导读:本文包含了小波阈值分析论文开题报告文献综述及选题提纲参考文献,主要关键词:多重分形,轴承,小波,故障识别
小波阈值分析论文文献综述
许子非,李春,杨阳,Musa[1](2019)在《基于改进小波阈值及多重分形的风力机轴承振动信号分析》一文中研究指出针对风电机组传动系统时变转速及强噪声干扰等运行特点,首先采用改进小波阈值降噪方法,对风力机齿轮箱轴承振动信号进行降噪预处理,然后基于分形理论,计算变转速轴承振动信号盒维数及多重分形谱,定量描述轴承不同状态下振动信号的特征信息。结果表明:基于改进阈值与硬阈值函数相结合的小波阈值降噪方法对振动信号进行降噪预处理,其降噪效果优于传统的4种阈值选取原则;多重分形去趋势波动分析方法对于定速及变速轴承均能进行有效的故障识别;谱函数最大值所对应的奇异指数α(f_(max))当轴承处于内环故障时最小,可有效判断轴承运行状态及故障位置,能对轴承不同的故障状态做出准确的判断。(本文来源于《热能动力工程》期刊2019年09期)
魏博文,钟紫蒙[2](2019)在《基于改进小波阈值- EMD算法的高拱坝结构振动响应分析》一文中研究指出基于高拱坝泄流结构实测振动响应数据资料,针对泄流激励作用下不可避免混有各种噪声进而影响结构工作模态识别精度的问题,提出了一种基于改进的小波阈值-经验模态分解(EMD)联合算法的滤波降噪方法。以拱坝泄流结构实测振动响应资料为基础,利用改进的小波阈值算法滤除大部分高频白噪声,降低EMD分解的边界积累效应,进行EMD分解,通过去趋势波动分析(DFA)方法进一步滤除白噪声及低频水流噪声。工程实例分析结果表明,与小波分析、EMD方法相比,该方法具有更好的降噪效果,能精确滤除泄流结构实测振动响应信号中的低频水流噪声及白噪声,最大程度地保留信号中有效特征信息,并且为拱坝泄流结构在噪声干扰下提取有效信息提供了捷径,为坝体结构的安全监控打下了基础。(本文来源于《水利水运工程学报》期刊2019年04期)
郑俊褒,饶珊珊[3](2019)在《面向交通流信号分析的小波阈值去噪方法》一文中研究指出为了提高交通流信号的去噪效果,提出了一种自适应逐层调整阈值和改进阈值函数的去噪算法。该算法结合自然对数函数的特性,使阈值随小波系数分解层数自适应的改变;加入了指数函数,构造一种介于硬、软阈值之间变化的新阈值函数,使去噪信号和原信号之间的误差减小。实验结果表明:相较于传统硬软阈值去噪,采用改进算法处理的信号直观效果好,且信噪比高和均方根误差小,运行效率高。改进后去噪算法各方面性能都得到了提升,具有较高的应用价值。(本文来源于《浙江理工大学学报(自然科学版)》期刊2019年01期)
任年新[4](2018)在《基于小波阈值与EMD的高速列车辐射噪声分析》一文中研究指出铁路作为我国运输行业的骨干,一直在经济发展中发挥着举足轻重作用。这些年高速列车的发展,更加提升了我国的铁路事业。高速铁路运行过程中,噪声也随着列车的运行而产生,从而会引起车内噪声增大,降低了旅客的舒适度,特别是影响了居住在高速列车附近的居民的正常生活。如何降低高铁的辐射噪声,已经成为列车发展必须解决的课题。高速列车的辐射噪声级是高速列车重要性能指标之一,而对于高速列车辐射噪声的控制是降低高速列车辐射噪声级的关键所在,因此有必要在高速列车的设计阶段,开展对高速列车辐射噪声分析的目的在于研究其噪声产生机理,准确定位其主要噪声源,分析噪声信号的频率周期,为设计低噪声及低振动级的高速列车提供依据。高速列车辐射噪声是典型的非平稳信号,本文主要研究轮轨噪声频率,分析其频率周期,高铁轮轨辐射噪声在低频段,因此,本文结合信号处理的经典理论,依据仿真数据,运用现代信号处理的方法分析高速列车的辐射噪声特征,达到科学地评价和应用。