小波滤波在单轴机抖激光陀螺输出信号处理中的应用

单轴机抖激光陀螺仪采用抖动偏频方案消除闭锁,于是陀螺输出信号中不仅包括外界输入的有用角速率信息,也包含了抖动信号和各种高频噪声,应用之前必须有效地去除抖动信号和各种高频噪声.本文采用小波阈值滤波方法对某型单轴激光陀螺输出信号进行了处理,选用Daubechies小波函数作为小波基,以强制消噪的方法,分别用db8,db6,db4小波和不同的小波分解层数对信号进行了滤波,发现采用db4小波对机抖激光陀螺输出信号的滤波效果最优,为工程应用打下了基础.     

基于小波变换阈值法处理光纤陀螺信号噪声

小波具有多分辨率分析特性,利用小波变换阈值滤波可以有效地处理光纤陀螺信号的噪声。具体的仿真实验分析比较表明,小波变换阈值滤波可以有效地剔除光纤陀螺的信号噪声;与传统的数字低通滤波方法相比,去噪效果更好。利用Allan方差法并通过最小二乘拟合可得到陀螺信号噪声中各误差源的幅度;通过比较滤波前后的各误差系数的具体数值,进一步证实了小波变换阈值滤波的有效性;并指出通过小波分析可以显示出陀螺信号中低频噪声的发展趋势。     

基于改进小波阈值的微机械陀螺去噪方法

陀螺的噪声是影响组合导航系统精度的重要因素之一。以插秧机GPS/INS组合导航系统为研究背景,在分析常规硬阈值和软阈值小波去噪的基础上,提出了一种改进的小波阈值去噪方法。该方法构造了一种改进的阈值函数,改进的阈值函数具有较好的连续性,避免了将混叠在噪声中的有效信号完全消除,能够自动调节小波系数的收缩程度,具有一定的自适应性。利用插秧机组合导航系统中微机械陀螺的实际输出数据,分别采用硬阈值、软阈值和改进阈值小波去噪方法进行了对比试验。结果表明改进的小波阈值去噪方法处理后信号的信噪比提高了约3倍、均方差小,具有一定的实用价值。     

小波分析在捷联惯导陀螺信号滤波中的应用

介绍了小波变换和多分辨率分析理论。针对捷联惯导系统中光纤陀螺输出信号的特点，对其进行小波变换，去除信号中高频部分的噪声，从而抑制了陀螺的随机漂移。通过仿真实验，肯定了使用小波分析算法对陀螺输出信号进行滤波消噪处理的可行性。在实际用于捷联惯导系统中的实验结果表明，有效地提高了系统的精度。     

光纤陀螺信号处理方法的比较研究

给出了光纤陀螺信号漂移的数学模型，并针对信号噪声的特点，采用了“加权术平均”、“五点三次平滑算法”、“小波分析”三种不同的处理方法进行信号的消噪处理，通过对仿真结果的比较研究，肯定了小波变换算法在信号消噪处理中的适用性，并且编写了实时信号处理软件，提高了光纤陀螺的精度，为促进光纤陀螺的研制开发起到了积极的作用。     

基于自相关特性的经验模态分解微机械陀螺去噪方法

陀螺的噪声是影响组合导航系统精度的重要因素之一。以农机多传感器组合导航系统为研究背景,在分析经验模态分解去噪和小波去噪的基础上,提出了一种基于自相关特性的经验模态分解去噪方法。该方法根据本证模态函数分量的自相关函数特性,提出了一种含噪本证模态函数筛选策略。该方法能够自适应地确定主要含噪的本证模态函数分量,避免了需要人为确定的不足;同时,结合改进小波阈值去噪的优势,避免了将混叠在噪声中的有效信号完全消除,使其具有一定的自适应性。为了验证方法的有效性,利用农机组合导航系统中微机械陀螺的实际输出数据,分别采用改进阈值小波去噪方法、经验模态分解去噪和改进的经验模态分解去噪方法进行了对比试验。结果表明,改进经验模态分解去噪方法的效果要优于前者,在一定程度上能够改善农机多传感器组合导航系统的定位精度。     

基于自适应时频峰值滤波的光纤陀螺去噪算法

为减小光纤陀螺输出信号噪声、提高惯导系统精度,提出了光纤陀螺信号自适应时频峰值滤波算法。对光纤陀螺信号进行初始变换并调制,采用伪Wigner-Ville分布对调制信号进行时频分析,给出了一种自适应的伪Wigner-Ville分布最优窗长获取准则,通过局部峰值搜索实现编码信号的瞬时频率估计进而还原出有用信号,实现了光纤陀螺噪声的去除。详细对比了小波方法与自适应时频峰值滤波算法并分析了两者的去噪效果。仿真结果和实际数据验证表明:自适应时频峰值滤波算法能有效减小光纤陀螺输出噪声,信噪比比小波滤波改善1³ dB;特别对于高动态信号,该算法滤波后的信号能够有效地跟踪原始信号。     

