摘要：针对低信噪比信号的去噪问题,提出了一种基于经验模态分解的小波阈值去噪方法,并与小波变换去噪法的效果相比较．试验结果证明,当信号的信噪比较小时,基于经验模态分解的小波阈值去噪效果是相当有效和稳定的,为研究环境脉动下结构的输出信号去噪处理提供了新的手段．

摘要：针对MEMS陀螺仪输出信号随机漂移噪声较大的问题,结合室内行人导航应用需求,在分析传统小波阈值去噪方法的基础上,设计了一种优化的小波阈值去噪方法。该方法构造了一种小波系数介于软硬阈值之间的连续小波阈值函数,在一定程度上克服了软硬阈值函数自身固有的缺陷。最后,分别采用传统阈值去噪法与优化小波阈值去噪法对行人导航系统中采集到的MEMS陀螺仪数据进行去噪处理,结果表明,相对传统的软硬阈值滤波法,优化阈值去噪法处理后的信号获得了更高的信噪比40.8748 d B,同时均方差降低了40%,MEMS陀螺信号中的随机噪声被有效剔除,满足了行人导航后续研究工作的需求。

摘要：针对经典小波软硬阈值方法在图像去噪中的不足,提出了一种自适应小波阈值及连续型无稳态误差(eliminate steady-state error and continuous,EEAC)的小波阈值函数,设计了一种小波可变阈值(variable threshold wavelet denoising, VTWD)的图像去噪方法。自适应小波阈值中设计了一个收缩因子,阈值随分解层数的增加而减小,体现出噪声系数在分解时不断减小的特性,能够准确区分高频系数中包含的噪声系数和信号系数。EEAC小波阈值函数中引入一个调节参数m,来调整阈值函数的趋向,从而调节阈值函数的稳态误差及连续性,保证重构的小波系数更加逼近原始小波系数。仿真表明,当56<m<59时,EEAC小波阈值函数能获得最优的小波重构系数,将其用于对Lena等8幅图像去噪,能很好的保留图像的纹理信息。在添加σ=30的高斯噪声时,相较于SRWM方法,VTWD获得的平均PSNR提高了2.30 dB;相较于ATM,VTWD获得的平均PSNR和SSIM分别提高了1.028 7 dB和0.133 0。因此可得,VTWD方法噪声去除较彻底、图像边缘细节保护较好,同时获得了高质量的去噪图像。

摘要：采集现场机械臂振动信号过程中会受到多种外部因素的影响,面临着多种噪声的综合作用。为了提高振动信号降噪精度,设计了一种基于改进小波阈值和形态学方法的机械臂振动信号降噪方法。利用改进小波阈值方法进行去噪时并跟形态学滤波方法进行结合的情况下可以对振动信号误差起到更优的抑制性能。研究结果表明:采用优化阈值-形态学滤波方法则可以获得纯净特征参数。本算法能够达到理想的噪声抑制性能,可以确保特征频率得到充分保留。

摘要：小波阈值去噪由于其算法简单、计算量小、便于实现的优点已经在信号去噪方面得到广泛应用,提高了数据的精度和质量。为解决传统软、硬阈值函数去噪法中信号存在边缘模糊过渡平滑和局部震荡出现伪吉布斯等现象导致去噪效果不佳的问题,研究了小波去噪原理和阈值函数优化的规则,设计了具有连续性、灵活性、恒定偏差小和高阶可微的一种新的双参数可调的小波阈值函数去噪算法,将其应用于含有白噪声的信号中进行降噪。通过实验数据可得,该方法相比其他方法更加提高了一维信号的信噪比,减小了均方根误差,使有效信号占比更高,信号更加平稳,具有一定的应用价值。

摘要：投篮机器人路径图像噪声会影响机器人路径跟踪控制效果,导致投篮机器人偏离正常轨迹,为此提出双闭环PID应用下投篮机器人路径跟踪控制方法。分析投篮机器人架构,利用OpenMv视觉识别方法采集投篮机器人路径图像,结合小波阈值算法对采集到的图像实施去噪处理,从而获取清晰的投篮机器人路径图像。根据图像去噪处理结果,将曲线拟合法与特征点检测法相结合,实现投篮机器人路径识别。根据投篮机器人路径识别结果确定路径实际偏移量,结合推动器实现位置、移动速度建立的双闭环PID控制器,从而实现投篮机器人路径跟踪控制。实验结果表明,该方法的投篮机器人路径图像去噪熊效果好、跟踪控制效果好,充分验证了该方法的有效性。

摘要：为了更好地消除噪声对被测信号的干扰,针对传统小波软、硬阈值函数与全局阈值去噪算法的不足,综合考虑了小波阈值的估计与阈值函数的选取,提出了一种新的小波阈值去噪方法。对仿真信号与实验轴承振动信号进行去噪分析,并与几种不同的小波阈值去噪算法结果相对比。结果表明:新的小波阈值去噪算法更好地去除了噪声并保留了信号的原始特征,是一种更加优越的去噪方法,具有较高的实用价值。

摘要：针对机械装备振动信号采集中含有脉冲噪声及高斯噪声等多种复杂污染源的信号误差抑制去噪,设计了小波阈值和形态学融合算法。首先,在高斯平滑思想上引入改进的小波阈值函数,能够调节阈值函数向小波分解系数真值的收敛趋势达到有效去除高斯噪声及避免稳态偏差的目的,对比几种常用的函数算法,提出的阈值函数取得了在信噪比提升及均方根误差抑制度量上的更优的效果。其次,对比计算了多种形态学算子选择较优的算法用于去除脉冲噪声。最后,将融合算法应用在机械臂振动信号的去噪实验中。结果表明,算法能够有效去除噪声并保留信号特征。

摘要：滚动轴承是机械设备中主要的故障源之一,它的失效将直接导致整台设备的运行失常。针对其典型故障模式,提出了一种基于小波阈值与CEEMDAN联合去噪的滚动轴承故障诊断方法。对信号进行小波阈值去噪,利用CEEMDAN算法对降噪后信号进行分解,基于互相关系数分析提取典型的IMF分量,并对所提取的IMF分量进行时、频域特征分析,从而进行故障诊断。首先通过对模拟信号完成CEEMDAN法与总体平均经验模态分解(EEMD)对比分析,证明该方法优于EEMD分解,继而以模拟实验为验证实例。研究结果表明了小波阈值和CEEMDAN方法在滚动轴承故障模式识别中的有效性。

摘要：为了提高机械臂传动机构的运行稳定性,设计了一种基于形态学方法的机械臂振动信号降噪方法。形态学算法可以获得理想的脉冲噪声去除效果,实现良好脉冲噪声抑制性能。利用形态学滤波方法可以对振动信号误差起到更优的抑制性能。搭建了实验平台,并开展信号测试。研究结果表明:设计算法可充分保留特征频率,同时获取的噪声抑制性能都相对更为理想。实验测试结果得出在抑制噪声性能方面设计算法的效果相对更为显著,所提取状态特征的准确度更高。该研究可以拓宽到其他的机械传动领域,具有很好的推广价值。