共查询到16条相似文献，搜索用时 187 毫秒
1.
2.
针对海洋磁力测量数据中存在的高斯噪声,采用基于交叉证认的小波阈值去噪方法进行噪声去除。首先对磁力数据进行小波分解,利用交叉证认方法自动识别小波分解的信号层与噪声层,然后对噪声层小波系数进行阈值处理,进一步提取噪声层中的有用信息,最后进行小波重构得到去噪信号。同时提出了一种改进阈值处理函数,能够改善传统软、硬阈值函数存在的缺陷,提高重构信号的精度。实验分析表明,当噪声水平小于1.5nT时,相比于传统软、硬阈值函数的小波阈值去噪方法,该方法可更好地去除海洋磁力数据中的高斯噪声,并可较好地保留数据中的有用细节信息,使数据质量得到提高。 相似文献
3.
波形分解是机载测深LiDAR数据处理的关键环节,为水深计算、底质类型反演和水体浑浊度分析等提供基础信息。针对传统测深LiDAR波形分解算法受噪声干扰严重、对微弱及叠加信号分解不准确的问题,提出一种新的波形分解算法。对原始波形经小波滤波后,计算滤波前后尾段波形的差异,估计回波信号的噪声;利用高斯模型,从原始波形数据中不断分解出经LM算法优化参数后的波形分量,直到剩余波形中最大峰值与优化后的参数小于一定阈值。通过南海实测数据进行验证,实验结果表明:该算法分解弱回波能力强,不论在浅水(回波发生叠加)还是深水,其分解精度均优于传统算法。 相似文献
4.
《中国海洋大学学报(自然科学版)》2016,(4)
针对经验模式分解(EMD)易受噪声影响的缺点,提出采用小波消噪结合Hilbert-Huang变换的结构损伤检测方法。首先对含噪声振动信号进行小波消噪预处理实现信噪分离,再进行EMD分解得到若干固有模态函数(IMF),利用希尔伯特(Hilbert)变换得到其瞬时频率。提出了一个基于低阶瞬时频率变化率的损伤判定指标,利用此指标可以判断损伤是否发生。数值研究结果表明小波消噪结合HHT的方法是进行损伤检测比较有效的方法。 相似文献
5.
6.
侧扫声呐回波信号是形成侧扫声呐图像的基础,是侧扫声呐系统对水下目标的最直接观测量, 将一维小波变换与非线性增强方法相结合,提出了一种基于小波变换的侧扫声呐回波信号非线性增强算法, 用以改善侧扫声呐图像对比度低、噪声强度大的问题。首先利用改进的 Bayes 阈值对侧扫声呐 ping 信号进行一维小波分解,提取信号特征信息;然后利用 2 种不同的非线性函数对高、低频小波系数进行处理;最后利用小波反变换重构信号,形成增强后的侧扫声呐图像。实测数据验证结果表明：利用该算法对侧扫声呐 ping 信号进行处理,实现了侧扫声呐图像对比度的增强和对噪声的抑制,可以获取较好的图像视觉效果。 相似文献
7.
应用经验模式分解（EMD）将恒电量瞬态响应信号分解为不同时间尺度的内在模函数（IMF）分量。去除其中的小时间尺度的干扰噪声分量。然后经过拉普拉斯变换获得恒电量频谱以研究电化学腐蚀过程。 相似文献
8.
9.
为有效提取噪声背景下的海杂波信号,针对海杂波信号非线性非平稳的特点,提出基于小波阈值算法对实测海杂波数据去噪。在噪声水平未知条件下,提出基于噪声主要在高频段且能量较小、信号主要集中在低频段思想的噪声判断准则。为验证小波去噪效果,将该算法对含有噪声的海杂波实测数据进行去噪,采用均方差和降噪信号信噪比两项指标衡量去噪效果,并与均值和中值等去噪方法对比,小波算法在这两项指标均优于其他算法;此外,实验结果还表明,db2小波在双曲线阈值函数和HeurSure阈值模式下优于其他小波去噪效果。 相似文献
10.
基于矢量序列相位与矢径的统计分布差异,本文提出一种TV (Total Variation)相位降噪和EMD (EmpiricalMode Decomposition)矢径分解组合的矢量序列降噪、分解方法。利用TV细致的演化特点进行相位降噪,其中引入最大信杂比准则,以优化选择调整参数和迭代次数;利用EMD适用于非线性非平稳分解的特点,将矢径分解为多个IMFS(Intrin-sic Mode Function),其中加入了非负判别,以保证重构矢量的相位不会发生跳变。然后,将降噪相位和分解的IMFS一一对应,重构矢量。考虑到历史继承性,该方法称为VEMD(Vector Empirical Mode Decomposition)方法。以高斯噪声污染的2个人工信号(线性调频信号、正弦+线性调频信号)和实测海杂波数据验证了本文所提出方法的性能。 相似文献
11.