本文主要做了以下研究工作:1、本文对小波变换的基础理论进行了介绍,主要分析了小波去噪原理,包括小波去噪的步骤,小波阈值的选取规则。并通过对仿真信号用Rigrsure阈值法,Sqtwolog阈值法,Heursure阈值法,Minimaxi阈值法进行处理,并分析去噪后的功率谱图,来验证小波阈值对信噪比的提高能力和对线谱的增强的能力。2、其次介绍了一种新的信号分析方法—经验模态分解方法,首先引入瞬时频率、固有模式分量的定义,进而介绍了经验模态分解方法,解释了基于经验模态分解方法的滤波原理,经验模态分解的筛选过程,所具备的完备性和正交性。然后介绍了集成经验模态分解方法和自适应噪声完备集合经验模式分解方法。最后对存在模态混迭的信号进行经验模态分解(EMD),集成经验模态分解(EEMD),自适应噪声完备集合经验模式分解(CEEMDAN)分解,通过比较,验证EEMD,CEEMDAN对于EMD存在的模态混迭的改善情况。3、采用小波Rigrsure,Sqtwolog,Heursure,Minimaxi阈值法处理信号,分析其处理信号的时频谱和边际谱。4、通过高铁轮轨频率特性,给出了高铁辐射噪声的数学模型。基于EMD、EEMD、CEEMDAN对高铁辐射噪声仿真信号进行线谱分析,通过特征模态函数(IMF)分量的自相关系数,选取真实IMF模态,对真实模态进行自相关谱分析,分析其频率特性。5、在低信噪比的情况下,通过EMD-小波阈值-LMS谱分析方法、EEMD-小波阈值-LMS的谱分析方法、CEEMDAN-小波阈值-LMS的谱分析方法对不同信噪比、不同频率的仿真信号进行多次验证,并与仿真信号的经典的谱分析方法、小波硬阈值去噪的谱分析方法比较,验证本文提出的理论对于提高高铁辐射噪声的谱分析分辨力的能力。(本文来源于《昆明理工大学》期刊2018-03-01)
赵大兴,高博,曹松,明廷伯[5](2018)在《基于奇异值差分谱分析和蚁群算法的小波阈值降噪》一文中研究指出针对传统小波阈值去噪阈值选取的问题,将奇异值差分谱的方法与蚁群算法相结合运用到小波阈值降噪中,提出一种小波系数双阈值寻优方法。首先将待处理含噪信号进行多尺度小波分解;之后根据每级信号小波系数的奇异值差分谱分析得到寻优的目标函数;然后根据目标函数利用蚁群算法在每级的小波系数上进行阈值寻优;最后重构经过最优阈值量化规则处理的小波系数得到降噪信号。通过对仿真信号的降噪处理表明本方法对不同特点信号的降噪效果要好于传统阈值降噪方法;对滚动轴承以及深沟球轴承的振动故障信号的降噪处理验证了方法的可行性和适用性。(本文来源于《测控技术》期刊2018年01期)
杨陈军[6](2017)在《独立分量分析与小波阈值在癫痫脑电信号去噪中的应用研究》一文中研究指出随着生物神经科学与信息科学等领域的飞速发展,基于脑电信号的相关研究已经成为重要课题。脑电图是大脑电活动的记录,它包含着大量的生理、心理和病理信息,在研究人脑功能、行为意识、康复工程,尤其在癫痫、阿尔茨海默症等脑部疾病诊断方面的工作有着显着的作用。事实上,从脑电图仪记录的脑电信号极易受到非脑神经组织及周围环境等干扰而形成多种脑电噪声,这些噪声往往会影响脑电信号的处理与分析。因此,关于脑电信号噪声去除方法的研究已成为一个热点领域。尽管目前已有很多研究在去除脑电噪声方面有了很大进展,但许多算法仍存在人工辨别噪声、选取干净参考噪声及辅助一定方法识别脑电噪声等问题。鉴于此,本文提出了基于独立分量分析和小波阈值的脑电信号自动去噪方法,并通过结合已有的特征提取方法和超限学习机完成癫痫性发作的自动检测,从而对所提出的脑电信号去噪方法的可行性与有效性进行了验证。