一、基于分形噪声的一种小波降噪方法（论文文献综述）
魏博熠,罗鉴鹏,张立臣[1]（2022）在《基于EMD-R/S分析的太赫兹光谱降噪》文中指出针对太赫兹时域光谱系统由于延时线的重合抖动、采样抖动等产生的噪声,提出使用经验模态分解-R/S分析方法对太赫兹光谱信号进行降噪。采集太赫兹时域光谱系统的时域信号,根据EMD算法将信号分解成本征模态函数（IMF）;使用R/S分析法分别计算各个IMF的Hurst指数。根据设定的阈值判断是否各个IMF是否存在均值回复的情况。如果IMF存在均值回复的现象,则使用原始信号与IMF信号作差,所得信号即为降噪后的时域信号。实验结果表明,与小波降噪算法相比,EMD-R/S分析算法能够有效地对太赫兹时域光谱信号降噪,能够有效还原太赫兹光谱信号特征。
卿涛,丁问司[2]（2021）在《结合阈值法和模极大值法的冲击加速度信号降噪》文中指出微机电加速度传感器对交变冲击机构的实测信号中包含噪声干扰,影响加速度积分的精度,因此需要进行降噪处理。针对小波模极大值方法存在模极大值点搜索量大以及小波系数重构过程鲁棒性低的问题,提出了利用阈值法来改善模极大值点的搜索过程,并利用分段埃尔米特插值算法重构小波系数。仿真实验表明:改进后的方法能够保留较多的有用信号,并提高了模极大值点的搜索效率及算法的鲁棒性。将改进后的方法应用于交变液压冲击器实验中,对所采集的冲击加速度信号进行分析,验证了其在实测交变冲击加速度信号处理中的可行性。
胡凡[3]（2020）在《大红山铁矿微震监测波形类别识别方法研究》文中研究表明矿山井下微震监测信号包含着岩石破裂、爆破、人工活动等信息,在进行岩爆预测、采空区坍塌预测、岩石破裂定位时,岩石破裂信号类型识别是前提和基础,信号识别的准确性对判断精度具有重要影响。本文以大红山铁矿微震信号为研究对象,在理论研究与现场调研的基础上,通过理论分析、理论编程计算、工程测试等研究方法和手段,先对原始信号采用小波阈值变换法、集合经验模态分解法（EEMD）、希尔伯特-黄变换法（HHT）以及分形理论等多个理论方法对信号特征值进行提取,然后从时域、频域、能量分布特征及线性特征这几个方面对信号特征值分析后,建立了信号识别模型并成功的对岩石破裂和爆破事件信号进行了识别。上述研究为大红山铁矿及时、有效、准确的识别岩石破裂事件信号提供依据,也为类似矿山在微震信号类型识别提供一种参考方法。本论文的主要内容有以下几个方面:（1）对信号的时-频特征、能量分布特征、线性特征上进行分析,得出了信号在持续时间、振幅大小,主频、信号能量分布上、分形维数等多个方面的特征值规律。（2）基于两类信号持续时间、最大振幅、主频大小、能量分布特征、分形维数值等多个参数,建立了岩石破裂与爆破两类事件信号的BP神经网络预测模型。并对该模型的预测能力进行了验证。（3）信号的模式识别上,将得出的特征参数值与MATLAB编程相结合,利用BP神经网络模型对大红山现场采集的20次微震事件信号进行识别,结果表明该模型能够有效的对上述两类信号进行识别。
邬佳[4]（2020）在《车载捷联惯导初始对准技术研究》文中进行了进一步梳理捷联惯性导航系统（Strapdown Inertial Navigation System,SINS）已经在军事、民用等领域得到了广泛应用。初始对准作为整个捷联惯导系统工作前的关键步骤,其精度决定了整个导航系统的精度。车载捷联惯导初始对准分为静基座初始对准和动基座初始对准,其技术指标主要包括对准精度和对准时间。