一种改进的小波消噪算法

针对传统小波变换在信号消噪中计算的不足,设计了一种改进的小波消噪算法.该算法保留了小波分析处理时变信号的优势所在,但较传统的消噪应用,算法相对简单,易于实现.利用实际数据对该消噪算法进行了数据验证,并与传统小波消噪算法等对比算法进行了效果对比.验证结果表明,所提出的新算法效果较好,具有一定实用性.     

基于小波卡尔曼滤波的高速公路交通数据融合去噪算法研究

为去除交通信息采集过程中的噪声干扰,提出了一种基于小波分析和卡尔曼滤波相融合的交通数据去噪算法。该算法通过小波系数计算小波方差并代替卡尔曼滤波的初始协方差完成迭代,将小波阈值去噪重构后的信号作为卡尔曼滤波器状态最优估计中的测量值输入,实现了交通数据的分解去噪和最优估计。实例分析结果表明:一方面小波-卡尔曼滤波融合去噪算法的去噪指标优于小波分析算法;另一方面采用去噪后的实时交通数据建立时间序列预测模型,由三项预测误差评价指标及拟合预测图对比可知,小波-卡尔曼滤波融合去噪算法较小波分析算法可更好地提高预测精度,从而综合验证该融合算法能有效去除交通数据中的噪声干扰,并提高其数据质量。     

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。     

基于小波分析的车载激光雷达冲击振动噪声处理方法研究

针对车载激光雷达输出信号精度受冲击振动噪声影响的问题,建立了冲击振动激励与电路振动噪声响应之间的数学模型,提出了一种基于小波分析的噪声消除方法。该方法通过对车载激光雷达输入冲击激励信号进行小波分析,对输出振动噪声响应信号进行高斯函数拟合,建立了二者间的关联函数,在此基础上设计了输出噪声处理算法。仿真结果表明,该算法对冲击振动引起的车载激光雷达输出噪声有明显消噪效果。     

基于小波消噪的ARIMA与SVM组合交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量非线性和强干扰性的特征,首先应用小波分析方法,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;然后采用自回归求和滑动平均(ARIMA)和支持向量机(SVM)的结合预测模型对交通流进行了预测,最后用实测交通数据进行了验证分析,得到了两个结论:一是组合预测模型比单个预测模型的预测精度高;二是小波分析消噪后的组合预测模型比没有消噪的组合预测模型预测精度高.结果表明消噪后的组合预测模型具有较高的预测精度,可用于交通流的实时动态预测.     

基于软阈值和遗传自适应阈值的车辆制动信号的联合小波去噪

利用遗传算法改进基于自适应阈值的小波去噪方法,并验证了该去噪方法的有效性。通过小波分析和经典谱估计方法计算了某款车驾驶员耳旁声信号的能量分布,发现其信号能量主要集中于低频部分,据此提出了利用软阈值和基于遗传算法自适应阈值的联合小波去噪方法。去噪前后信号对比结果表明,该方法可快速衰减信号的高频噪声,降低信号的波动。     

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。     

小波分析降低激光多普勒静态信号噪声研究

本文针对激光多普勒静态信号噪声呈双正态分布叠加的特点,在LabVIEW平台上通过Matlab Script节点的方式实现了小波技术的消噪;通过小波分析和小波包分析来降低激光多普勒静态信号噪声,比较这些去噪方法的优缺点,确定用小波包去噪效果更好。     

基于改进小波分解的机载位置数据降噪处理

机载经度、纬度、高度数据的精度,对保证飞机定位的精确性和飞行安全性有着重要意义.结合小波分解和经验模态分解(EMD)2种方法的优点,在小波分解的基础上,提出1种基于 EMD 的小波分解降噪方法.利用 EMD 对机载位置数据进行分解,并对高频分量用小波分解方法进行降噪处理,降噪后高频分量再结合低频分量进行重构得到降噪后的数据.以西安到长春某航班巡航阶段的机载高度数据序列为例,进行了仿真验证.结果表明,改进小波分解降噪方法与传统的小波分解降噪方法相比,信噪比提高了0.649,均方根误差减小了0.6969,消噪效果更加明显.改进的小波分解方法在处理机载位置数据方面有着较明显的优点,可获得更精确的飞机三维数据.      

