舰船钛合金超声检测信号模型及模极大值小波去噪算法分析

针对舰船用钛合金超声检测信号中普遍存在的材料散射噪声过大的现象，结合钛合金超声检测信号与散射噪声信号的产生特点，构造了一组信号模型，并提出了基于小波分解的一种改进的模极大值去噪算法。该算法利用小波分解中的低频系数来确定信号位置，在高频各尺度系数的对应位置寻找相应的频率信息，以达到提取信号去除噪声的目的。实例分析表明，该模型能基本反映超声检测信号的特点，而且此算法对TA2钛合金超声检测信号去噪效果比较理想。     

基于小波变换技术的舰船电气设备信号去噪抑制方法

以降低舰船电气设备运行所受电磁串扰影响为目的,提出基于小波变换技术的舰船电气设备信号去噪抑制方法。建立舰船电气设备信号电磁串扰噪声模型,使用小波变换方法对电气设备信号噪声进行抑制,针对小波变换去噪能量泄漏大、频带混叠大等问题,使用双树复小波的实部树和虚部树进行电气设备信号分解,即保留小波分解的优点又可以完全重构电气设备信号,并结合硬阈值和软阈值函数优点,形成通用阈值函数,优化小波变换的阈值函数,保证更好信号去噪抑制效果。通过实验可以看出,该方法的应用既可以有效抑制电气设备信号中的噪声干扰,又可以保证原始信号波形不被破坏,同时在信号分解时,可以在噪声聚集的高频部分形成十分优秀的降噪效果,使信号趋近平稳状态。     

基于MATLAB的舰船辐射噪声信号小波消噪处理

针对舰船辐射噪声信号的特点提出了小波消噪的方法,对小波消噪理论作了简要的阐述,并设计了一种消噪方案,最后利用MATLAB,在计算机上选用不同的小波基和阈值进行了实船信号的消噪处理试验,并对结果进行了简单的分析比较。试验结果表明,在选择了合适的小波基和阈值的情况下,利用小波变换的方法对舰船辐射噪声进行消噪处理可以取得良好的效果。     

基于经验模式分解的滤波去噪算法

经验模式分解法被认为是非线性、非平稳数据处理方法的新进展.其最大优点是根据信号本身的特性自适应地产生合适的模态函数,这些模态函数能很好地反映信号在任何时间局部的频率特征,克服了小波变换中要选取合适小波基的困难.基于经验模式分解的分解特性,本文提出了一种新的阈值去噪方法,通过事先建立的经验阈值,根据自适应方法对噪声进行去除,然后对去除的噪声进行随机采样后加入到去噪信号中重新滤波,通过反复滤波迭代进行噪声的去除.实验结果证明了本方法与小波相比具有自身独特的优势.     

联合小波阈值和F-NLM去噪的高分辨率SAR舰船检测方法

目的针对高分辨率合成孔径雷达（SAR）舰船目标多场景、多尺度、密集排布的显著特征,以及成像过程中相干噪声导致目标边缘细节模糊的问题,提出一种融合小波阈值和快速非局部均值滤波（F-NLM）去噪的高分辨率SAR舰船检测方法。方法首先,利用小波阈值与F-NLM融合去噪模块预处理SAR图像,来降低海杂波噪声及增强检测目标细节特征和边缘信息,使提取的特征更具判别性。然后,选用YOLOv7检测算法结合双向特征金字塔网络来对多尺度特征有效聚合,以进一步提高模型准确率。结果实验结果显示,使用去噪数据集D-SSDD得到的检测平均准确度可达98.69%,虚警率降低至2.37%。结论研究表明,所提方法不仅能均匀背景杂波以提高图像质量,还能提高多尺度特征信息的交互性,保证目标检测精度和准确度。     

一种基于软阈值的小波去噪算法

对于高幅度和宽尺度的噪声要素，尤其是当有用信号的幅度和噪声尺度相差不大时，使用传统的傅里叶滤波和一般的小波变化去噪的效果不是很好，对此提出了一种软阈值去噪方法。仿真实验结果表明，这种方法在有效消除高频随机信号和特定尺度的噪声，同时又能很好地保留原有的有用信号。     

基于小波能量熵的水下目标磁场信号去噪

本文提出了基于小波能量熵的水下目标磁场信号去噪方法,通过对信号进行小波分解,计算各层目标信号和背景噪声的小波系数能量熵,利用信号在不同的分解尺度上具有不同的小波熵,自适应地确定高频系数的阈值,利用经过处理后的小波系数进行小波反变换,实现对水下目标磁场信号的去噪.仿真试验结果表明,该方法能有效去除背景噪声,检测出目标磁场...     

