语音增强在去除猪咳嗽噪声中的应用研究

[目的]猪的咳嗽声音可用来评价猪的健康状况,然而在实际环境中,猪场中常装有风扇使得提取到的猪咳嗽声音信号受到低频风扇噪声的干扰。为了滤除低频噪声,提出了基于猪咳嗽声音信号的增强方法。[方法]结合猪咳嗽声音信号的特点,借鉴语音增强方法对含噪猪咳嗽声音信号进行去噪处理。首先,分别采集猪咳嗽声音信号和风扇噪声信号,利用MATLAB(2016a)对两种信号分别进行分析处理,得到其时频域特性。其次,采用基于离散余弦变换(DCT)的增强算法对含噪猪咳嗽声音信号进行处理,同时对基于经验模态分解(EMD)和小波包变换(WPT)的增强方法和DCT的增强算法在去除风扇噪声的效果进行比较。[结果]理论分析与仿真表明,在-5~5dB的信噪比环境中,基于DCT的增强方法无论是在低信噪比还是非平稳噪声环境下,均比基于EMD和WPT的增强方法得到更高的增强信噪比信号。[结论]说明基于DCT的增强方法具有更好的去噪效果,可以更好的分离出猪咳嗽声音信号和风扇噪声信号。     

基于ICEEMDAN和小波阈值的滚动轴承故障特征提取方法

[目的]针对滚动轴承故障信号非线性、非平稳特征导致的故障特征频率难以提取的问题,提出了一种基于改进的带有自适应白噪声的完全集合经验模态分解(ICEEMDAN)和小波阈值降噪的滚动轴承故障特征提取方法。[方法]首先用小波阈值降噪对故障信号进行预处理,然后利用ICEEMDAN对降噪后的信号进行模态分解,产生一系列的固有模态函数(IMF),并根据互相关系数法提取与原信号相关的模态分量,作各层模态分量的包络谱图,提取滚动轴承的故障特征频率。[结果]通过仿真试验与滚动轴承故障试验分析,并将其与集合经验模态分解(EEMD)处理的进行比较,基于ICEEMDAN方法分解后的包络谱幅值更加明显。[结论]本研究提出的方法能精确地提取滚动轴承的故障特征频率。     

基于小波去噪的加窗FFT电网谐波检测

提出一种基于小波去噪的软硬阈值改良折衷法与加布莱克曼窗的傅里叶变换算法相结合的谐波检测方法。该方法采用小波软硬阈值改良折衷法对含噪的电力谐波信号进行降噪处理,利用加布莱克曼窗的傅里叶变换算法对去噪后的信号进行分析,提取各次谐波的幅值和频率。仿真检测结果表明小波去噪后的谐波波形接近于原始信号谐波波形,信噪比提高了8.3226dB,小波去噪与FFT 结合的方法适合在谐波检测系统或装置中应用。     

基于HHT的精确投饵动态称重信号的降噪和预判研究

为解决农业水产养殖中,自动投饵装置在电机振动、系统振动和冲击力等各种噪声因素情况下,实现快速、准确提取重量信号和完成定量下料问题。本研究提出采用希尔伯特黄变换HHT(Hilbert-Huang,Trans-form)、经验模式分解EMD(Empirical mode decomposition)和Hilbert变换方法对动态称重信号进行降噪处理。实现振动、冲击作用下投饵机动态重量信号的降噪和有效提取,并基于试验数据拟合完成了对称重停止信号的提取预判与预测。试验表明,本研究方法称重实验误差3%,满足小量程计量误差要求,为提高农业水产养殖过程中动态称重的准确性和快速性提供了有效参考。     

基于小波去噪的暂态电压扰动检测方法研究

采用小波软阈值去噪方法对信号噪声进行预处理,很大程度地减小了噪声对扰动检测的干扰.利用小波多分辨率分析方法对去噪后的扰动信号进行检测,更精确地提取出了暂态电压扰动信号的特征值.在仿真环境中对去噪前后的电压骤降信号进行检测和比较.结果表明:去噪后的检测结果更接近于原始信号,小波软阈值去噪方法能够提高暂态电压扰动检测的准确性.     

一种基于轮廓波变换的高效率去噪算法研究

为提高地震属性剖面的信噪比和空间分辨率,提出了一种基于轮廓波变换的高效率去噪算法。该方法利用地震剖面能量分布的空间特征,结合9-7正交滤波器组和方向滤波器组对原始采集的地震剖面进行多尺度分解,根据有效地震信号和噪声信号分解后的差异性设计了一种自适应的阈值滤波器,通过拉普拉斯金字塔重构地震数据实现轮廓波变换去噪。试验结果与小波变换算法的去噪结果对比论证表明,基于轮廓波变换的高效率去噪算法能够有效压制噪声,提高地震信号的信噪比,处理后效果较小波变换有明显提高。     