本课题针对车载捷联惯导系统实际工作环境中出现的惯性器件启动漂移、静基座初始对准过程中人为噪声干扰以及动基座初始对准过程中全球定位系统（Global Positioning System,GPS）速度误差和噪声失配等问题,提出相应的解决办法,具体研究内容如下:首先,针对车载捷联惯导系统初始对准情况下光纤陀螺和加速度计出现启动漂移的问题,通过采集分析光纤陀螺和加速度计在不同温度下启动的实测数据,研究了光纤陀螺和加速度计漂移与温度及温度变化率之间的关系,通过对目前光纤陀螺和加速度计漂移补偿模型进行简化,减小了计算量,实测数据验证了简化的模型能够有效补偿惯性器件启动漂移并缩短系统初始对准时间。其次,针对车载捷联惯导系统静基座初始对准过程中人为噪声干扰的问题,通过采集车载捷联惯导静基座下人员上下车、驻车发动机启动等情况的惯性器件数据输出,分析了其噪声特性,提出了改进的基于小波阈值策略的经验模态分解降噪算法,实测数据验证了该方法的降噪效果以及对提高静基座下初始对准算法稳定性的有效性。然后,针对动基座初始对准过程中GPS速度误差导致量测矢量误差增大的问题,提出了基于鲁棒反馈策略的惯性系初始对准算法,该方法基于前一个时刻估计的姿态预测当前时刻的量测矢量,并根据当前时刻的量测矢量求得当前时刻的方差,对前一个时刻的方差和当前时刻的方差进行比较并基于鲁棒控制的策略对当前量测矢量进行调整和反馈,仿真和实测数据验证了该方法能够有效提高动基座对准精度。最后,针对动基座初始对准过程中噪声失配的问题,通过对姿态误差进行分析建立系统状态空间模型,并引入无偏有限冲击响应（Unbiased Finite Impulse Response,UFIR）滤波的思想,提出了基于UFIR的惯性系初始对准算法,UFIR滤波器不需要像卡尔曼滤波器（Kalman Filter,KF）一样设置Q阵和R阵,其利用观测窗长内的有限测量数据进行无偏状态估计,降低了系统噪声和量测噪声特性未知或者改变时对姿态估计的影响,仿真和实测数据验证了该方法的有效性。
刘娟花[5]（2019）在《多尺度数据融合算法及其应用研究》文中指出分别在多个尺度上对多个传感器的信息进行融合,不仅可获得比单个传感器更优的性能,而且与单尺度上的融合相比,多尺度数据融合能更好地刻画出目标的本质特性。MEMS陀螺是一种可以测量角速度的传感器,具有很多吸引人的优点。但噪声大,准确度不高也是不争的事实。于是如何去除MEMS陀螺仪中的噪声,并提高其精度就成为近年来的研究热点。对多MEMS陀螺应用多尺度数据融合算法,可以显着提高系统的精度及可靠性。本文证明了前人提出的多尺度数据融合算法的有效性,设计了 一种新的多尺度融合算法,讨论了多尺度数据融合中的重要技术问题,并通过对多个MEMS陀螺的融合应用,经仿真和硬件实验验证了本文多尺度融合算法的优越性。主要创新点和工作如下:1.从小波分析理论出发,证明了平稳和非平稳情况下的数据融合定理。从数学上解释了多尺度数据融合算法优于经典加权算法的原理,为该算法的推广应用奠定了数学基础。2.结合小波域多尺度数据融合算法的原理、具体步骤及存在问题等,设计了基于小波包的多尺度数据融合算法,并用实测数据通过仿真实验,比较了小波多尺度数据融合和小波包多尺度数据融合。3.分析了多MEMS陀螺数据融合中的小波基、分解层数、加权因子等的选择方法,通过仿真实验验证了其可行性。4.比较了基于时间序列分析、基于小波去噪和基于小波变换的多尺度融合这三种融合方法不同方面的性能。另外,还比较了多尺度融合和前向线性预测（Forward Linear Prediction,FLP）融合方法,结果均表明本文所提出的多尺度融合方法的独特性和有效性。将上述研究成果应用于我们设计并制作的一套多MEMS陀螺仪数据融合实时处理系统平台中,对4个MEMS陀螺仪所采集的原始数据进行实时处理。分别在静态和动态环境下对该集成系统进行了测试,实验结果表明:该系统运行稳定可靠,将MEMS陀螺的精度提高了 1个量级。本文的研究工作不仅为有关多尺度融合系统的分析奠定了理论基础,还为算法的推广应用提供了实验依据。
