基于扩展卡尔曼滤波的加速度计特性估计方法

加速度计使用时,通常都需要对其标度因素、零偏以及敏感轴进行标定.为了准确标定加速度计的特性参数,提出了5位置连续测量法,对其不同姿态下的输出进行综合测量,可准确地反映不同姿态下的工作状态以及性能参数.建立了相应的测量模型,根据模型的非线性特性,采用扩展卡尔曼滤波算法(EKF)对实测数据进行滤波处理.实验结果表明,加速度计的零偏、标度因素、敏感轴方向等参数得到了准确标定.     

基于小波变换技术的钢丝绳缺陷检测降噪方法研究

文章介绍了钢丝绳断丝信号的特点,分析了利用变阀值小波与提升小波降噪的原理、步骤。通过对断丝模拟信号与实际钢丝信号的降噪处理,验证了两种小波变换降噪方法均能有效去除基线漂移和脉冲噪声等干扰。与传统变阀值小波变换相比,提升小波降噪效果更好、运算速度更快、内存占用更少,为信号的后期特征分析与定量计算奠定扎实的基础。     

GPS动态实测数据的小波降噪

介绍了小波变换理论,阐述了小波降噪原理、算法及3种噪声处理方法,概括描述了4种阈值规则的选取方法,以及在选用不同的小波基函数和分解层数对降噪效果的影响。在假设噪声为高斯白噪声的前提下,根据小波分解和重构法,对含噪信号进行降噪处理,并对GPS接收机得到的实测信号进行分析和效果比对。     

基于小波包变换相关性的信号降噪方法及齿轮故障诊断

介绍了小波包变换的基本思想,将新型小波包变换滤波器与信号重采样结合,提出了一种新的小波包降噪方法,研究了该方法的降噪效果,同时比较小波包直接降噪和小波包重构滤波器的降噪效果。将该方法用于齿轮箱的故障诊断,结果表明,该方法能够有效识别齿轮箱中的齿轮典型故障。     

小波降噪影响因素的研究

信号降噪是回转机械故障诊断和信号处理中的重要课题,其实现方法也多种多样,小波降噪是近来才兴起的一种非常有潜力的降噪方法,本文介绍了小波分析的基本理论和小波降噪机理及其主要步骤,通过对回转机械典型故障信号的仿真分析,讨论了小波降噪过程中的主要影响因素,如母小波类型、阀值选取策略、分解层数等,得出了一些有价值的规律和原则。     

基于分数小波变换的空域相关特性的信号降噪新方法

简要介绍了分数小波变换的基本思想及在信号处理方面的特点。利用分数小波变换系数在不同尺度上对应点处的相关性对其进行选择和处理,这样处理后的分数小波变换系数基本上对应着信号的边缘,然后对信号系数进行重构,达到了降噪的目的。以数值仿真和实测齿轮箱振动信号为例,研究了该方法的降噪效果,同时和小波包直接降噪进行了比较。结果表明,该方法能够有效降低振动信号中的背景噪声。     

基于Gabor变换的自适应降噪方法

简要介绍了Gabor变换的基本思想,提出了一种新的基于Gabor变换的自适应信号降噪方法。分析了该方法的降噪特性,同时比较了小波降噪和该方法的降噪效果。将该方法用于齿轮箱的故障诊断,结果表明,该方法能够有效识别齿轮箱中的齿轮典型故障。     

工业时窗小波降噪调制连续线性动力学系统参数直接辨识

在时窗内对噪声干扰的信号进行小波降噪,对降噪数据调制积分得等价的代数方程,利用最小二乘算法,进行线性动力学系统参数的直接估计．针对受噪声污染的系统参数估计的有偏性,借助时窗降噪调制方法构造辅助变量,提出了降噪调制辅助变量递推算法,进行了系统参数的无偏估计．仿真实验和应用实例表明,该方法具有有效性和实用性,可为工业在线辨识获得可信的系统参数提供参考．     

基于Gabor变换的信号降噪方法

介绍了Gabor变换的基本理论,提出了一种基于Gabor变换的降噪方法.该方法首先对信号进行Gabor变换,并选择合适的阈值对Gabor展开系数进行处理,然后对处理后的Gabor展开系数进行Gabor逆变换,从而实现降噪.仿真结果表明,该方法具有很好的降噪效果,为机械故障诊断提供了一种新的思路.     

