舰船钛合金超声检测信号模型及模极大值小波去噪算法分析

针对舰船用钛合金超声检测信号中普遍存在的材料散射噪声过大的现象，结合钛合金超声检测信号与散射噪声信号的产生特点，构造了一组信号模型，并提出了基于小波分解的一种改进的模极大值去噪算法。该算法利用小波分解中的低频系数来确定信号位置，在高频各尺度系数的对应位置寻找相应的频率信息，以达到提取信号去除噪声的目的。实例分析表明，该模型能基本反映超声检测信号的特点，而且此算法对TA2钛合金超声检测信号去噪效果比较理想。     

一种改进小波阈值的图像去噪算法

利用小波变换进行图像去噪目前始终是研究的热点。文章提出了一种改进小波阈值的图像去噪新算法。该算法根据软硬阈值函数的不同优点,并结合斜坡阈值技术对小波阈值函数进行了改进,将经小波分解以后的小波变换系数分三种情况进行讨论,有效地剔除了噪声信号的影响。在进行图像处理中,能够得到较低的均方误差和较高的信噪比,并且能有效地去除Gibbs效应,保留较多图像的边缘和细节信息。仿真实验结果表明该算法的去噪效果优于传统的软硬阈值方法去噪,取得了很好的去噪效果。     

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。     

基于小波变换的舰船主干网络干扰信号防御算法

干扰信号威胁舰船主干网络的通信质量,当前干扰信号防御算法的随机噪声抑制效果不佳,容易造成去噪信号振荡,影响算法的收敛稳定性,基于小波变换设计舰船主干网络干扰信号防御算法。将信号分解为简单分量的叠加,提取干扰信号的时频特征参数。设置阈值和调节函数,利用小波变换压制信号随机噪声。在去噪信号的基础上,设计干扰信号防御算法,利用概念熵函数进行迭代,得到干扰防御的最优解。实验结果表明,本文设计算法的最差收敛误差比基于深度神经网络和基于线性约束最小功率的防御算法降低了0.081和0.028,具有较好的收敛稳定性,满足实际应用需求。     

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。     

基于小波能量熵的水下目标磁场信号去噪

本文提出了基于小波能量熵的水下目标磁场信号去噪方法,通过对信号进行小波分解,计算各层目标信号和背景噪声的小波系数能量熵,利用信号在不同的分解尺度上具有不同的小波熵,自适应地确定高频系数的阈值,利用经过处理后的小波系数进行小波反变换,实现对水下目标磁场信号的去噪.仿真试验结果表明,该方法能有效去除背景噪声,检测出目标磁场...     

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。     

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.     

小波变换在舰船图像尺寸测量方法中的应用

分析小波阈值降噪和基于小波图像分割技术在舰船图像尺寸测量中的应用,在小波阈值降噪阶段,利用高斯小波对图像进行4层分解,逐层去除噪声的小幅值小波系数,达到去噪目的;在图像分割阶段,首先利用灰度直方图以及本文提出的像素邻域差值直方图构建二维直方图,然后对其进行最优一维投影;最后利用Haar小波对最优一维投影进行分解,求取图像最佳分割阈值。本文用提出的算法对舰船的主轴长度、主轴垂直方向长度、舰船面积以及周长4个尺度量进行测量。实验结果表明,小波变换在图像降噪和分割方面有诸多优势,而降噪和分割又是舰船尺寸测量的必须步骤,因此小波变换将在舰船图像尺寸测量中发挥越来越重要的作用。     

稠密度聚类在舰船网络微弱信号自适应增强中的应用

提升舰船网络信号及整体通信质量,提出基于稠密度聚类的舰船网络微弱信号自适应增强方法.应用稠密度聚类算法检测出舰船网络微弱信号,通过经验模态分解法分解微弱信号,结合小波变换法与奇异谱分析法去除的噪声,实现舰船网络微弱信号增强信.结果表明,该方法能够有效分解所检出微弱信号,并进行分量去噪处理,去噪后各信号分量不仅保留原有细...     

尺度适应性二代小波的图像去噪方法

根据二代小波变换的基本理论和特点,研究二代小波对图像去噪的效果。提出基于二代小波的尺度适应性分解算法,并使用改进阈值函数进行阈值分析后再对噪声图像进行去噪处理。实验结果证明,使用尺度适应性二代小波对图像去噪比其他方法具有更好的效果,去噪后的图像信噪比大大提高。     

小波分析在信号消噪中的应用研究

小波分析具有在频率域的多分辨能力,已广泛用于信号和图像的消噪中。在引入小波阈值去噪方法的基础上,提出了一种新的阈值函数。经过信号仿真验证,这种新的阈值函数取得了较好的消噪效果,克服了采用传统的软、硬阈值函数去噪的不足。     

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.     

小波降噪及EMD方法在泵房前池水位波动分析中的应用

为保障机组运行安全,滨海核电厂泵房前池的水面波动有一定的要求。文章通过小波分析方法,选择合适的小波基函数、分解层数及阈值对含噪信号进行降噪处理,并应用于泵房前池波动试验的信号降噪。通过EMD分析方法,将泵房前池的波动信号分解为长周期波动和短周期波动,结果发现前池的波动以长周期波动为主,短周期波动较小,满足泵房取水的安全要求,但从厂址安全角度出发,应评估长周期波动对厂坪标高的影响。     

小波分析在船舶测试信号中的算法研究

获得精准的船舶测试信号对于保障船舶航行安全非常重要。本文将小波分析应用于船舶测试信号去噪处理中,在处理的过程中详细的阐述了阈值的选择以及小波去噪的实现步骤。最后利用不同的小波系对获取到的含有高斯白噪声的VLCC振动信号进行去噪处理,并通过信噪比的评价得到处理效果较好的母小波函数。     

基于小波分析的舰船电力系统故障自动检测方法

常规障自动检测方法计算故障信号时频会产生误差,导致检测中的信号丢失,因此,提出基于小波分析的舰船电力系统故障自动检测方法。以故障信号特征为条件建立信号模式分解函数,通过约束函数的历程提取舰船电力系统中的故障信号,利用连续小波变换将提取信号处理拆解为中心式分布的小波,计算分布在信号传递范围内的小波时频,将时频导入到小波工具箱中的Matlab,实现故障检测。实验测试结果表明,与传统方法相比,所提方法的检测结果更加完整,未出现信号丢失的问题。     

基于MATLAB的舰船辐射噪声信号小波消噪处理

针对舰船辐射噪声信号的特点提出了小波消噪的方法,对小波消噪理论作了简要的阐述,并设计了一种消噪方案,最后利用MATLAB,在计算机上选用不同的小波基和阈值进行了实船信号的消噪处理试验,并对结果进行了简单的分析比较。试验结果表明,在选择了合适的小波基和阈值的情况下,利用小波变换的方法对舰船辐射噪声进行消噪处理可以取得良好的效果。     

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。     

基于经验模式分解的滤波去噪算法

经验模式分解法被认为是非线性、非平稳数据处理方法的新进展.其最大优点是根据信号本身的特性自适应地产生合适的模态函数,这些模态函数能很好地反映信号在任何时间局部的频率特征,克服了小波变换中要选取合适小波基的困难.基于经验模式分解的分解特性,本文提出了一种新的阈值去噪方法,通过事先建立的经验阈值,根据自适应方法对噪声进行去除,然后对去除的噪声进行随机采样后加入到去噪信号中重新滤波,通过反复滤波迭代进行噪声的去除.实验结果证明了本方法与小波相比具有自身独特的优势.