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.     

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。     

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。     

Research on Anti-noise Processing Method of Production Signal Based on Ensemble Empirical Mode Decomposition(EEMD)

The grain production prediction is one of the most important links in precision agriculture. In the process of grain production prediction, mechanical noise caused by the factors of difference in field topography and mechanical vibration will be mixed in the original signal, which undoubtedly will affect the prediction accuracy. Therefore, in order to reduce the influence of vibration noise on the prediction accuracy, an adaptive Ensemble Empirical Mode Decomposition (EEMD) threshold filtering algorithm was applied to the original signal in this paper: the output signal was decomposed into a finite number of Intrinsic Mode Functions (IMF) from high frequency to low frequency by using the Empirical Mode Decomposition (EMD) algorithm which could effectively restrain the mode mixing phenomenon; then the demarcation point of high and low frequency IMF components were determined by Continuous Mean Square Error criterion (CMSE), the high frequency IMF components were denoised by wavelet threshold algorithm, and finally the signal was reconstructed. The algorithm was an improved algorithm based on the commonly used wavelet threshold. The two algorithms were used to denoise the original production signal respectively, the adaptive EEMD threshold filtering algorithm had significant advantages in three denoising performance indexes of signal denoising ratio, root mean square error and smoothness. The five field verification tests showed that the average error of field experiment was 1.994% and the maximum relative error was less than 3%. According to the test results, the relative error of the predicted yield per hectare was 2.97%, which was relative to the actual yield. The test results showed that the algorithm could effectively resist noise and improve the accuracy of prediction.     

基于小波变换模极大值的信号去噪方法研究

信号在采集、转换和传输过程中,由于受到设备、环境及人为因素的影响,使信号不可避免地受到噪声干扰。因此,如何去除信号中的噪声,得到感兴趣的信息是信号处理过程中的一项关键技术。对基于小波变换模极大值的信号去噪问题进行了研究,根据信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法。数值实验结果表明了该算法的有效性和可行性。     

次声波法输气管道泄漏检测系统的信号处理

对输气管道泄漏产生的次声波信号进行采集时,受传感器的频域限制,次声波传感器检测到的信号尖端被舍弃,同时自然界中的环境噪声亦对次声波信号产生强烈的干扰。为了降低次声波检测误报率,通过特殊算法对检测信号进行尖端补偿,将真正的泄漏信号与干扰信号快速分离,并选用小波变换的方法对补偿后的信号进行处理,使采集的信号在时域和频域两方面都具有良好的局部特性,且在时频平面的不同位置具有不同的分辨率,对噪声具有更好的抑制作用,同时较精确地提取信号的突变点。通过以上尖端补偿和小波变换信号处理,可以明显地降低误报率和漏报率。     

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。     

基于相似度的电力电子电路故障诊断技术

采用一种基于S变换相似度的电力电子电路故障诊断方法,首先建立各种故障类型信号的S变换模时频矩阵,然后计算故障信号S变换模时频矩阵与已建立的标准模时频矩阵的相似度,以相似度最大为判别依据,实现故障的诊断.三相桥式可控整流电路晶闸管故障诊断仿真结果表明：该方法能准确对电力电子电路故障进行类型的识别和故障元的定位,对噪声具有鲁棒性,且算法简单.     

基于正交小波系数的阈值降噪法

依据信号与噪声小波变换系数的差异,提出的用阈值法去噪可以很好的使噪声得到抑制,且几乎保留了原始信号所有的特征点.本文详细阐述了小波分析信噪分离的基本原理和方法,通过仿真分析得到良好的效果,为信号去噪提供一条有效的途径.     

立体栖架散养蛋鸡行为加速度信号降噪方法比较分析

针对采用姿态传感器监测散养蛋鸡行为过程中存在加速度信号易受噪声干扰,不同行为加速度信号特征尚不清晰的问题,以立体栖架散养蛋鸡的三维空间行为为目标,在构建蛋鸡穿戴式行为监测系统,获取不同行为加速度信号的基础上,研究小波阈值、CEEMDAN、CEEMDAN结合小波阈值对加速度信号的降噪效果,分析蛋鸡6种典型行为活动的加速度信号特征。结果表明:1)小波史坦无偏似然估计(Rigrsure)阈值的降噪效果更好,降噪后信号的信噪比(SNR)为17.613 2,均方根误差(RMSE)为0.045 0;2)根据X、Y轴加速度标准差分布特征,可将蛋鸡三维空间行为活动强度由低到高分为趴卧和站立、采食和饮水、行走、跳跃4类,各类行为活动的加速度信号标准差差异极显著(P<0.001)。本研究表明,小波Rigrsure阈值法在对蛋鸡空间行为活动加速度信号进行降噪的同时可以保留更多的有效信息,可根据加速度标准差对蛋鸡典型行为的活动水平进行分类识别。     

基于小波变换与Otsu阈值去噪的脐橙识别方法

【目的】解决在农业环境中识别脐橙的目标区域存在的噪声干扰、检测效果不理想等问题。【方法】提出一种基于小波变换与Otsu阈值去噪的脐橙识别方法。首先选择较好的对比度,建立有利于图像分割的YCbCr颜色模型;然后设计一种基于Otsu阈值去噪的脐橙检测算法,进而减少脐橙分割区域的噪声干扰;最后提出质心补圆法确定脐橙在图像中的位置,并在原始图像中显示检测结果。【结果】泛青色和橙色脐橙识别率分别为87.10%和94.18%,顺光和逆光情况下脐橙识别率分别为92.96%和90.15%,遮挡和未遮挡情况下脐橙识别率分别为90.82%和93.18%,总识别率为92.07%。【结论】该方法环境适应性强,适用于农业环境下不同遮挡、光照和表皮颜色情况的脐橙图像识别处理。     

一种改进的小波阈值去噪方法

为了改进滤波效果,提高去噪质量,在分析目前被广泛应用的软、硬阈值去噪方法的基础上,提出了一种改进的阈值去噪方法.该方法既兼顾了软、硬阈值函数的优点,同时又在一定程度上弥补了它们在图像去噪中的缺陷.有效克服了硬阈值法去噪信号失真的和软阈值法细节模糊现象.仿真结果表明:该方法可以有效地去除白噪声干扰,无论在视觉效果上还是在信噪比定量指标上均明显优于传统的软、硬阈值算法,达到良好的去噪效果.     

基于分段波形的信号瞬时频率计算方法

针对局部均值分解（Local Mean Decomposition，LMD）中乘积函数（Product Function，PF）分量的瞬时频率计算问题，引入了一种新的信号瞬时频率计算方法.该方法基于分段波形，先将信号分成若干个全波段（full wave），然后以一组递增的反正弦函数定义每个全波段的瞬时相位，进而得到信号的瞬时频率.由该方法得到的瞬时频率理论上是正的、稳定的并且能够确保信号局部特征信息的完整.应用该方法计算了仿真信号和实际齿轮故障振动信号的瞬时频率，并与其他方法求得的瞬时频率进行了对比.结果表明，本文方法非常适合求取信号的瞬时频率.