基于独立分量分析的高压油管压力信号消噪研究

分析了用夹持式油压传感器采集高压油管压力信号的噪声特点和组成,针对传统的消噪方法无法较好地消除油压信号中混叠的油管振动信号的问题,提出基于独立分量分析的消噪方法。实测数据分析结果表明,基于负熵的快速固定点算法成功实现了油压信号和油管振动信号分离,提高了油压信号的信噪比。     

小波神经网络在基于图象处理的路面破损识别中的应用

由于路面破损形式的多种多样,造成路面破损分类成为一大难题,这极大的限制了路面破损自动检测的普及和发展,使得路面破损自动检测即使在发达国家普及得也不够理想。本文主要研究基于图象子块分布特性的路面破损识别算法,对比研究了小波神经网络和传统的BP神经网络在基于图象子块分布特性的路面破损识别。仿真结果显示,小波神经网络优于传统的BP神经网络。     

结合信号配准技术的小波多尺度车辆边缘检测方法

为了在准确检测边缘的同时有效地抑制噪声,提出了结合信号配准技术的小波多尺度边缘检测方法。该方法首先基于小波变换的特点设计小波多尺度边缘检测算法检测图像边缘;而后结合信号配准技术将不连续的边缘连接为完整的边缘轮廓,减弱由噪声或干扰造成的影响。试验结果表明:该方法不仅能准确检测出清晰连续的边缘图像,而且能有效抑制噪声,是边缘检测的实用方法。     

基于小波和粒子群算法的HEV行驶状况辨识方法研究

针对混合动力汽车(HEV)行驶状况(道路坡度和整车载荷)变化难以有效识别,导致驱动系统控制策略不能有效满足驾驶员意图问题,以混联式HEV为研究对象,提出了基于小波滤波和粒子群算法的HEV行驶状况辨识方法。首先建立了汽车行驶状况辨识模型,采用最小二乘法确立了优化目标函数,其次研究了基于小波滤波和粒子群算法的HEV行驶状况辨识原理,最后进行了行驶状况粒子群智能算法辨识试验。在采集实车数据的基础上,对实车数据进行小波滤波,并运用行驶状况辨识方法对道路坡度和整车载荷进行了辨识,并对辨识结果进行小波滤波,结果表明,试验工况下整车载荷辨识的相对误差绝对平均值为2.71%,道路坡度辨识的相对误差绝对平均值为3.85%,验证了所提出方法的有效性。     

Research on the sound metric of door-slamming sound based on leaky integration and wavelet decomposition

The evaluation of the sound quality of door-slamming has become one of the important issues in vehicle noise, vibration and harshness (NVH) analysis. For the sound quality evaluation of door-slamming, a new sound metric, named as sound metric based on critical band wavelet decomposition (SMCBWD), is developed. In the new sound metric, the sound signals of door-slamming are sampled and the signal component of the door-slamming sound which has the great influence on the quality of door-slamming is extracted by using the leaky integration method. The extracted signal component is then decomposed by wavelets based on the critical bands and the coefficients of wavelet decomposition are calculated. Based on the energy of the frequency weighted wavelet decomposition coefficients, the new sound metric, SMCBWD, is calculated. In order to verify the effectiveness of SMCBWD, the correlation coefficients between the new sound metric and the subjective sound quality performance value of door-slamming, as well as between the traditional sound metrics (loudness, sharpness) and the subjective sound quality performance value of door-slamming have been calculated, respectively. The results show that the new sound metric developed in this paper has the higher correlations with the subjective sound quality performance value when compared with the traditional sound metric of loudness and sharpness. Thus, SMCBWD can be used to evaluate the sound quality of door-slamming more accurately.     

