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。     

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。     

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EMD-Wavelet模型的实时交通流噪声数据清洗方法

针对实时交通流数据的噪声污染,将具有处理非平稳非线性信号优势的经验模式分解方法(EMD)和小波变换(wavelet)相结合,构建EMD-Wavelet组合清洗模型.该模型首先将实时交通流序列进行经验模式分解,然后将含有噪声的高频分量用小波变换进行软阈值去噪,最后将去噪后的高频分量、未去噪的低频分量和残量进行重构,形成清洗后数据序列.通过实验表明:该方法的去噪效果要好于单独使用小波变换和EMD法,是一种有效可靠的实时交通量噪声数据清洗方法.     

基于位置可达域的船舶轨迹噪声去除方法

船舶的AIS轨迹数据对研究船舶交通流和交通行为具有重要意义.然而通信链路及卫星定位信号等方面的干扰,导致AIS轨迹含有较多的噪声数据,严重影响了数据分析和数据挖掘的质量.根据船舶运动规律,研究得出一种基于位置可达域的船舶轨迹噪声数据去除方法.通过计算某时刻船舶运动的所有可能状态,估计船舶下一时刻位置可达的范围作为可达域判别条件,并利用滑动窗口对船舶AIS轨迹点进行滚动处理,将不满足可达域判别条件的点作为噪声点进行滤除,形成轨迹去噪算法流程.选取含有噪声的真实AIS轨迹数据进行方法验证,并与当前常用的轨迹去噪方法进行对比分析.相比于速度阈值法和基于密度的聚类算法,所提出的方法在召回率上分别提升了27.22%和23.14%,在F1指标上分别提升了14.31%和24.03%,说明算法对噪声点的识别较为准确,并能有效针对不同类型噪声进行处理.同时,通过多次重复试验和时间复杂度分析,验证该算法不仅满足海量AIS数据的离线去噪需求,还可用于轨迹在线去噪,满足实时应用的需要.      

基于EMD和分形高斯噪声的陀螺仪噪声滤波方法研究

为降低MEMS陀螺仪输出信号中低频噪声提高信号精度,提出一种采用基于EMD和分形高斯噪声的滤波方法。陀螺仪输出的横摆角速度信号使用滑动窗口法,对窗口数据进行聚合方差法估计Hurst参数,并通过EMD分解窗口数据获得各层IMF分量及余项,计算窗口阈值并进行阈值处理选择,逐步处理滑动窗口数据,将处理后的IMF分量和余项整合,得出滤波后的信号数据。通过仿真实验验证及实车数据验证,证明滤波方法对信号噪声精度提高的可行性。     

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.     

基于调频连续波雷达交通结构物微形变高精度频率估计

交通结构物发生微形变会直接影响到结构物的整体安全和使用寿命,有效的监测可以起到及时维护的作用。基于调频连续波(FMCW)雷达的交通结构物微形变监测系统具有不受气候条件的影响,精度高的优点。基于FMCW雷达的交通结构物微形变的监测系统,回波差频信号的频率估计是实现结构物形变监测的关键。针对回波差频信号存在噪声的问题,小波阈值去噪后,联合快速傅里叶变换(FFT)和线性调频Z变换(Chirp Z-transform,CZT)算法,可以做到对频率快速高精度的估计。仿真结果表明该方法可以将噪声抑制和高精度频率估计有机结合在一起,实现对回波差频信号频率的高精度估计。     

基于小波降噪的地下连续墙弯矩估算方法研究

基坑地下连续墙侧向位移监测过程中不可避免地存在误差,以往利用侧向位移估算地下连续墙弯矩时忽略了对监测数据误差的处理。为解决监测数据误差带来的问题,引入小波降噪方法对侧向位移监测数据进行降噪处理,基于降噪后数据实现地下连续墙弯矩估算。以福州地铁2号线上街站基坑工程地下连续墙典型测点的侧向位移监测数据为研究对象,选择db3小波基函数、硬阈值函数、heursure 阈值对其进行5层小波降噪处理,采用6次多项式对降噪后的监测数据进行拟合并确定拟合曲线曲率半径（挠度）,结合材料力学受弯构件相关理论实现地下连续墙弯矩估算。结果显示： 1)小波降噪可以有效去除侧向位移监测数据误差,监测数据误差主要分布在-0.6~0.6 mm; 2)利用降噪后的监测数据进行多项式拟合可以有效提高拟合精度; 3)地下连续墙最大估算弯矩为635.1 kN·m,约为设计值的40%,施工过程中地下连续墙安全状况良好。     

