信号去噪
信号去噪的相关文献在1997年到2023年内共计871篇,主要集中在无线电电子学、电信技术、自动化技术、计算机技术、电工技术
等领域,其中期刊论文382篇、会议论文79篇、专利文献216155篇;相关期刊268种,包括光学精密工程、弹箭与制导学报、电测与仪表等;
相关会议54种,包括2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议、2015年中国地球科学联合学术年会、2015全国电力设备状态监测与故障诊断技术研讨会等;信号去噪的相关文献由2479位作者贡献,包括李晋、张贤、刘晓琼等。
信号去噪—发文量
专利文献>
论文:216155篇
占比:99.79%
总计:216616篇
信号去噪
-研究学者
- 李晋
- 张贤
- 刘晓琼
- 刘业成
- 马翻红
- 吴炬卓
- 曹思远
- 李广
- 彭意群
- 徐帆
- 王伟
- 王景景
- 申冲
- 蔡锦
- 姜敏敏
- 张勇
- 张华
- 朱永利
- 李敏
- 李晶
- 王永强
- 罗文茂
- 谢军
- 谢庆
- Cao Siyuan
- 修立伟
- 刘俊
- 刘姗姗
- 刘秉刚
- 刘英杰
- 叶婧
- 吴晓军
- 吴鹏
- 周小龙
- 周洋
- 周灿
- 周超
- 屈小波
- 常建华
- 庞宇
- 张锐
- 律方成
- 施威
- 曹慧亮
- 朱玲嬿
- 朱红求
- 李世杰
- 李勇刚
- 李嘉恒
- 李峰
-
-
刘舒沁;
刘若晨;
王益民;
张进武
-
-
摘要:
受外界环境中的电磁等因素的影响,机械设备的有效静电信号往往被噪声淹没,使其故障特征难以提取。针对这一问题,提出一种基于变分模态分解的静电监测信号的去噪方法。首先,通过迭代计算出变分模态分解的最优解;然后,通过得出的最优解对静电监测信号进行重构;最后,对选取的分量进行故障特征提取并进行去噪得到变分模态方法去噪后的信号。通过仿真分析和实验验证将此方法与小波去噪、集合经验模态分解进行对比。分析结果表明,该方法能够有效地提取滚动轴承的故障特征并进行去噪处理。
-
-
刘湘鹏;
袁冠辉;
陆永辉;
颜浪波
-
-
摘要:
针对工程应用中电容的测量过度依赖仪器设备,难以实现高精度实时测量的问题,提出了一种基于BP神经网络的高精度电容测量方法。利用由DSP,DDS,AGC,ADC和阻容分压等电路构成的数据获取模块采集50个标准电容两端的分压幅值,经过数据清洗与中值滤波去噪预处理后形成71个特征值,以此构建C-U数据集;建立3层隐藏层结构为16×32×16的BP神经网络模型,并进行训练和测试,获取电容预测模型,分析模型性能。测试结果表明,模型预测值与真实值的平均相对误差仅为2.6291%;预测模型在训练集与测试集上的决定系数R^(2)均达到了0.99,具有很好的泛化能力。
-
-
牛伟;
郭阳明;
王森;
成娟
-
-
摘要:
航空发动机作为飞机的动力来源,其性能直接影响飞机飞行的安全性和可靠性。针对航空发动机在故障出现早期具有背景噪声剧烈、故障信号微弱、多故障特征频率叠加等问题,提出一种互相关去噪与混沌振子阵列扫描融合的早期故障检测方法。利用互相关对信号进行去噪,将去噪信号输入混沌振子检测阵列,使其构成混沌检测系统周期策动力,通过相轨迹变化检测出表征同一早期故障的多个特征频率信号,从而达到提高故障检测准确率和有效性的目的。并利用转子试车台,验证了方法的有效性。
-
-
陆苗霞
-
-
摘要:
文章主要通过对小波变换的深入分析和研究,分析硬阈值函数和软阈值函数的优缺点,在相关文献的基础上对阈值函数进行改进,最后通过MATLAB仿真实现改进阈值函数的去噪,在信噪比和均方根误差上都有一定的改善,获得更好的去噪效果。
