基于小波域谱相减算法的语音增强研究

谱相减算法是目前常用的语音增强算法，它常在处理宽带噪声中使用，具有运算量小、效果明显等特点，但该算法是基于短时傅立叶变换（STFT）基础上的，是一种单分辨率的信号分析方法。与STFT本质不同的小波变换是一种变分辨率的时频联合分析方法，当分析低频信号时，其时间窗口很大，而当分析高频时，其时间窗口减小，这恰恰符合实际中对非平稳信号进行分析的自然规律。基于小波域的谱相减算法，是将带噪语音信号进行Mallat多尺度分解，然后分别对各尺度下的信号进行谱相减运算，再逐一进行小波重构，得到去噪后的语音信号。仿真结果表明。该方法不但有效地提高了语音信号的信噪比，而且也在很大程度上改善了语音的失真程度，不失为一种有效的语音增强算法。     

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。     

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.     

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。     

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.     

基于粉红噪声的语音增强算法性能评价研究

各种不同的语音增强算法都有各自的优缺点,对于现有的语音增强算法的存在,缺少系统化的性能评价,找出合理评价语音增强算法性能的方法有利于对算法进行改进.本文全面考虑基于不同原理的语音增强算法,针对粉红噪声环境,选取各类算法中经典的具有代表性的4种语音增强算法:维纳滤波法、最小均方误差法、信号子空间法及小波变换法,在此基础上...     

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。     

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。     

强噪声水平下的变形信息特征提取

对含有强噪声水平的变形观测数据序列,采用小渡分析的方法对数据进行处理,研究从含有噪声的观测数据中提取实际变形信号的可行性.在一个长期在线监测点10年的变形观测数据处理中,经过小渡分解、小波消噪、小波重构等操作后,有效地提取出了平滑的实际变形曲线.并且经过对消噪信号和原始信号的比较以及对残差的统计分析,认为小波分析用于强噪声水平下的变形信息特征提取,能够取得较理想的效果.     

Haar小波和最小二乘法在光纤监测系统的应用

主要研究利用Haar小波变换对OTDR曲线进行事件分析.用Haar小波对基于OTDR卡的测试数据进行分解,对高频部分进行去噪提取奇异点,并在最小二乘法拟合的基础上,判断事件位置和类型并计算光纤监测系统所需要的参数.     

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。     

电磁超声系统强噪声干扰抑制算法研究

在采用电磁超声技术(EMAT)进行车轮踏面探伤时,针对检测数据中存在的噪声问题提出一种结合小波算法和相位差算法的综合算法.根据噪声及有用的电磁超声信号的特征,得出小波软阈值去噪方法;结合布莱克曼窗函数及信号的频谱特征,提出一种利用简单三角函数来实现信号相位计算的方法;算法在改善电磁超声系统数据波形质量、提高系统的检测准...     

小波包方法在车载FSK信号中的应用

FSK信号作为保障铁路安全运行的主要信号制式，在国内铁路上现在有两种，是法国引进的UT信号和国内自主开发的YP信号，小波变换是继傅里叶变换之后的重大突破，而小波包则是小波变换的进一步发展，克服了小波变换的一些不足，本文首先研究了车载FSK信号的特征，再利用小波包对车载FSK信号进行滤波处理，文中，给出了如何确定给定频率的信号在小波包分解树各个分解层中对应节点的算法，在滤波处理过程中，为了处理带内的噪声，也给出了采用阈值的方法来减少带内白噪声，阈值的选取充分应用到FSK信号的小波包分解的特点，最，我们给出了计算机产生的仿真FSK信号和现场采集的FSK信号的两种仿真，仿真结果表明，根据车载FSK信号的特性，小波包方法是处理车载FSK信号的有效方法。     

一种基于正交小波包技术的机车信号记录器数据快速压缩方法

根据铁路机车信号设备自身的信号译码需求,提出一种基于正交小波包技术的轨道电路信号的快速压缩方法,以改善目前机车信号记录器直接存储方式给波形数据存储造成的局限性.该方法利用截频性能出色的dmey小波的正交镜像小波滤波器组对机车信号记录器的记录波形信号进行3级小波包分解,按照记录信号制式的不同,在考虑dmey小波滤波器截频特性的前提下,根据小波包分解后的信号频带对应关系,只保留当前轨道电路信号所在频带的波形数据,以达到信号压缩的目的.实验表明,该方法可以对目前铁路现场主要使用的国产移频信号、UM71信号和ZPW-2000信号进行有效压缩和精确重构,且具有算法简单和方案灵活等特点,能够满足铁路现场实际运用的需要.     

利用小波分析技术提取移频信号信息特征

针对铁路移频信号的信息特点,提出了利用小波脊线技术分析移频信号信息特征的具体方法。该方法可以快速、准确地计算出移频信号的瞬时频率和信号包络,并根据所得出的瞬时频率推算出相应的调制低频信息,为铁路移频和UM71信号的分析和译码提供了一个新的方案。     

基于EWT-SVD方法的高速列车滚动轴承故障诊断

针对高速列车齿轮箱滚动轴承早期故障特征提取困难的情况,提出了基于经验小波变换(Empirical WaveletTransform,EWT)和奇异值分解(Singularvaluedecomposition,SVD)的轴承故障诊断方法。首先对信号进行EWT变换得到各阶固有模态分量,然后计算各阶固有模态分量的峭度值并选取较大峭度值对应的分量。将选取的分量构造矩阵进行正交化奇异值分解,选择合适的阶数重构信号,最后对重构信号进行Hilbert包络解调分析。分别对仿真信号和滚动轴承发生外环故障进行分析,可以较为清晰地看到滚动轴承故障特征。研究结果表明,结合EWT、峭度系数和SVD的诊断方法可以准确、快速地提取轴承故障信息,从而可以对滚动轴承进行有效诊断。     

轨道移频信号特征频率小波变换提取探讨

结合频谱分析和小波变换,采用LKJ2000型测试台产生的信号,对轨道电路移频信号进行调解,结果表明所用方法能有效提取轨道电路移频信号的上下边频和低频控制信号的特征频率.最后,对3种特征频率提取方法加以综合,给出了提高信号提取可靠度的逻辑算法.     

基于小波分解改进算法和峭度最大原则的滚动轴承故障诊断研究

针对滚动轴承振动信号具有非平稳性以及工作情况下难以获得故障频率的情况,文章提出了一种基于小波分解改进算法和峭度最大原则对滚动轴承进行诊断的方法。首先,对小波分解改进算法进行验证,发现小波分解改进算法能够很好地克服小波分解传统算法过程中出现的频率混淆问题;然后,在小波分解改进算法的基础上,利用峭度最大原则选取故障频段,对其进行Hilbert包络解调和傅里叶变换来查看故障频率,最后通过美国凯斯西储大学实验室提供的数据对上述方法进行验证,并与小波分解传统算法进行了对比。结果表明,基于小波分解改进算法和峭度最大原则的故障诊断方法能够更加精准地识别故障频率,克服主频偏移的问题,有效地解决频率折叠现象和真实频率的映像问题,具有较好的可行性和优越性。