超低频接收信号降噪研究

在建立超低频接收信号模型的基础上,对超低频接收信号误码率性能进行了分析。将小波降噪算法应用于超低频噪声处理中,通过Monte Carlo计算机仿真试验,对基于小波降噪和传统数字滤波的方法对模拟的超低频接收信号进行噪声处理,并对降噪后的误码率性能进行分析,结果表明,应用小波降噪的方法对超低频接收信号进行非线性噪声处理,比传统数字滤波的方法能带来更高的信噪比增益。     

小波和Kalman滤波用于GPS数据去噪方法分析

根据小波分析基本理论和GPS信号噪声特性,将小波分析这一数学工具应用到GPS数据的去噪处理中,同时引入Kalman滤波方法,将其与小波分析方法有机结合,进而提出利用小波分析的自适应Kalman滤波方法进行GPS数据去噪处理。     

基于小波和Kalman滤波的交叉口流量组合预测

为更准确地预测动态变化的道路交叉口流量，根据城市道路流量分布的特点，提出了在小波分析和离散Kalman滤波的基础上进行组合预测的方法．这种方法将路口的流量数据构造成几个相关序列，对每个序列分别进行小波变换和Kalman预测，然后将各序列的预测值组合成最终结果．这种预测方法可用于其他动态流量预测，如路段流量预测、路口流量分配预测等．实验表明，该方法可以有效地减少预测误差，并具有较好的鲁棒性。     

基于多尺度Kalman滤波的多传感器数据融合

通过分析多尺度动态系统模型,提出了一种基于小波变换的Kalman多传感器数据融合算法。该算法结合了Kalman滤波的实时性、递归性和小波变换的多尺度特性,能对多传感器的观测数据有效地融合。算法首先将最细尺度上观测数据滤波后得到的估计序列小波分解到各尺度上;然后在各尺度上,利用该尺度上的传感器观测数据对小波分解系数进行更新;最后利用小波重构,达到更新原始估计序列的目的。仿真实验表明,该算法具有很好的数据融合效果。     

小波域中值滤波的图像去噪方法

提出了小波域中值滤波的去噪方法,在去除高斯白噪声的同时能有效地去除脉冲噪声.此方法是在小波域内对高频子带进行中值滤波,然后选择相应的门限进行降噪处理.仿真实验表明该算法不仅能滤除图像中的脉冲噪声和高斯噪声,而且能较好的保留图像的边缘细节,其滤波效果优于小波软阀值去噪.     

小波去噪在振动压路机振动信号处理中的应用

振动压路机振动轮加速度是检测路面压实度的重要参数,因此在用传感器检测速度信号的过程中,加速度信号的准确性显得至关重要.在以往的加速度信号数据处理中傅里叶变化是主要的处理方法,通过对比分析可知傅里叶变换存在着一定的局限性,而采用比较实用的小波分析方法对数据进行去噪重构,通过分析证实小波分析在信号的去噪方面有独特的优势.     

超低频接收信号降噪研究

在建立超低频接收信号模型的基础上,对超低频接收信号误码率性能进行了分析。将小波降噪算法应用于超低频噪声处理中,通过Monte Carlo计算机仿真试验,对基于小波降噪和传统数字滤波的方法对模拟的超低频接收信号进行噪声处理,并对降噪后的误码率性能进行分析,结果表明,应用小波降噪的方法对超低频接收信号进行非线性噪声处理,比传统数字滤波的方法能带来更高的信噪比增益。     

Wavelet De-noising of Speech Using Singular Spectrum Analysis for Decomposition Level Selection

The problem of speech enhancement using threshold de-noising in wavelet domain was considered.The appropriate decomposition level is another key factor pertinent to de-noising performance.This paper proposed a new wavelet-based de-noising scheme that can improve the enhancement performance significantly in the presence of additive white Gaussian noise.The proposed algorithm can adaptively select the optimal decomposition level of wavelet transformation according to the characteristics of noisy speech.The experimental results demonstrate that this proposed algorithm outperforms the classical wavelet-based de-noising method and effectively improves the practicability of this kind of techniques.     

基于 UKF 非线性人眼跟踪的驾驶员疲劳检测

为解决驾驶员疲劳检测算法中头部快速移动、人眼非线性跟踪以及实际疲劳表情的识别问题,提出了一种新的基于UKF眼跟踪算法的驾驶员疲劳检测方法.根据近似非线性函数的概率分布比近似其函数更容易的原则,利用UT无迹变换,选择一组确定的Sigma点集逼近驾驶员人眼运动状态的后验概率密度函数,进行人眼非线性跟踪.在驾驶员人眼非线性跟踪基础上,通过计算PERCLOS值,进行现实驾驶条件下驾驶员疲劳的跟踪检测.实验结果表明,该方法不仅可以增强对驾驶员头部旋转、快速移动以及光照变换的鲁棒性,而且可以比传统的Kalm an滤波算法提供更精确的计算估计.