-
-
戴前伟;
丁浩;
张华;
张豪
-
-
摘要:
受设备及环境等因素的主要影响,采集的探地雷达(GPR)信号中存在不同程度的噪声干扰.传统变分模态分解(VMD)通过搜寻变分模型最优解分离出不同中心频率的分量实现噪声压制,但最优模态数的选择具有一定主观性,致使重构数据存在不同程度的信号振荡.为优化模态数的选择,并改善信号振荡问题,本文提出基于自适应VMD和奇异谱分析(SSA)的GPR信号去噪方法.首先,引入能量损失比,实施最优模态数的自适应选择,并利用皮尔逊相关系数法提取有效信号;其次,针对变分模态分解后的中低频振荡现象,引入SSA进行二次滤波,进一步提高信噪比.合成Ricker子波实验、合成雷达剖面模拟实验和实测资料验证了变分模态分解奇异谱分析(VMD SSA)方法的有效性.合成Ricker子波实验中,与集成经验模态分解(EEMD)和传统VMD方法相比,经VMD SSA方法处理后的信噪比最大提升13.5878dB;合成雷达剖面模拟实验中,基于VMD SSA方法处理后剖面的信噪比较EEMD和传统VMD方法分别提高3.7659dB和2.6557dB;实测资料处理中也较好地压制了背景噪声及随机噪声,使异常体的信号特征更加突出.
-
-
杨斐
-
-
摘要:
目的为了实现资源管理大数据的精准挖掘,保证挖掘结果的真实性与有效性,提出一种基于混沌时间序列的资源管理大数据挖掘方法。方法首先,通过相空间重构一个等价的多维状态空间,利用相空间的混沌吸引子寻找预测点的相关函数关联,实现对被测目标区域位置的准确判断;其次,运用经验模态分解将资源管理大数据回波信号分解,按照回波信号间的关联性融合软阈值和粗糙惩罚手段,对资源管理大数据回波信号去噪,预防信号失真现象发生;最后,按照原始定位波形特征,去除回波信号波形伪峰值点,挑选适当的指数函数进行sinc函数波形拟合修正,保证资源管理大数据挖掘结果的准确性。结果仿真实验表明,此方法可以大幅提升资源管理大数据挖掘精度,且耗时较短。结论实现资源管理大数据挖掘,具备较高的应用价值。
-
-
施力仁
-
-
摘要:
针对当前方法存在的电气设备状态检测正确率低,误检率、漏检率高居不下的难题,为了改善电气设备状态检测结果,设计基于光纤传感器的电气设备状态检测方法。分析电气设备状态检测的研究现状,找到各种电气设备状态检测方法的局限性;通过光纤传感器采集电气设备状态信号,对电气设备状态信号进行预处理,并从电气设备状态信号中提取特征;采用RBF神经网络根据特征拟合电气设备状态变化特点,建立电气设备状态检测模型,并与其他电气设备状态检测方法进行仿真对比测试实验。实验结果表明,提出的方法的电气设备状态检测正确率超过90%,电气设备状态的误检率、漏检率均低于5%,检测效果明显优于对比方法,可以应用于实际的电气设备安全维护中。
-
-
张瑞达
-
-
摘要:
针对油气管道特征工况信号噪声大,难以从中提取有效信息的问题,提出使用变分模态分解(Variational Mode Decomposition,VMD)结合Hilbert联合谱分析处理油气管道信号的方法。首先,根据各带限本征模态分量(Band-Limited Intrinsic Mode Function,BIMF)的瞬时频率均值确定最优分解尺度;其次,求得最优分解尺度下各BIMF的Hilbert联合谱,分析其时频特征与能量分布,确定主频分量;最后,根据主频分量对信号重构去噪。经过验证,该方法能有效提取信号特征信息且重构去噪效果明显,具有一定的实际应用意义。
-
-
张春杰
-
-
摘要:
