自适应噪声对消在抑制振动干扰中的应用

现实生活中存在大量非平稳随机振动干扰信号,将它们从有用信号中滤除具有十分重要的意义.介绍自适应信号的处理方法及其在抑制振动信号中的应用,并采用自适应噪声对消处理的方法对振动干扰进行对消处理.用MATLAB进行仿真验证的结果表明:自适应噪声对消在处理因振动干扰而产生的非平稳随机信号时,具有可行性,消噪效果较好.     

噪声抵消技术的研究

文章概述了噪声抵消技术的研究现状,以语音信号为例着重阐述了不同种类的噪声抵消方法,并对其性能进行比较,经比较得出自适应噪声抵消方法具有自适应能力强、输出噪声低和信号畸变小的特点,其自适应能力表现在允许对特性未知的输入信号进行处理,由于其性能的卓越性,在噪声抵消系统中具有广泛的应用价值.     

小波域二维隐Markov模型滤波方法

针对旋转机械工作过程中产生非平稳信号的特点,在分析非平稳振动信号小波分解后同层小波数和层问小波系数之间关系的基础上,结合二维隐Markov模型(2D-HMM)拓扑结构的表达能力,提出小波域2D-HMM滤波方法,并给出了具体的实现步骤,最后通过Bently-Nevada转子试验系统的实测信号验证算法的有效性.结果表明:小波域2D-HMM滤波算法能够有效地去除非平稳振动信号的噪声.     

变工况下转子振动信号的时频分析方法比较

比较了时变参数自回归模型(TVAR)、短时傅里叶变换(STFT)、Wigner-Ville分布(WVD)、Choi-Williams分布(CWD)、连续小波变换(CWT)以及Hilbert-Huang变换(HHT)等几种时频分析方法的时频聚焦性、分辨率、交叉干扰项抑制以及计算效率.对一个具有调频和调幅特性的转子启动过程振动仿真信号进行分析,得出针对此类信号TVAR具有较好综合性能;以STFT的分析结果为比较基准,利用TVAR方法对加速启动工况下采集的实验台转子振动信号进行了分析.结果表明:TVAR不仅能够有效地分析转子启动过程非平稳振动信号,而且具有较强的信号特征提取和抗噪声能力.     

基于小波降噪和EMD分解方法的轴承故障诊断

为解决在复杂噪声和工频及其倍频干扰条件下滚动轴承故障诊断问题,进行了小波降噪和经验模态分解(EMD)研究。利用小波高分辨率的特性,将时变非平稳信号分解到独立的频段上,重构信号能够滤除噪声干扰,提取特定频段的信号。对滤波后的特征信号进行总体经验模态分解,得到若干固有模态函数(IMF),以峭度最大值准则,选取故障敏感的IMF分量进行包络分析,从而提取故障特征频率。与轴承故障频率理论值相比,误差极小,从而说明该方法对于提取含噪声的轴承故障特征的有效性。     

MATLAB在植物电信号降噪处理中的应用

植物电信号具有复杂性和时变非稳态特性，在获取有用信号前，需要对原始信号进行预处理，并将采集的信号严格地限制在有用的频段内。首先对信号进行低通滤波，以抑制高频噪声；然后采用陷波滤波器消除因测试环境中的有源设备而引起的50 Hz工频干扰。另外，采用小波降噪的方法处理采集的信号，更容易地分离出噪声或其他不需要的信息。通过MATLAB语言进行编程，设计数字滤波器，对信号进行预处理，并且用小波分析方法对信号进行分析，实现了降噪和去除干扰的目的，从而对植物电信号进行有效的分析。      

基于广义形态学滤波和EEMD分解的滚动轴承故障诊断

在信号处理中,由于严重噪声的干扰,往往会对EEMD分解造成影响,因此提出广义形态滤波和EEMD相结合的方法。首先利用广义形态滤波对故障信号进行滤波,减小噪声的干扰,然后利用EEMD对去噪后的信号分解,选择相关系数最大的本征模态分量并从其频谱图中提取特征频率。结果证明该方法能成功地去除噪声对EEMD分解的影响,从而能准确检测到故障信号的特征频率,具有广泛的应用前景。     