基于EEMD的地铁隧道爆破振动信号分析与应用研究

针对EMD（empirical mode decomposition,经验模态分解）方法在处理爆破振动信号时存在模态混叠的问题,引入EEMD（ensemble empirical mode decomposition,集合经验模态分解）方法,对爆破振动信号进行去噪处理,并分析城市隧道掘进爆破振动信号的特征信息,从而研究城市隧道掘进爆破振动效应。以乌鲁木齐轨道交通1号线爆破开挖工程为依托,利用现场爆破振动监测数据,采用EEMD方法与EMD方法对原始爆破振动信号进行去噪处理,运用信噪比（SNR）法和均方根误差（RMSE）法对所得结果进行量化评估并进行比较,从而获得较准确的信号去噪方法,然后运用希尔伯特变换对去噪后的爆破振动信号进行时间-频率和能量分布特征分析。研究表明： 1）EEMD法去噪结果信噪比和均方根误差分别为30.51和0.005 5,EMD法去噪结果信噪比和均方根误差分别为20.88和0.010,EEMD去噪法要优于EMD去噪法; 2）在文章所述起爆方式下,隧道爆破振动的能量一般集中在频率段5～80 Hz,且主要分布在50 Hz以下的低频段,应采取合理的降震增频措施来控制爆破振动对建（构）筑物的影响; 3）爆破振动瞬时能量峰值与振速峰值所在的时刻一致,说明瞬时能量谱能较好地体现爆破过程中振动效应随时间的变化规律; 4）基于信号去噪及分析的研究结论,提出地铁隧道爆破振动控制技术。     

基于小波变换的城市道路交通事件检测

利用出租车浮动车数据对城市道路行程车速的表达能力,针对出租车空车和重车2种数据运用小波变换技术分析了城市道路交通状态突变点,据此进行了城市道路交通事件的检测。区别于以往小波变换技术,首先运用于数据降噪,再将处理数据运用交通事件检测算法判断,直接采用小波变换技术实现了对城市道路间断流的交通事件的检测。并利用实际采集数据对提出的交通事件检测算法进行了验证,结果表明算法能够对交通事件进行更综合的检测,检测准确度得到了提高,能够为城市交通信息发布和交通诱导提供更加可靠的信息。     

六滚柱式定向离合器故障的小波包变换诊断方法研究

论述了小波包分解及其能量谱处理六滚柱式定向离合器故障的原理与方法。应用小波包分解及其能量谱直观地识别出故障的特征频带,并进行了量化分析。结果表明:小波包及小波包分解能量谱比传统的傅立叶分析方法具有更大的优越性和实用价值。     

小波分析在测斜监测中的应用

测斜方法广泛应用于岩质高边坡内部变形监测。但因测斜监测过程中的波动性误差,普通的分析手段难以从采集的大量数据中提取有用信息。通过对原有算法的分析,在其基础上,利用小波变换具有的在时频两域表征信号局部特征的性能,得到一个比较单一直接的评价整体位移变化的标准。结合某岩质高边坡测斜监测,将测斜所得到的数据重构为信号形式,再利用小波分析滤除高频噪声信号,处理结果实际上建立了一个监测时间和综合位移变化的关系,这个综合位移变化集中了整体位移变化的信息,反映了边坡位移变化趋势。由这样的处理方法所获数据易于理解,而且容错性强,具有推广价值。     

基于区间的小波包振动信号特征提取方法研究

基于小波分析与神经网络的振动信号故障诊断方法,提出采用基于区间小波包分解方法来提取振动信号的特征向量来取代传统的小波包分解方法,并以295柴油机进排气系统故障诊断为例验证采用该方法的有效性,结果表明,基于区间的小波包特征提取方法较传统方法能大大提高进排气系统的故障识别率。     

基于小波去噪和神经网络的滑坡变形组合预测研究

基于滑坡的变形监测数据,首先探讨了小波去噪过程中各参数对去噪效果的影响规律,选取最优的小波去噪数据作为趋势项序列和误差项序列的分解依据,再利用BP神经网络和RBF神经网络对两序列进行预测,并与传统预测进行对比分析,最后对组合预测的效果进行探讨研究。结果表明:在滑坡变形数据的去噪过程中,以采用sym 4小波函数、固定式阈值、硬阈值选取阈值和7层小波分解时的去噪效果最好,并由后期预测结果可知其分项预测的效果要优于传统单项预测的效果,且线性组合预测对误差精度的提高有限,而非线性组合预测对误差精度的提高较大。通过上述研究,为滑坡的变形组合预测研究提供了一种良好的方法。