超声回波信号的小波消噪研究

利用小波变换的时频局部化性质,对超声回波弱信号特征进行提取,得到了较好的边缘信号,从而对信号进行全面细致的分析。理论分析和仿真结果表明,小波分析方法适合于超声回波信号的检测和特征提取,在改善了信噪比的同时,还保持了很高的时间（空间）分辨力,具有准确度高、抗噪声性能好等优点。并将该技术应用于物距测量中,提高了系统测量的准确度。     

基于小波阈值法和LMS自适应滤波法的舰船去噪方法

在海上行驶过程中,为确保安全稳定航行,有必要高度重视舰船去噪的重要性。其中,在舰船去噪过程中,将信噪比增益当做小波基函数的一个重要参数进行研究,可以将改进后的小波阈值算法应用到舰船的背景信号去噪算法中,进而改善去噪的效果。而LMS自适应滤波器则能够结合环境改变对滤波器的系数进行自动调整,结构相对简单且运算量不大,容易满足硬件需求,所以也在噪声对消与信号预测、增强等诸多领域中得到广泛应用。在舰船去噪中,将小波阈值去噪方法与LMS自适应滤波算法应用于其中具有一定的可行性,值得展开进一步研究与探讨。     

一种旋转机械振动信号小波去噪方法

针对旋转机械的非平稳振动信号难以用传统方法处理的问题,本文讨论了小波方法在旋转机械振动信号去噪中的应用。针对旋转机械故障信号的特点,提出阈值去噪和模极大值相结合的小波去噪方法对振动信号进行处理,并利用多种指标对去噪后信号做出全而客观的评价。实验结果表明该方法可以有效的提高故障信号信噪比,有利于提高后期故障诊断的准确率。     

小波变换在信号去噪方面的应用研究

利用小波对信号去噪,是小波理论应用于实际的一个重要方面.介绍用于一维检测信号去噪的几种常用方法,在Matlab7.0系统仿真工具中实现了去噪算法,并对这几种算法的去噪效果进行了比较.     

基于小波去噪与经验模态分解的混合储能容量优化配置

针对风电出力并网困难的问题,提出采用混合储能系统平抑风电输出功率波动.首先,采用小波分析对风电输出功率信号进行小波去噪;其次采用经验模态分解对去噪后的功率信号进行分解;然后将储能系统内部功率指令划分与系统容量配置相结合,以储能系统容量配置成本最小为目标,建立混合储能容量优化模型,通过穷举对不同分界点所对应的系容量配置成...     

舰船动力机械设备故障信号小波包分解的时域特征提取

现有方法在实践中均存在抗干扰性较低与信号分离失真度较高的问题,因此提出一种新的时域特征提取方法。首先对小波包分解中故障信号的能量分布进行获取。对舰船动力机械设备故障信号仿真信号进行数学表达,将db10小波当作小波包基函数,实施信号的小波包3层分解,获取8个频带。Gray编码分解频带,获取依频带顺序进行排列的各频带的对应分解波形,根据各频带的对应分解波形,获取各频带的对应频率范围,再根据各频带的对应频率范围实施能量分析。最后利用EMD实施小波包分解中故障信号时域特征的提取。进行该方法与现有方法关于抗干扰性与信号分离失真度的对比实验,实验结果证明该方法的抗干扰性更高、信号分离失真度更低,对比现有方法实现了突破,实用性很强。     

小波变换在直升机高度表信号去噪中的应用

介绍了小波理论知识,分析了阈值去噪法的特点。并针对小波阈值萎缩去噪方法的阈值函数选取问题进行了详细讨论,然后对常用的五种阈值选择规则进行了仿真试验。     

小波软阈值滤波在信号去噪中的有效性研究

对于高幅度和宽尺寸的噪声要素,尤其是当有用信号的幅度和噪声尺度相差不大时,使用传统的傅里叶滤波和一般的小波变换去噪的效果不是很好,对此提出了一种软阈值去噪方法。根据小波理论及软阈值滤波的算法,用MAT-LAB对四种典型信号和陀螺信号进行去噪仿真研究。理论分析和仿真结果表明,这种方法能有效消除高频随机信号和特定尺度的噪声,同时又能很好地保留原有的有用信号。     

基于小波理论的舰船IMU加速度计信号处理算法

[目的]在分析惯性测量单元(IMU)加速度计信号噪声特征的基础上,针对噪声在小波域内展开深入研究.[方法]为解决传统傅里叶滤波方法对高斯白噪声等非线性噪声处理的局限性问题,从小波阈值估计和阈值处理函数2个方面入手对现有小波理论进行优化,提出一种新型小波阈值降噪算法,以在有效提高小波降噪性能的同时简化小波分析的计算量.在...     

基于小波包分析的混沌信号消噪研究

由于混沌是一种貌似随机的确定性信号,具有宽频谱的特征,传统的方法不能有效滤除混沌信号中的噪声,文章应用小波包分析方法实现了这一目标。同时,根据混沌信号在各个频段上的能量分布具有"涨落"的特征,提出了一种确定阈值的新标准。研究结果表明,新的阈值标准既能够保证原信号中的有用信息不会出现严重泄露,又能够实现有效去噪。     

基于SAR图像的舰船检测算法

在基于海面杂波统计模型的基础上,在利用SAR图像系统技术的前提下,根据对舰船检测目标因素的客观分析,通过对各种舰船检测算法检测差异性的比较研究,进行相应算法分析,为优化算法在能够有效提高检测速度和检测精度的情形下,进一步增强舰船目标的综合检测性能。     

LMS算法在舰船磁场信号检测中的应用

针对检测舰船磁场信号时信噪比较低的问题,提出了一种基于变步长LMS算法的检测方法.根据舰船磁场信号的实际特征,首先采用小波阈值去噪法对实测信号进行处理,去除测量信号中的白噪声,并提取最后一层的低频分量,滤除高频噪声;再采用变步长LMS算法对低频分量进行自适应滤波,进一步滤除噪声,提取舰船磁场特征信号.船模实验的结果表明,该算法可以显著提高信噪比,增强了对舰船磁场信号的检测能力.