针对电子通信信号与恶意干扰信号严重重叠的现象,设计了基于小波域滤波的电子通信信道恶意干扰信号分离方法。在分析信道特征并划分噪声种类后明确噪声信号形式,然后利用小波域滤波算法合理设置分解层数,对信号做分解重构与降噪,再利用极限学习机建立神经网络学习模型。根据干扰信号模型与信道衰减程度提取干扰信号特征,并将特征样本输入到神经网络中,直到输出分离结果。仿真结果表明:该方法能够有效去除信道噪声、降低通信误码率、均衡信道负载。
-
-
陈友荣;
金合丽;
徐菲;
任条娟;
王柯;
周莹
-
-
摘要:
针对复杂环境下气田井中双层管柱检测时的电涡流信号噪声去除难问题,提出一种基于混合噪声模型的双层管柱电涡流信号去噪算法(ECSD)。在ECSD中,首先对电涡流信号进行预处理,去除信号中增益。然后分析电涡流信号中包含的偏心噪声、温度噪声、电磁噪声、提离噪声等混合噪声及各自噪声的来源,并根据混合噪声特性建立去噪模型。提出改进的海洋捕食者算法求解去噪模型参数,获得可较好拟合混合噪声的去噪模型,从而实现去除不同深度和温度下电涡流信号中的噪声。实验结果表明:ECSD算法能够拟合电涡流信号中的混合噪声,提高了信噪比,并且降低了去噪信号与纯净信号之间的均方根误差,优于WD、EMD、MF和WF等去噪算法。
-
-
-
-
-
Wang Yongqiang;
王永强
- 《2016输变电年会》
| 2016年
-
摘要:
电力系统中绝缘子泄漏电流信号的采集易受到各种噪声的干扰,严重影响了绝缘子运行状态的在线监测.针对泄漏电流信号信噪比较低以及传统去噪方法存在着去噪效果不佳的问题,提出了一种融合小波阈值去噪和形态学去噪的新型自适应去噪方法,该方法利用了小波阈值法和形态学法在不同幅值噪声去噪上的独特优势,并采用自适应优化的方法确定小波法的阈值和形态学法的权系数.通过绝缘子泄漏电流仿真信号和高压试验中实测信号的去噪对比分析试验,验证了本文方法在绝缘子泄漏电流信号去噪中的有效性和稳定性.
-
-
李冬;
陈一诺;
许超;
陈柏平;
任珂
- 《2015年中国地球科学联合学术年会》
| 2015年
-
摘要:
有效的信号处理是微地震事件精确定位的基础.微地震信号微弱、信噪比低,传统的滤波方法很难满足去噪要求.本文通过理论研究,在分析了小波变换和互相关的基础上将两者相结合,对经过小波变换后的微地震数据进行互相关,可进一步提高信噪比.通过试验数据验证,联合去噪方法能够满足去噪要求.
-
-
Lü Fangcheng;
律方成;
Xie Jun;
谢军;
Li Min;
李敏;
Wang Yongqiang;
王永强
- 《中国电机工程学会高电压专业委员会2015年学术年会》
| 2015年
-
摘要:
噪声抑制是局部放电在线监测关键环节之一.针对局放信号窄带干扰抑制问题,提出一种基于二元经验模态分解的局部放电窄带干扰抑制方法.针对经验模态分解时易于产生模态混叠使得局放脉冲与窄带噪声难以区分,集成经验模态分解需多次集成平均而使得处理时间过长这两个问题,提出以染噪局放信号为实部分量,理想高斯白噪声信号为虚部分量,构建局放复数域信号,并对此复数域信号进行二元经验模态分解.通过对局放复数域信号二元经验模态处理,虚部白噪声分量影响了实部染噪局放信号分量的极值点选取,解决了含窄带噪声局放信号分解时模态混叠问题,使得局放脉冲与窄带噪声易于区分;实部染噪局放信号分量分解结果并未引入所加虚部高斯白噪声成分,避免了传统集成经验模态分解抑制模态混叠时需多次集成平均以消除所加白噪声缺点,较大程度提高了运算速度.在此基础上,基于窄带阈值选取原则,对局放复数域信号二元经验模态分解结果实部分量进行阈值处理,进而实现局放信号窄带干扰的抑制.运用本文介绍方法对局放仿真信号进行了去噪处理,并与基于集成经验模态分解理论及小波理论的局放信号去噪结果作对比,证明了本文方法的有效性.