改进小波阈值法在MEMS陀螺信号去噪中的应用

陀螺随机漂移是影响MEMS陀螺仪精度的重要指标,有效减小MEMS陀螺仪的随机漂移误差是提高MEMS陀螺仪使用精度的关键技术之一.文中在分析了小波阈值法的去噪原理和存在的缺陷的基础上,构造了一种新的阈值函数,并利用3σ准则提取阈值,提出了一种改进的,小波阈值去噪法,并将其应用于MEMS陀螺仪输出信号的滤波处理中,取得了良好的去噪效果.实验结果表明,文中提出的方法可以有效减少信号中的高频噪声,很好地抑制MEMS陀螺仪的随机漂移,去噪效果明显优于传统的,小波阈值法.     

基于LMS与二代小波变换的光纤陀螺去噪算法

为了降低光纤陀螺输出中的噪声分量,提出一种基于最小均方法与二代小波变换相结合的去噪方法。首先利用LMS算法进行前端预处理,提高信号的信噪比;然后使用SGWT去噪算法降噪,考虑到SGWT去噪算法易受阈值函数的影响,将模糊与平滑因子引入到传统软阈值法,以缩小估计小波系数和原小波系数两者之间的常值偏差;最后,将本文提出的算法应用于某型光纤陀螺的去噪研究中。实验结果表明,相对于SGWT去噪算法,采用LMS-SGWT算法处理后,光纤陀螺的信噪比从0.1698d B提高到2.0521 d B,方位对准误差从0.33°降低到0.13°。     

基于CEEMDAN改进阈值滤波的微机电陀螺信号去噪模型

为了提高微机电系统(MEMS)陀螺信号的去噪效果,以自适应噪声的完备集成经验模态分解(CEEMDAN)方法为理论基础,并针对常规软阈值和硬阈值函数存在的不足,提出了一种基于改进阈值函数的CEEMDAN滤波去噪模型。该模型首先应用CEEMDAN方法将陀螺信号有效地分解为多个固有模态函数(IMF)分量;其次通过相关系数法判断噪声分量与有效分量的界限;进而对噪声分量进行阈值设置并使用改进阈值函数进行滤波处理;最后重构滤波处理后的噪声分量与有效分量以得到去噪后的信号。实际陀螺信号去噪试验结果显示:所提模型相对于CEEMDAN、集成经验模态分解(EEMD)、经验模态分解(EMD)强制去噪方法及小波分析方法,其信噪比提高了约3.9dB,均方根误差降低了约36%;所提模型相对于CEEMDAN结合软、硬阈值函数的去噪模型,均方根误差降低了30%以上。表明采用所提模型可以对MEMS陀螺输出信号进行有效去噪,提升去噪性能。     

子波去噪技术在湍流信号处理中的应用

本文在分析了随机噪声的子波变换系数在不同尺度上的传递特性以及噪声信号奇异性与子波模极大值的关系后,提出了用尺度间变化的门限值来抑制带噪湍流信号在不同尺度上的噪声子波系数,从而实现了在重构湍流信号中消除噪声的目的。本文给出了湍流信号的子波去噪的计算机仿真结果,并与傅立叶去噪进行了比较,从结果上看,本文的方法有较好的去噪功能。     

基于CEEMDAN-小波包分析的隧道爆破信号去噪方法

针对隧道爆破施工中采集到的实测振动信号,引入一种基于总体平均经验模态分解方法（CEEMDAN分解）联合小波包分析的降噪方法。首先,通过CEEMDAN分解得到多个本征模态分量,利用相关系数筛选出包含噪声的模态分量,并通过模态分量的频谱图及方差贡献率进行校核。然后,利用小波包阈值降噪方法对含有噪声的模态分量进行处理。最后,将未经处理的模态分量与去噪完成的分量重构得到最终纯净的爆破振动信号。同时,通过小波包能量谱分析验证此降噪方法的可行性。本文引入的方法兼具CEEMDAN分解及小波包分析的优点,与现有方法相比,去噪效果较好,可以应用于类似隧道爆破信号的去噪处理中。     

基于小波变换的撞击流压力波动信号分析

通过小波变换对信号进行多尺度细化分析,解决了傅里叶变换不能解决的许多问题．从分析噪声和信号本身奇异点的区别入手,利用小波在时频两域突出信号局部特征能力的重要性质,即噪声信号小波变换的极大值随尺度的加大而显著减少的特点,对撞击流反应器撞击区压力波动信号进行处理分析．分析结果表明:小波变换可以较好地去除信号中的噪声;通过消噪后信号的功率谱可知,撞击流压力波动信号具有自相似的分形特征,与前期的实验研究相吻合．     