主要研究内容如下:第一章系统阐述了脑电信号去噪方法的研究背景与问题,以及国内外有关脑电信号去噪方法的研究现状。第二章分别介绍了独立分量分析的数学背景、信息论基础及基本模型等相关理论,并对基于独立分量分析的相关算法的原理进行了推导。第叁章首先介绍了脑电图的采集过程与脑电信号所具有的基本特征;其次说明了脑电信号噪声去除的过程,主要包括ICA分解、含噪独立源信号的识别、小波阈值方法。第四章阐述了癫痫性发作的自动检测流程,通过数值实验验证和分析了本文提出的脑电信号去噪方法的可行性和有效性。(本文来源于《西北大学》期刊2017-06-01)
刘嘉敏,彭玲,刘军委,袁佳成[7](2016)在《基于遗传算法的VMD参数优化与小波阈值的轴承振动信号去噪分析》一文中研究指出针对轴承振动信号夹杂的噪声极大影响有用信息的提取,提出了基于遗传算法的变分模态分解(variational mode decomposition,VMD)与小波阈值去噪方法。该方法首先利用遗传算法选择合适的VMD参数,然后用VMD方法对含噪声的信号进行自适应分解,最后对分解的模态分别进行小波阈值处理后重构信号,得到去噪后的信号。在实际轴承信号的实验结果表明,该方法与常用的去噪方法相比,得到能够得到更高的信噪比和更低的均方差。(本文来源于《第二十七届全国振动与噪声应用学术会议论文集》期刊2016-07-28)
郭兴平[8](2016)在《基于小波阈值法消噪的建筑变形监测数据处理分析》一文中研究指出基于小波分析理论,利用小波消噪技术,对一组建筑物变形监测数据进行了消噪处理。实际计算结果表明,小波消噪合理有效,能够敏感识别观测噪声和有用信息,不需要待检测信号的先验知识,特别适合于建筑物变形监测的数据处理。(本文来源于《世界有色金属》期刊2016年12期)
陈梦[9](2016)在《基于快速独立分量分析与小波阈值去噪的盲源分离研究》一文中研究指出盲源分离(BSS)是现代信号处理领域中一个活跃的研究领域,它指的是在源信号和传输信道都未知的情况下,仅由传感器接收到的观测信号分离出源信号的过程。BSS技术在图像、语音信号处理,生物医学信号处理等方面已经取得了较好的应用成就。尤其对于图像处理,盲源分离理论和技术已经深入到图像分离、图像去噪、图像特征提取等各个应用层面。为了将BSS技术和图像处理更紧密的结合,本文通过对用于盲信号分离的快速独立分量分析(Fast-ICA)算法的改进,研究基本Fast-ICA算法和改进Fast-ICA算法在无噪图像以及含噪图像盲分离过程中的性能;将改进Fast-ICA算法与小波阈值去噪技术相结合,实现了对含噪图像的盲源分离,并提高了盲分离的性能指标。首先,分析了盲源分离的基本理论以及解决盲源分离问题的主要方法——独立分量分析法(ICA);在众多的独立分量分析方法中,基于固定点的Fast-ICA是一种优秀的算法并且得到了广泛的应用。基本Fast-ICA算法利用二阶收敛的牛顿迭代方法进行目标函数的优化,为了加快算法的收敛速度,本文利用八阶收敛的牛顿迭代方法对Fast-ICA算法进行改进,以进一步提高算法的运行效率。其次,为了验证改进Fast-ICA算法的有效性与可行性,将基本Fast-ICA算法与改进Fast-ICA算法应用于无噪模型ICA中,通过仿真验证了基于八阶收敛的Fast-ICA算法与基本Fast-ICA以及五阶收敛的Fast-ICA算法在分离性能上基本相同,但改进算法具有更少的迭代次数和更快的收敛速率。最后,考虑到噪声的客观存在性,在含噪图像环境下利用小波变换(WT)与改进Fast-ICA算法相结合的方法实现含噪图像的盲源分离。采用改进Fast-ICA算法对图像进行分离,并且采用小波变换、均值滤波和中值滤波等方法进行去噪。通过一系列评价指标对比改进Fast-ICA算法与小波变换以及中值滤波等去噪方法去噪和分离性能。仿真结果证明改进的Fast-ICA算法与小波阈值去噪相结合的算法对含噪混合图像的盲分离性能更优,并获得更佳的去噪效果。(本文来源于《湖南大学》期刊2016-05-09)