基于视觉滤波算子的农业图像去噪研究

[目的]农业图像中难免存在噪声,噪声会干扰有用目标的识别。为了准确提取农业图像中的有用信息,拓展图像处理技术在农业工程中的应用,有必要去除农业图像中的噪声。[方法]本文将一种改进的中值滤波与视觉滤波LOG算子结合起来,用于对农业图像进行去噪。首先,通过LOG算子将图像分为边缘图像和非边缘图像,然后采用一种改进的加权中值滤波处理非边缘图像,边缘图像与处理后的非边缘图像融合为最终的去噪图像。[结果]利用本算法对农业图像进行测试,与传统的中值滤波算法进行对比,并采用峰值信噪比作为滤波算法性能的客观评价指标,本算法的峰值信噪比高于传统中值滤波算法8.15%,有更好的降噪效果。[结论]因此,该算法的滤波效果优于传统中值滤波算法,可有效去除农业图像中诸多因素产生的噪声。     

基于曲波变换的面波去噪方法研究

地震数据去噪在地震资料处理中是必不可少的步骤,随着地震勘探的日益发展与进步,对地震资料的信噪比提出了更高的要求。曲波变换作为新兴的多尺度变换方法,在地震资料去噪中拥有巨大的潜力。提出了一种基于曲波变换的面波去噪方法:首先对经过预处理的含噪信号进行多尺度分解,然后在各尺度下尽可能提取出有效信号的曲波系数,同时去除噪声的曲波系数,最后用曲波逆变换重构出地震信号,从而达到去噪目的。试验结果验证了曲波变换去噪的可行性。     

基于CEEMDAN-DFA与FCM聚类算法的大地电磁强噪声识别与抑制

CEEMDAN(complete ensemble empirical mode decomposition with adaptive noise,自适应噪声的完备经验模态分解)-DFA(detrended fluctuation analysis,去趋势波动分析)滤波算法首先将含噪信号进行CEEMDAN分解,并以DFA方法提供的标度指数为依据,然后从分解得到的本征模态函数中自适应地选取有用的分量去重构信号.仿真试验表明,在不同信噪比背景下,该方法相对于小波阈值和EMD(empirical mode decomposition,经验模态分解)-DFA方法具有一定的优越性.此外,选用模糊熵与短时能量作为模糊C均值(Fuzzy C-means,FCM)聚类算法的特征参数,对受典型强噪声干扰的大地电磁信号进行信噪识别,获得了较好的识别效果.鉴于此,将这2种算法相结合对实测信号中受到强干扰的部分进行识别与噪声抑制.结果表明,该方法能有效地克服传统整体滤波处理产生的过处理现象,在压制强噪声的同时能较好地保留实测数据中有用的低频成分.     

基于DTW的孤立词语音识别系统设计

设计了一种基于小波变换的孤立词语音识别系统。该系统提取语音信号的特征矢量,使用DTW算法对待测语音进行匹配,通过对输入信号的降噪处理,提高孤立词在噪声环境下的识别精度。测试结果表明,在无强噪声干扰条件下,该系统能较好实现孤立词语音识别。     

基于小波去噪和EMD算法在齿轮故障检测中的应用

小波去噪和EMD算法(Empirical mode decomposition,EMD)被广泛地运用在非平稳信号分析中。为了减小外部噪声及局部噪声对蜗轮蜗杆减速机振动信号干扰,降低样条插值时的拟合误差,提高EMD分解的质量,提出了一种基于小波去噪和EMD算法相结合的方法,对正常和有断齿的齿轮振动信号进行测试分析。结果表明,该方法能够准确地得到特征频率,判断出故障类型,证实了该方法在诊断蜗轮蜗杆减速机蜗轮故障的有效性。     

基于奇异值的小波变换微弱信号消噪法

针对信噪比低、噪声非均匀分布的弱信号消噪效果不佳的问题,提出了基于有效奇异值分解和小波阈值消噪相结合的方法.通过构造相空间矩阵并对其进行奇异值分解(SVD),得到一系列正交子空间.因为信号和噪声对奇异值贡献不同,提出奇异值最小二乘误差判定法进行有效奇异值选择,利用子空间重构信号.仿真实验表明:本方法提取出的信号完整性更好,信噪比更高.     