基于小波变换的重力变化信号处理技术研究

针对重力敏感器中所测信号的特点，提出了小波变换的多分辨率分析方法。采用了强制去噪和阈值去噪两种方法，利用Daubechies小波函数，分别针对三种典型情况进行了分析。结果表明，对于信噪比非常小的重力变化信号，阈值去噪法相对于强制去噪法来说效果并没有明显提高，第9层下重建信号的逼近误差满足性能指标。文中还讨论了加入确定性干扰的情况下微弱信号的提取情况，结果表明，加入大的确定性干扰后，为了满足设计要求，小波分解的尺度有所增加，整体的滤波效果与未加入确定性干扰的情况基本相同。     

小波分析在悬臂梁裂纹识别中的应用

基于空间信号的小波分析理论,将含裂纹悬臂梁前四阶振型信息直接用于小波变换,小波系数在空间域上的突变反映了裂纹的存在并指出了裂纹的位置.本文分析了前四阶振型对小波识别结果的敏感性,利用小波系数模极大值在尺度上的表现与Lipschitz指数之闻的关系建立了集中因子和裂纹深度之间的关系,以此来估计裂纹深度.鉴于实测信号往往是含噪声信号,分析了噪声对识别结果的影响规律.数值算例表明利用sym4小波对含裂纹梁的四阶振型信息进行小波分析可以准确地识别出裂纹的位置和深度;高阶振型对结构损伤较为敏感,高阶振型更适合于微裂纹和含噪声信息的处理,但高阶振型的非线性也会给裂纹识别带来一定的困难.使用本文方法进行结构裂纹参数识别,噪声对裂纹位置的影响只是指示清晰度的影响,基本不会产生错误的识别,而对裂纹深度的影响远比对位置的影响复杂,由于小波系数混入了噪声成分,从而增加了集中因子的取值,致使识别结果总是比真实结果偏大.     

Identification of time-varying hysteretic structures using wavelet multiresolution analysis

In this paper, a wavelet multiresolution technique is proposed to identify time-varying properties of hysteretic structures. It is well known that arbitrary transient functions can be effectively and accurately approximated using wavelet multiresolution expansions due to wavelet's good time-frequency localization property. By decomposing the time-varying parameters with wavelet multiresolution expansion, a time-varying parametric identification problem can be transformed into a time-invariant non-parametric one. The identification in the time-invariant wavelet multiresolution domain can be achieved by choosing a wavelet basis function and performing a suitable parameter estimation technique. Since wavelet representation of arbitrary signal uses only a small number of terms, the orthogonal forward regression algorithm can be adopted for significant term selection and parameter estimation. Single and multiple degrees of freedom Bouc-Wen hysteretic structures with gradual and abrupt varying properties are used to illustrate the proposed approach. Results show that the wavelet multiresolution technique can identify and track the time-varying hysteretic parameters quite accurately. The effect of measurement noise is also studied. It is found that the presence of noise would affect more on the damping ratios and the Bouc-Wen parameters but less on the equivalent stiffness coefficients.     

基于集合经验模态分解-小波阈值方法的爆破振动信号降噪方法

为了更好地消除混杂在爆破信号中的噪声,引入一种基于集合经验模态分解和小波阈值共同作用的降噪方法。首先将信号进行集合经验模态分解,然后选择含噪的模态函数分量进行小波阈值降噪处理,最后把处理后的分量和未处理的分量进行叠加,重构的信号即为降噪信号。该方法不仅能有效的去除噪声,还能使爆破波形保留其真实性和完整性。     

STUDY ON PREDICTION METHODS FOR DYNAMIC SYSTEMS OF NONLINEAR CHAOTIC TIME SERIES＊

The prediction methods for nonlinear dynamic systems which are decided by chaotic time series are mainly studied as well as structures of nonlinear self-related chaotic models and their dimensions. By combining neural networks and wavelet theories, the structures of wavelet transform neural networks were studied and also a wavelet neural networks learning method was given. Based on wavelet networks, a new method for parameter identification was suggested, which can be used selectively to extract different scales of frequency and time in time series in order to realize prediction of tendencies or details of original time series. Through pre-treatment and comparison of results before and after the treatment, several useful conclusions are reached:High accurate identification can be guaranteed by applying wavelet networks to identify parameters of self-related chaotic models and more valid prediction of the chaotic time series including noise can be achieved accordingly.     

基于虚拟响应信号的结构参数时域辨识研究

在充分考虑线性动力系统的时域响应特性以及小波包分析的频率空间剖分特性的基础上,提出了一种基于虚拟响应信息提取的信号去噪新方法.虚拟响应虽然没有在结构动力检测过程中真实发生,但却是在某种激励下可以实现的一个响应,因此,根据虚拟响应信息同样可以进行结构系统的动力识别.数值研究表明,对于地脉动响应这种有效信号频带与噪声频带相互覆盖的低信噪比信号而言,小波阈值去噪法已无能为力,而基于虚拟响应信息提取的信号去噪方法则有较好的去噪效果.