-
-
LIANG Hui;
梁慧
- 《2019年西南三省一市自动化与仪器仪表学术年会》
| 2019年
-
摘要:
为了提高嵌入式英语语音识别系统发音误差自动检测能力,提出基于时频分析和关联信息熵特征提取的嵌入式英语语音识别系统发音误差自动检测方法.采用时频特征分解方法进行嵌入式英语语音识别系统英语发音信号的降噪处理,对降噪输出的英语发音信号进行特征分解和关联维特征配准,结合小波多层重构方法进行语音信号的重组,提取英语发音信号的关联信息熵特征,根据提取的语音信号的关联信息熵特征进行自动匹配,实现对嵌入式英语语音识别系统误差的自动识别.仿真结果表明,采用该方法进行嵌入式英语语音识别系统发音误差自动检测的准确性较好,对语音信号的分辨能力较好,提高了嵌入式英语语音识别系统的发音误差的检测性能.
-
-
LIANG Hui;
梁慧
- 《2019年西南三省一市自动化与仪器仪表学术年会》
| 2019年
-
摘要:
为了提高嵌入式英语语音识别系统发音误差自动检测能力,提出基于时频分析和关联信息熵特征提取的嵌入式英语语音识别系统发音误差自动检测方法.采用时频特征分解方法进行嵌入式英语语音识别系统英语发音信号的降噪处理,对降噪输出的英语发音信号进行特征分解和关联维特征配准,结合小波多层重构方法进行语音信号的重组,提取英语发音信号的关联信息熵特征,根据提取的语音信号的关联信息熵特征进行自动匹配,实现对嵌入式英语语音识别系统误差的自动识别.仿真结果表明,采用该方法进行嵌入式英语语音识别系统发音误差自动检测的准确性较好,对语音信号的分辨能力较好,提高了嵌入式英语语音识别系统的发音误差的检测性能.
-
-
LIANG Hui;
梁慧
- 《2019年西南三省一市自动化与仪器仪表学术年会》
| 2019年
-
摘要:
为了提高嵌入式英语语音识别系统发音误差自动检测能力,提出基于时频分析和关联信息熵特征提取的嵌入式英语语音识别系统发音误差自动检测方法.采用时频特征分解方法进行嵌入式英语语音识别系统英语发音信号的降噪处理,对降噪输出的英语发音信号进行特征分解和关联维特征配准,结合小波多层重构方法进行语音信号的重组,提取英语发音信号的关联信息熵特征,根据提取的语音信号的关联信息熵特征进行自动匹配,实现对嵌入式英语语音识别系统误差的自动识别.仿真结果表明,采用该方法进行嵌入式英语语音识别系统发音误差自动检测的准确性较好,对语音信号的分辨能力较好,提高了嵌入式英语语音识别系统的发音误差的检测性能.
-
-
LIANG Hui;
梁慧
- 《2019年西南三省一市自动化与仪器仪表学术年会》
| 2019年
-
摘要:
为了提高嵌入式英语语音识别系统发音误差自动检测能力,提出基于时频分析和关联信息熵特征提取的嵌入式英语语音识别系统发音误差自动检测方法.采用时频特征分解方法进行嵌入式英语语音识别系统英语发音信号的降噪处理,对降噪输出的英语发音信号进行特征分解和关联维特征配准,结合小波多层重构方法进行语音信号的重组,提取英语发音信号的关联信息熵特征,根据提取的语音信号的关联信息熵特征进行自动匹配,实现对嵌入式英语语音识别系统误差的自动识别.仿真结果表明,采用该方法进行嵌入式英语语音识别系统发音误差自动检测的准确性较好,对语音信号的分辨能力较好,提高了嵌入式英语语音识别系统的发音误差的检测性能.