下参数未知线谱的检测与频率估计。     

基于小波包分析的混沌信号消噪研究

由于混沌是一种貌似随机的确定性信号,具有宽频谱的特征,传统的方法不能有效滤除混沌信号中的噪声,文章应用小波包分析方法实现了这一目标。同时,根据混沌信号在各个频段上的能量分布具有"涨落"的特征,提出了一种确定阈值的新标准。研究结果表明,新的阈值标准既能够保证原信号中的有用信息不会出现严重泄露,又能够实现有效去噪。     

基于高阶谱的舰船噪声特征提取与实验

利用高阶谱对舰船辐射噪声进行了分析,着重研究了采用双谱分析的方法提取舰船噪声特征,给出了维谱特征提取的算法,提取了9维的特征向量并利用神经网络进行了训练与识别.实验表明,该方法对舰船辐射噪声信号具有很好的分类效果.     

自适应谱线增强在舰船辐射噪声线谱检测中的应用

舰船辐射噪声线谱成分包含有大量的舰船特征信息,提取这些线谱成分对于水下目标的识别和研究具有十分重要的意义.为了有效地将舰船辐射噪声特征线谱从宽带背景噪声中分离出来,提出了运用自适应谱线增强理论对舰船辐射噪声信号进行研究.利用最小均方LMS自适应算法,构造出自适应谱线增强器,从理论上对该增强器的原理进行了分析,并利用该增强器对2种船型的辐射噪声实测数据进行了处理.结果表明,该增强器对线谱信号有增强作用,对背景噪声有较好的抑制作用,十分有利于辐射噪声特征线谱的提取.     

小波变换在紫外光信号降噪处理中的应用

介绍小波变换的基本理论并且利用db8小波对紫外光信号进行小波阈值降噪处理。通过数值模拟对软阈值法和硬阈值法进行了比较。实验结果表明软阈值小波降噪法有着更好的性能,能够有效地抑制信号中的噪声,信噪比提高到了8.5192dB。     

基于双树复小波的被动目标特征提取方法研究

针对水下目标辐射噪声特征提取困难的问题,提出一种基于双树复小波变换的特征提取方法。首先,采用一种改进的小波阈值去噪方法去除水下目标辐射噪声信号中的噪声成分,该方法可以获得优于经典小波阈值去噪方法的结果;其次,在特征提取过程中,采用具有近似平移不变性的双树复小波变换,该方法能够克服信号时移带来的影响,得到稳定的目标特征向量。仿真试验和实航数据处理结果表明,本文方法提取的目标特征向量比使用离散小波变换提取的结果更稳定。     

基于单矢量水听器的海洋环境噪声方向性分析方法研究

海洋环境噪声场方向性是信号处理中背景噪声抑制的基础.本文基于矢量水听器研究了海洋环境噪声方向性分析方法以及各向异性的表征方法,分析了背景噪声方向性与矢量水听器对背景噪声抑制能力的关系,并利用北黄海海域单矢量水听器获取的海洋环境噪声数据,对海洋环境噪声方向性分析方法进行了试验验证.结果表明:不同频段的海洋环境噪声场水平各向异性程度差异显著;海洋环境噪声水平方向性在特定频段内具有显著的不均匀性,且其方向性与航船分布情况一致.     

基于小波降噪的经验模式分解方法研究

通过正常工况下的转子位移信号,分析不同幅值噪声对经验模式分解(EMD)分解的影响。对于幅值较小的随机噪声,EMD分解可以自适应地将主要特征信息从噪声中分解出来。而对于幅值较大的噪声,小波降噪的EMD分解则可以有效避免模态间能量泄漏,从而得到准确的分析结果。