小波非线形阈值方法在工程地震勘探中的应用

针对浅层地震勘察中的随机噪声压制,提出了非线形阈值的小波域衰减算法。首先分析了小波软、硬阈值去噪方法的优缺点,对小波阈值去噪算法中的阈值函数进行改进,采用了非线形阈值去噪算法对地震信号进行处理。通过模型分析与实际数据处理表明,相对软、硬阈值去噪算法,该方法不仅可以很好地压制地震信号中高频随机噪声,而且可以很好地保持原信号的地质信息。     

钢轨超声相控阵检测中的信号去噪研究

针对钢轨缺陷超声相控阵法检测应用中所存在的信噪比不高的问题,选用db4小波和阈值法对噪声图像进行小波变换,得到小波系数矩阵,再通过阈值化对小波系数矩阵做逆变换,抑制噪声对检测效果的不利影响,并重构钢轨缺陷的全聚焦图像。选用含人工缺陷的60钢轨试块开展超声相控阵检测实验,对比去噪前后的PSNR和MSE验证本方法的去噪性能,为钢轨缺陷相控阵C扫描成像提供有效保障。     

基于小波变换的轨道检测数据滤波方法

为了尽量减小轨道检测数据中夹杂的粗大噪声干扰对轨道检测结果的影响,利用小波算法对轨道检测数据滤波处理是一种可行方法。分析了dbl,db2,db3和db4小波基对轨道检测数据中高频突变脉冲信号的敏感性,选用较为敏感的db1小波基对轨道检测数据进行小波分解。通过3σ准则识别出粗大误差点并加以剔除,对轨道检测数据的高频和低频部分进行小波重构,从而达到较好的轨道检测数据去噪滤波效果。分别采用均方误差值、信噪比和平滑度指标对几种小波的去噪滤波效果进行了分析比较,进一步验证了db1小波能在轨道检测数据的处理中达到较好的去噪滤波效果。实例表明,论文提出的方法对能够敏感地识别轨道检测数据中的噪声信号,有效地剔除检测数据中的粗大误差,达到较为理想的轨道检测数据滤波效果。     

基于运营期地铁轨行区监测数据的去噪小波基函数选取

基于在用小波方法去除监测数据噪声时对于小波基选取尚无理论依据的现状,以运营期南京地铁2号线某区间的轨行区连续监测数据为例,提出采用小波阈值去噪法对连续长期轨行区监测数据进行处理。结合小波基选取的一般原则,选取3种常用小波基系结合实例数据进行研究,分析小波基去噪后残差余量,并基于均方根误差和信噪比指标分析不同基函数的去噪效果。计算实例表明,选用sym4小波基函数进行去噪,可获得更小的均方根误差,从而提高监测数据的信噪比,值得在地铁及相关变形监测数据处理中推广。     

基于集合经验模态分解和小波变换的轮轨力应变信号降噪

为解决轮轨力应变信号中的噪声干扰问题,提出了基于集合经验模态分解与小波变换相结合的去噪方法。该方法能够判断出含有基线漂移和高频噪声的模态分量。对含有基线漂移的分量通过小波变换进行分解,将代表基线漂移的趋势项置零达到去除基线漂移的目的。对于高频噪声,则是采用小波阈值法进行去除。实测轮轨力应变信号的去噪处理表明了该方法的有效性。     

基于FFT功率谱和SVD的局放窄带干扰降噪方法研究

针对电缆终端局部放电检测存在周期性窄带干扰问题,提出了一种基于FFT功率谱和奇异值分解的局放信号周期性窄带干扰降噪方法.通过对仿真、试验局放信号进行去噪,并与FFT阈值去噪和小波去噪等方法对比分析,表明该方法对于周期性窄带干扰具有更优的抑制效果,能较好地还原PD信号.     

轨道检测噪声数据剔除方法的研究

为了消除铁路轨道检测数据中夹杂的噪声数据对轨道状态评定的影响,利用小波算法对原始数据信息进行分解.通过对分解后得到的高频信息进行分析,即可以找出轨道检测数据中噪声数据出现的规律.然后利用小波消噪方法对检测数据进行处理,得到消噪之后的数据,从而实现数据的恢复.使用Matlab中的小波算法对兰新线某段数据进行分析,实践表明小波算法具有较好的消噪功能.     

基于小波分析的自适应噪声识别

图像噪声类型直接影响去噪方法的去噪效果.因此,研究图像噪声类型的识别,对于数字图像去噪方法效果的提高具有重要意义.利用小波分解的高频系数,分析直方图和曲线拟合图的跳变出现概率特征以及黄金分割点处的窗口宽度特征,提出一种数字图象噪声类型自适应识别方法.针对图像噪声识别类型,采用相适用去噪方法提高图像去噪效果.通过大量实验表明,该方法是切实有效的.     

基于软硬阈值折中的小波包语音增强算法的研究

由于语音信号的非平稳性,传统去噪方法将会不可避免地造成有用语音信号的损失,小波包分析能同时对信号的低频部分和高频部分进行分解,与小波分析相比,对信号的分析能力更强.文中提出一种新的去噪方法,它对噪声的清除更加干净,仿真结果表明,这种方法优于软、硬阈值法.     