基于LMD与Wigner-Ville分布的水力机组振动信号分析

针对现有非平稳信号处理方法在分析水力机组振动信号时,无法同时兼顾较高的时频分辨率和瞬时时频特征的有效提取问题,提出了一种新的将局域均值分解(LMD)和Wigner-Ville分布相结合的非平稳信号处理方法,并将其应用于水力机组甩负荷工况的上导轴承摆度信号分析.通过与短时傅里叶变换、小波变换和Wigner-Ville分布方法提取的时频谱图对比分析,表明该方法继承了局域均值分解可以将多分量非平稳信号分解为多个频率成分单一的PF分量、以直接计算瞬时幅值和瞬时频率的优点,以及Wigner-Ville高时频分辨率的优点,同时,避免了Wigner-Ville分布因为受到固有交叉项干扰导致多个频率成分的信号难以表示清楚的缺陷,能够有效提取与转速变化趋势基本一致的瞬时时频谱图,为后续机组状态识别与故障诊断提供分析工具.     

基于EMD+FFT联合滤波方法在机床主轴非平稳信号分析中的应用

针对数控磨床主轴振动信号中噪声影响特征值提取的问题,提出了一种基于经验模态分解方法(EMD)与快速傅里叶变换(FFT)联合的滤波方案。首先利用经验模态法(EMD)将主轴振动信号分解成若干个满足内稟模态函数的IMF分量,再利用快速傅里叶变换对每个IMF分量做时频转换,可以得出IMF分量的频域图谱。对包含噪声的IMF分量进行阈值滤波,得到降噪后的IMF分量,将IMF分量重新合成为原信号。利用仿真信号对该方法实验,同时对数控机床主轴信号进行实际测试表明,该方法不仅仅能够很好地分解出主要频率成分,同时弥补了FFT变换无法分析非平稳信号的缺点,提高了EMD算法的精度,有效地滤除主轴信号中的噪声成分。     

基于自适应阈值函数的铡草机振动信号去噪

针对传统小波软、硬阈值函数对铡草机振动信号去噪的不足,采用一种自适应阈值函数去噪算法,实现铡草机振动信号降噪。该方法根据小波分解原理,采用分层阈值,同时通过参数调整阈值函数,在信号分解小尺度上滤除大量噪声分量,而在大尺度上去除噪声分量的同时尽量保留有用信号分量。为验证本文算法有效性,采用软、硬阈值函数法与本文算法对模拟信号和铡草机振动信号进行对比试验,结果表明:本文算法优于2种传统算法,在滤除噪声的同时很好地保留了原信号特征。     

基于局域波时频谱的旋转机械早期故障诊断技术

提出了一种具有自适应特性的时频分析方法——局域波时频谱,对旋转机械中常见的动静件碰摩、不对中早期故障信号进行了分析,和频谱分析进行了比较。结果表明局域波法能清晰地描述振动信号的时频特征,为工程实际中转子系统的早期故障诊断提供了有效的依据。     

基于EMD的联合收获机籽粒损失监测传感器设计与试验

玉米清选损失监测受清选脱出物种类多样、环境噪声复杂等影响严重,为了解决清选损失监测精度差、效率低的问题,设计了一款基于最小能量准则EMD（Empirical mode decomposition）去噪方法的清选损失监测传感器,实现了对采集信号中的振动、工噪和杂余等信号分离。利用Matlab仿真对模拟信号进行去噪,与小波去噪、低通滤波法和移动平均法3种去噪方法相比,基于最小能量准则EMD去噪方法在不同信噪比下均方根误差（RMSE）最小,为0.1698,信噪比（SNR）最高,为12.7453,处理后的信号最接近原始信号。为验证该方法的实用性,以籽粒损失率分别为0、5%、10%、15%和20%的冲击样本开展损失率监测传感器台架试验,结果表明：该传感器最小检测误差为1.8%,最大检测误差为3.9%,对比小波去噪、低通滤波法和移动平均法3种去噪方法所得试验数据,最小能量准则EMD去噪方法的平均误差分别减小了2.12、4.40、6.52个百分点,与仿真试验结果一致。该研究对于提高玉米清选损失率检测精度特别是信号处理过程中去噪方法的研究具有重要意义。     