基于时-频相干与 RBF 网络的气缸压力识别研究

针对从缸盖振动信号中分离燃烧激励引起的振动信号及其他干扰信号的问题,提出一种基于时‐频相干与神经网络的气缸压力识别方法。首先采用 Morlet 连续小波变换分别将缸盖振动信号和缸压信号在时‐频域内展开,然后采用交叉小波对两信号进行时‐频相干分析,设定相干系数阈值并进行掩膜处理,对所得结果重构便可得到燃烧激励引起的缸盖振动信号。最后,选取8个参数作为评价燃烧效果的特征指标,利用径向基函数（RBF）神经网络估计缸压。研究结果表明：该方法有效地提取了缸盖上的燃烧特征信号,通过 RBF 神经网络估计缸压,逼近于实际缸压变化。     

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。     

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。     

基于连续压实检测方法的压实信号去噪及连续压实指标研究

路基压实过程中压路机振动信号存在各种噪声干扰,故选用常用的傅里叶去噪与小波去噪法,对路基试验段采集到的振动压实信号进行去噪,通过结果比对分析得出:小波去噪法能更好地保留压实信号的信息;进一步计算出两种去噪方法各自对应的压实指标HV,并与压实指标Evd进行相关性校验,发现小波去噪法对应的HV能够更好地反映土体压实状态。最后,在考虑小波去噪后信号的二阶谐波的基础上,提出了新的指标HVN,通过与E     

桩一土一桥梁结构地震台试验数据处理方法

地震模拟振动台试验测点多,加载工况多,采集到的数据量大,且受噪声等因素干扰,测试数据与真实信号间有一定的差别。只有将测试数据经过科学的处理、修正和分析,去伪存真,才能得出正确的试验结果和结论。简要介绍桩一土一桥梁结构相互作用地震模拟振动台试验项目的概况,详细论述该试验数据的处理思路与方法,为以后相关试验研究提供参考。     

小波变换在车辆噪声源识别中的应用

利用三级小波包分解，获取信号能量分布的特征向量，根据信号能量分布的特征向量相关系数，确定两种信号相关程度，给出了识别不同信号的识别方法，试验表明，该方法用于车辆噪声、振动源识别比传统的分析方法更为简单、有效。     

基于Top-Hat-Canny的汽车前视摄像头图像边缘检测方法研究

针对汽车前视摄像头(Forward View Camera)拍摄存在噪声及光照不均匀的问题,提出一种基于顶帽算法TopHat Canny的多重边缘检测图像预处理方法。通过对前视摄像头拍摄的道路行人、车辆及障碍物的图片进行分析,采用小波阈值算法分别对彩色图像(Red-Green-Blue,RGB)3个空间分量进行滤波去噪,并经加权平均法对重组的3个分量灰度化处理后,采用Top-Hat-Canny多重边缘检测方法对图像进行处理。实验仿真结果表明:该方法可以有效地解决噪声及光照不均对图像边缘检测带来的影响,为后续目标识别工作提供基础。     

基于离散小波变换的斜拉桥缆索断丝检测

采用磁通量检测法对斜拉桥缆索进行无损检测试验。试验中为了降低工作环境中空间电磁场噪声对检测信号的影响,采用一个独立的基于二进小波变换的改进软阈值去除高斯白噪声的方法来分离检测缆索得到的磁通信号和噪声信号。为了准确获得缺陷位置,对缆索检测的磁通信号波形和李氏指数奇异点进行分析。试验结果表明,该检测方法可以准确获得缆索缺陷的大小和具体位置,对于斜拉桥缆索缺陷的检测和分析很有意义。     

采用小波分析进行电喷汽油机失火诊断的研究

采取小波变换的方法对电喷汽油机的瞬时转速波动信号进行分解去噪处理。采用小波变换的Mallat快速算法,并从分解后的信号中提取特征值,用于诊断汽油机的失火故障。通过台架验证试验表明:文中采取的方法可以有效去除高速时的干扰信号,能满足失火诊断的要求。