异常事件对EMD方法的影响及其解决方法研究 总被引：4，自引：1，他引：4
赵进平 《中国海洋大学学报(自然科学版)》2001,31(6):805-814
作者指出异常事件在数据中形成局部的高频信号 ,运用经验模态分解 (EMD)方法分析这种存在异常事件干扰的数据 ,就会产生本征模函数 (IMF)的频率混叠现象 ,而造成物理过程的重叠 ,使得难以用时间过程曲线表现特定的物理过程。这一问题是 EMD方法中尚未妥善解决的问题。为解决这一问题 ,作者利用干扰信号极值及其两边的极大与极小值位置与原始数据有明显对应关系的特征 ,将相关 IMF中的异常信息直接滤除 ,再用 Spline插值方法弥补滤除时段的数据 ,得到重新拟合的该 IMF数据。采用这种方法可以提取出异常信号 ,提取的精度与异常信号的时段长度有关。而且 ,拟合结果消除了异常干扰 ,可以将该 IMF与其余 IMF一起叠加成没有异常干扰的数据。将滤除了异常干扰的数据再次进行 EMD分解 ,可以得到新的 IMF系列 ,而它与不加校正的分解结果有相当大的差别 ,可靠地反映了真实物理过程。结果表明 ,只有在有效滤除异常干扰的情况下才能获得可靠的 IMF系列 ,并准确地描述各种尺度的现象 ;消除了异常干扰的 IMF可以任意单独或组合使用 ,表现各种时间尺度的变化与过程 ;所讨论的方法只适合异常时段较小的情形。对于异常时段接近或大于正常变化周期的干扰还需要探讨其他方法 相似文献
12.
Sonar generated acoustic signals transmitted in underwater channel for distant communications are affected by numerous factors like ambient noise, making them nonlinear and non-stationary in nature. In recent years, the application of Empirical Mode Decomposition （EMD） technique to analyze nonlinear and non-stationary signals has gained much attention. It is an empirical approach to decompose a signal into a set of oscillatory modes known as intrinsic mode functions （IMFs）. In general, Hilbert transform is used in EMD for the identification of oscillatory signals. In this paper anew EMD algorithm is proposed using FFT to identify and extract the acoustic signals available in the underwater channel that are corrupted due to various ambient noises over a range of 100 Hz to 10 kHz in a shallow water region.Data for analysis are collected at a depth of 5 m and 10 m offshore Chennai at the Bay of Bengal. The algorithm is validated for different sets of known and unknown reference signals. It is observed that the proposed EMD algorithmidentifies and extracts the reference signals against various ambient noises. Significant SNR improvement is alsoachieved for underwater acoustic signals. 相似文献
13.
首先介绍了小波阈值消噪的基本原理,认为小波阈值消噪的性能受三方面因素的影响:(1)小波母函数的选择;(2)阈值方法的选择;(3)阈值函数的选择.为了寻找小波母函数、阈值估计和阈值函数的最优组合,文中以实测海洋磁力测量数据为背景,采用小波阈值法进行消噪,把得到的磁异常值作为"真值".仿真了波浪噪声和随机噪声并加入到"真值"磁异常中,作为噪声磁异常.在此基础上采用两种小波族系(Symlets,Daubechies)、四种阈值选取方法和软、硬阈值函数对噪声磁异常进行了基于小波变换的消噪计算,客观分析了不同组合方法的消噪精度和可靠性.实际计算结果表明:对磁异常突变点较多且分布杂乱的测线进行消噪,Sym6、软阈值函数、混合阈值或基于Stein无偏似然估计消噪效果最好;对磁异常突变点少且大部分光滑的测线进行消噪,db7、基于Stein无偏似然估计和软阈值函数的消噪效果最好. 相似文献
14.
A method based on empirical mode decomposition (EMD) and time-varying autoregressive (TVAR) model is proposed here to identify the modal parameters of time-varying systems, such as the Floating Production Storage and Offloading (FPSO) single point mooring system. For the EMD–TVAR method, the original signal is decomposed into a finite number of ‘intrinsic mode functions’ (IMFs) by the EMD. Each IMF can be represented as a TVAR model. Then, the time-varying modal parameters i.e., instantaneous frequency (IF) and modal dumping, can be obtained by the basis functions expansion method. The proposed EMD–TVAR method has good results in two experiments compared with the Huang–Hilbert transformation and Short Time Fourier Transform method, and it has been used to analysis the modal parameters of FPSO single point mooring system successfully. The system's time-varying characteristic and its frequency distribution can be known from the modal analysis results. 相似文献
15.
本文采用经验模式分解 (EMD)提取信号的内在模函数 (IMF) ,并利用希尔伯特变换对所得IMF进行包络分析 ,提取机械故障特征。与直接对原信号进行包络分析相比较 ,该方法提取的机械故障特征更明显。数值模拟和对故障轴承振动信号分析表明了该方法的有效性。 相似文献
16.
海洋区域地质调查中,单道地震勘探以其高分辨率、方便快捷等优点成为揭示浅地层地质构造的重要手段之一.结合前人研究成果并出于保护信号的完整性,对低频部分的噪声采用带通滤波进行滤除,而对高频信号中的随机噪声采用小波阈值去噪方法进行压制处理.在小波阈值去噪过程中,通过比较选用最佳小波基函数sym5对地震剖面进行三层小波分解.结果表明:两种阈值去噪方法在带通滤波的基础上进一步提升了剖面的质量,使得反射层面变得连续可追踪.软阈值去噪滤掉了剖面上的较多信息,去噪效果较为彻底,硬阈值去噪则保留了较多的细节信息. 相似文献