基于小波包分析的城轨车辆受电弓实测动应力研究

为研究受电弓应力变化并预估受电弓实际寿命,在上海地铁1号线和11号线实际运营线路上,开展受电弓动应力实测研究。通过受电弓动应力实测数据归纳和剪裁,获得动应力环境试验谱,采用雨流计数法分析评估了受电弓疲劳寿命。为避免传统去噪算法易将部分真实动应力信号视为噪声,从而导致动应力信号能量损失,采用小波包分析(Wavelet Packet Analysis)法对获取的受电弓动应力信号进行多层次高频和低频分解,并对分解所得系数进行阈值处理,有效地去除动应力信号中的真实噪声,结果表明:小波包法能明显改善受电弓动应力去噪性能-信噪比SNR和根均方误差RMSE,且在不同噪声水平下的去噪性能均优于传统去噪算法;既能有效去除受电弓动应力谱中的噪声成分,亦能保留动应力信号细节特征。     

汽车车牌的自动检测与识别

车牌识别系统是智能交通系统的重要组成部分.研究进行车牌识别的各项关键技术,提出基于数学形态学与多特征组合分析相结合的快速汽车车牌定位方法.在分析近年来一些典型的车牌识别算法的基础上,给出改进算法的BP神经网络.实验表明,该算法可以有效提高识别速度和准确率.     

高速铁路无砟岔枕质量控制与工艺改进

结合现有高速铁路无砟岔枕生产工艺技术,针对高速无砟岔枕精度高,批次数量多等带来的质量控制难的问题,在工艺研究及应用过程中,总结出高速无砟岔枕施工过程的质量控制流程,并详细阐述高速无砟岔枕在生产过程中桁架钢筋焊接、活底模具使用、高性能混凝土生产与浇筑、预应力钢筋张拉及缓慢放张等关键工序的质量控制要点,提出具体的控制措施和实用方案。同时,对高速无砟岔枕表面印痕不清、号牌位置破损、端头分隔板歪斜等易出现的质量缺陷,提出改进工艺,并在实践中得到应用。     

基于DSP的铁路MOA在线监测研究

对铁路电网中MOA在线监测进行研究,在传统基波测量法的基础上,硬件上加入频率自动跟踪电路,实时跟踪电网频率,解决FFT的频谱泄漏问题,软件上小波分析解决现场干扰和去除噪声问题,FFT可方便地得到各次谐波,从而计算出测量所需的阻性泄漏电流.     

小波消噪在电力电子装置故障检测中的应用

考虑电力电子装置中噪声因素对故障检测和识别的影响,用多尺度小波变换和小波包变换对信号进行消噪.小波变换是将信号分解成高频和低频成分,低频成分包含信号的主要性能,高频含较多的噪声,将高频平滑后再重建即可消噪.然后利用Matlab对电力电子装置故障暂态信号进行消噪处理,比较各种消噪方法的优缺点,并结合理论分析和模拟结果讨论了阈值的选取方法和原则.仿真结果表明,基于小波变换的消噪方法是一种提取有用信号、展示噪声和突变信号的实用方法.     

降低受电弓噪声

为降低新干线的噪声,必须降低对总噪声贡献极大的受电弓噪声.开发了2种低噪声受电弓,这些受电弓的降噪性能已通过风洞试验得到了证实.通过增强受电弓隔声板声音衰减效果和1列车只用1台受电弓,可进一步降低噪声.     

驼峰测速雷达信号的小波滤波分析

针对卡尔曼滤波方法存在的缺点,研究采用小波滤波方法进行驼峰测速雷达信号滤波。小波滤波的基本原理是对信号小波变换后的小波系数进行非线性处理,然后重构信号,滤除信号中的噪声。根据雷达信号的特点,初步选用Haar小波和二阶Dauhechies(db2)小波、3层分解、通用阈值和半软阈值算法,进行离线试验及分析。根据离线试验的滤波效果,确定选用二阶Daubechies(db2)小波、3层分解和半软阈值算法进行雷达信号滤波。利用离线试验选定的小波和算法,对采集的雷达信号进行实时滤波仿真,仿真结果与离线试验结果基本一致。将小波滤波方法与卡尔曼滤波方法对比可知,小波滤波能有效地滤除噪声、提高信噪比、减少均方差,滤波效果比较理想。因此,采用小波滤波方法进行驼峰测速雷达信号滤波,可以获得更准确的车速。     

一种低信噪比环境下的基音检测方法

噪声是低信噪比环境下影响基音检测准确率的主要因素之一,为此提出一种基于形态学滤波和小波变换相结合的基音检测方法。该方法首先用形态学滤波器滤除噪声,突出基音。然后在小波域利用Teager能量算子区分清、浊音,通过浊音小波系数模的极大值提取基音。实验结果表明,在信噪比较小时该方法也能准确地检测出语音信号的基音,与传统的基音检测方法相比,该方法有较强的抗噪性。