小波去噪用于电磁感应式角加速度传感器测量

白行设计了一种电磁感应式角加速度传感器,阐述了传感器的基本机械结构和工作原理,然后采用该传感器对空载时的单相异步电机进行了实际的角加速度测试,验证了测量原理的正确性,并由实验波形观测到传感器的输出信号存在大量噪声,因此构建了一种基于小波变换的去噪方案。首先对传感器的实际输出信号采用sym8小波进行分解,然后利用半软闭值对含噪信号进行处理,最后对信号进行重构。结果表明该方法可以去除大部分高频噪声,能够恢复数据的真实性,进而提高数据的置信度和泛化性能,且去噪效果远好于传统的傅里叶变换。     

基于小波变换的拉曼光谱去噪处理

拉曼光谱分析中,噪声的存在严重影响光谱的准确性。利用小波变换在信号处理方面的优良特性,采用基于小波变换的信号去噪方法,对含噪的邻二甲苯拉曼光谱进行处理。选用平稳小波 bior2.2处理了含噪的邻二甲苯拉曼光谱信号。结果表明,采用平稳小波 bior2.2可以将信噪比由10dB 提升到21.3588dB,而均方误差仅为0.0014,去噪效果明显。     

基于小波变换的拉曼光谱去噪处理

拉曼光谱分析中,噪声的存在严重影响光谱的准确性。利用小波变换在信号处理方面的优良特性,采用基于小波变换的信号去噪方法,对含噪的邻二甲苯拉曼光谱进行处理。选用平稳小波bior2·2处理了含噪的邻二甲苯拉曼光谱信号。结果表明,采用平稳小波bior2·2可以将信噪比由10dB提升到21·3588dB,而均方误差仅为0·0014,去噪效果明显。     

基于小波变换的木材纹理去噪研究

通过对木材图像进行3尺度的小波变换,在高频内判断并提取噪声点,最后对确定的噪声点进行平滑处理,用峰值信噪比、均方误差值和灰度曲线对去噪效果进行评价.研究结果表明,该方法不仅对木材图像具有明显的降噪效果,也能最大限度的保留有用的木材纹理信息,同时本文采用的灰度曲线(profile)可以直观地分析图像的去噪效果.     

FIR数字滤波器在声音识别系统上的应用

目的消除门禁声音识别系统受到的干扰信号,使得门禁系统能正常和准确地为公司员工出入做好服务。方法以某公司大楼为例,根据声音信号的特点,设计出合理的FIR数字滤波器进行滤波去噪。结果比较原始信号与滤除后信号的波形和频谱图,实验表明的确能够有效消除噪声。结论由于声音信号在传输过程中易受到干扰,只要设计出合理的滤波器,则能有效的去除噪声,使得声音识别系统正常运行。     

基于信号相似度小波重构与时差的胶合木表面声发射源定位

针对声发射（acoustic emission,AE）信号在胶合木表面各向异性传播时的AE源定位问题,提出一种基于信号相似度小波重构与时差的表面AE源定位算法。首先,依据ASTM-E976标准通过铅芯折断在试件表面产生AE源,并采用NI高速采集设备构建基于LabVIEW的3通道AE信号采集平台,采样频率设定为500 kHz。其次,设计一种基于信号相似度的自适应小波重构算法,对原始信号进行降噪并重构AE信号波形。最后,依据试验结果拟合得到AE信号在胶合木表面360°范围内的传播速度公式,结合AE信号的传播规律设计AE源定位算法,并产生AE源以测试定位效果。结果表明,2组胶合木表面的AE源定位误差分别为5.2%、5.3%,基于信号相似度小波重构与时差的胶合木表面AE源定位算法能够有效地确定声发射源的位置。     

小波消噪及其在小麦蛋白质含量近红外光谱分析中的应用

利用在小波变换下奇异信号和噪声在多尺度空间中的模极大值传递特性的不同,对33个小麦样品的近红外光谱信号进行了消噪处理,并利用小波消噪后重构光谱信号对小麦蛋白质含量进行偏最小二乘法交叉验证(PLS-CV).计算实例表明,在最大分解层数不同时,PLS-CV效果各不相同,但大多数的小波消噪重构光谱进行PLS-CV,相关系数R及测定系数R2都有提高,交叉校验预测均方差RMSPCV都有减小,特别在最大分解层数为6时,PLS-CV效果最好,较使用原始光谱进行PLS-CV,相关系数R从0.9222提高到0.9698,交叉校验预测均方差RMSPCV从0.8014减小到0.4983.因此,使用小波消噪方法有消除原始光谱的噪声的作用,从而使最终的PLS模型更有代表性、稳定、稳健,也提高了品质检测时模型预测精度.     

基于背景噪声降噪的管道阀门内漏量化检测

由于天然气管道阀门内漏声发射检测环境复杂、噪声干扰严重,极大地降低了阀门内漏流量的检测精度。为此,提出一种基于背景噪声的小波包软阈值降噪处理方法,并通过对降噪处理后的声发射信号采用基于支持向量回归(Support Vector Regression,SVR)方法进行输气管道阀门内漏流量的量化回归预测。结果表明:采用基于背景噪声的小波包软阈值降噪方法能够获取较为纯净的内漏源信号,降噪后获得内漏声发射信号信噪比为6.11。通过对小波包降噪处理后的特征参数进行输气管道阀门内漏流量回归预测,结果优于未进行降噪处理的预测结果,且软阈值降噪预测结果优于硬阈值预测结果,采用软阈值降噪的预测结果平均绝对比例误差为0.164,有效提高了阀门内漏流量量化回归预测的准确度。