胡然,郭成城,杨剑锋[10](2016)在《基于小波阈值和主成分分析的视频去噪算法》一文中研究指出将局部像素组主成分分析算法引入到视频去噪领域,并利用叁维块匹配算法保持了视频序列的相关性,对视频中的噪声进行抑制。用叁维块匹配视频去噪算法中小波阈值去噪得到的图像替换二阶局部像素组主成分分析中的第一阶处理得到的图像,这样可以避免局部像素组主成分分析算法直接处理视频时产生的局部效应。最后,局部像素组主成分分析算法也抑制了叁维块匹配算法中的小波阈值去噪结果中产生的画面不平滑的问题。实验结果表明,本算法较好地将主成分分析算法引入到了视频去噪领域,同时较好地解决了叁维块匹配视频去噪算法中小波阈值去噪的块效应问题,主客观指标的比较也表明本算法有较为优秀的去噪效果。(本文来源于《计算机科学》期刊2016年04期)
小波阈值分析论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
基于高拱坝泄流结构实测振动响应数据资料,针对泄流激励作用下不可避免混有各种噪声进而影响结构工作模态识别精度的问题,提出了一种基于改进的小波阈值-经验模态分解(EMD)联合算法的滤波降噪方法。以拱坝泄流结构实测振动响应资料为基础,利用改进的小波阈值算法滤除大部分高频白噪声,降低EMD分解的边界积累效应,进行EMD分解,通过去趋势波动分析(DFA)方法进一步滤除白噪声及低频水流噪声。工程实例分析结果表明,与小波分析、EMD方法相比,该方法具有更好的降噪效果,能精确滤除泄流结构实测振动响应信号中的低频水流噪声及白噪声,最大程度地保留信号中有效特征信息,并且为拱坝泄流结构在噪声干扰下提取有效信息提供了捷径,为坝体结构的安全监控打下了基础。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小波阈值分析论文参考文献
[1].许子非,李春,杨阳,Musa.基于改进小波阈值及多重分形的风力机轴承振动信号分析[J].热能动力工程.2019
[2].魏博文,钟紫蒙.基于改进小波阈值-EMD算法的高拱坝结构振动响应分析[J].水利水运工程学报.2019
[3].郑俊褒,饶珊珊.面向交通流信号分析的小波阈值去噪方法[J].浙江理工大学学报(自然科学版).2019
[4].任年新.基于小波阈值与EMD的高速列车辐射噪声分析[D].昆明理工大学.2018
[5].赵大兴,高博,曹松,明廷伯.基于奇异值差分谱分析和蚁群算法的小波阈值降噪[J].测控技术.2018
[6].杨陈军.独立分量分析与小波阈值在癫痫脑电信号去噪中的应用研究[D].西北大学.2017
[7].刘嘉敏,彭玲,刘军委,袁佳成.基于遗传算法的VMD参数优化与小波阈值的轴承振动信号去噪分析[C].第二十七届全国振动与噪声应用学术会议论文集.2016
[8].郭兴平.基于小波阈值法消噪的建筑变形监测数据处理分析[J].世界有色金属.2016
[9].陈梦.基于快速独立分量分析与小波阈值去噪的盲源分离研究[D].湖南大学.2016
[10].胡然,郭成城,杨剑锋.基于小波阈值和主成分分析的视频去噪算法[J].计算机科学.2016