基于虚拟仪器的植物电信号的测量系统研究

植物电信号是一种相当复杂的微弱信号。根据研究表明．它的幅度在几个pV到几十个mV之间。根据植物电信号的特点，采用虚拟仪器-Lab VIEW技术，开发了一套植物电信号高速采集与处理系统。该系统采用自适应滤波器，利用LMS算法．通过MATLAB编程完成。实验证明，该系统具有自动化程度高、测试灵活、信号采集准确可靠、数据处理能力强等特点。     

分形与谐波小波相结合的车辆振动信号分析

介绍了机械振动信号分析中应用的分形方法，并对模拟信号进行了分形分析。结合谐波小波分析技术，对实际车辆的复杂振动信号进行了分形研究，得出可以把多重分形的较高维数作为判断信号复杂程度和是否存在故障的依据的结论。研究了车辆复杂振动信号的混沌特征，发现具有梳状谐波共振谱峰的信号难以进行分形分析，且具有明显的混沌特征。     

基于相关分析与小波变换的齿轮箱故障诊断

针对大型机械工作噪声大,测取的振动信号信噪比很低,特征信号频率较高,信号消噪难度大,故障特征信号难以提取的问题,提出了一种基于相关性分析与小波变换相结合的故障诊断方法。该方法利用了相关函数降噪特性和小波多分辨特性,达到有效提取有用信号的目的。通过仿真与实验,证明这种方法能有效去除噪声,对故障特征信号有很强的提取能力。     

基于自适应灰色预测和干扰观测器的伺服干扰抑制方法

为提高稳定平台伺服系统的响应和抗干扰能力,提出了一种基于自适应灰色预测(AGPC)——分数阶改进干扰观测器(FIDOB)的稳定平台伺服干扰抑制方法。GM(1,1)幂模型对系统输出进行建模并设计了自调节模块,将预测误差和实际误差加权合成一个综合误差,分别根据实际误差和预测误差的大小同时调节预测步长和预测误差的权值,提高系统的响应性,减小预测误差对系统的输出影响;构造了分数阶改进干扰观测器,并详细推导了分数阶改进干扰观测器的鲁棒稳定性。最后通过数值仿真实验表明,该方法不仅可以有效抑制稳定平台外界干扰和测量噪声,而且提高了系统响应能力。仿真实验中,在摩擦和测量噪声干扰情况下,稳定平台系统速度环的跟踪误差可以达到不超过0.1 rad/s。在静态和动态实验中,稳定平台的调节时间缩短了0.258 s,稳定精度提高了约1.5°~2.5°。     

基于局域波分解的信号降噪算法

局域波分解可以把信号分解成多个内蕴模式分量的和，此分解过程等效于用自适应滤波器库对信号进行滤波，各模式分量的频率随着分解阶数的增大而降低，具有小波分解类似的特征。用局域波分解法对信号进行降噪处理，同时用互相关法和自相关法建立了噪声评判准则，得到了较好的降噪效果。     

小桐子种子图像的背景分割与参数检测

为解决凭借人工经验方式对小桐子种子品质进行筛选效率较低、主观性强、错误率高且实时性差等问题,采用数字图像处理技术对小桐子种子图像进行分析,针对其特征对图像进行了R,G,B彩色分量的算术运算融合,采用形态学开运算进行消噪处理,并根据OTSU方法进行自适应的阈值选取将图像处理成二值图像,利用LOG算子实现了图像的边缘提取,且通过计算得到了小桐子种子的部分形态特征参数值.结果表明,与人工分割的方法相对比,90幅具有不同摆放方式的小桐子种子图像的平均分割误差不超过0.63%,最大分割误差为1.07%,均方误差σ不超过0.006 4,能较为准确地实现小桐子种子图像的背景分割和参数检测.     

薯类农产品视觉图像的去噪方法

针对目前图像处理中的阈值去噪方法存在的问题,探讨了小波阈值法中小波分解层数和小波系数处理算法,在视觉图像阈值去噪中采用了小波分解层数的自适应算法,并针对小波系数处理中硬阈值和软阈值函数存在的问题,提出了一种新的阈值函数用于图像去噪.结果显示:去噪后图像的峰值信噪比PSNR、均方差MSE在最优分解层数下相对传统阈值函数能达到全局最优,同时视觉上的清晰度更好.