董雅雯[6]（2018）在《基于小波变换的加速度计信号降噪及参数辨识方法研究》文中研究说明加速度计是用于测量载体运动方向加速度的传感器,由于其测量的方便及可靠性被广泛应用于航空航天、建筑、工业自动化等领域。加速度计动态模型为加速度信号测量提供了基础,实现其模型的参数辨识,能够描述加速度计的动态特性,从而提高加速度测量信号的精度。然而,加速度计测量信号容易受到噪声和低频非线性的影响,加速度计测量信号中的噪声,制约了其动态模型参数辨识的准确性。滤除加速度计信号中的噪声,能够有效地对提高加速度计信号分析精度及加速度计动态模型参数辨识精度。现有的基于经验模态分解（Empirical Mode Decomposition,EMD）的降噪方法能够自适应分解信号,然而其在降噪过程中存在端点效应、模态混叠等问题,导致其降噪精度较低。基于小波变换的信号降噪方法通过从多分辨率分析测量信号,获取测量信号的噪声部分,并实现有效滤除。然而,该方法过度依赖测量信号的单一性,并没有充分考虑加速度计比较法冲击激励校准中加速度计输出信号间的相关性,降噪精度因此受到制约。因此,研究基于小波变换的加速度计信号降噪及参数辨识方法,具有重要的理论意义和应用价值。本文在分析加速度计输出信号小波系数相关性与噪声的关系基础上,提出了一种基于序列相关性和小波变换的加速度计信号降噪方法,利用同一激励下不同加速度计响应信号小波系数间的相关性,将互相关系数引入小波阈值降噪的阈值计算过程中,能够有效降低加速度计输出信号中的噪声,降低噪声对加速度计频率响应函数估计精度的影响。针对加速度计的测量噪声及其频率响应函数中低频非线性模态对其动态模型参数辨识精度的影响,提出一种基于小波降噪和加权最小二乘的加速度计动态模型参数频域辨识方法,利用小波降噪预处理后的信号,得到频率响应,然后利用加速度计谐振频率附近的频率响应进行参数辨识,通过排列熵判断序列的复杂度,并调整加权最小二乘中的权重矩阵,能够有效降低测量噪声和低频非线性对参数辨识结果的影响,提高了参数辨识精度。利用MATLAB仿真平台和加速度计比较法冲击激励校准进行实验验证,结果表明,基于序列相关性和小波变换的加速度计信号降噪方法能够有效抑制其噪声;基于小波降噪和加权最小二乘频域参数辨识方法能够降低测量噪声及非线性对动态模型参数辨识过程的影响,具有较高的参数辨识的精度。
刘薇[7]（2018）在《提高RBOTDA系统信噪比的方法研究》文中提出基于瑞利散射的布里渊光时域分析（RBOTDA）系统因为单端工作的优点,在大型监测场合中有广泛的应用前景。但是该技术本身也存在缺陷,由于瑞利散射光十分微弱,导致系统的信噪比较低,限制了测量精度和传感距离。如何提高系统信噪比是RBOTDA系统的关键问题之一。本文将多种降噪算法应用到RBOTDA系统,提出了二维提升小波阈值降噪算法。本文搭建了RBOTDA实验系统,传统的实验数据处理方法为累加平均算法,本文对累加平均算法进行了Matlab仿真分析。研究发现,测量信号的信噪比随着累加次数的增加而提高,1万次累加平均下信噪比达到13.5549dB,比256次提高了7dB,但是增加了9744次的测量时间。累加平均算法以牺牲系统实时性为代价提高信噪比,测量时间长,实时性差。小波变换由于具有良好的时频特性,常用于信号的降噪处理。常见的小波降噪算法有模极大值降噪算法、空域相关滤波算法和小波阈值降噪算法。本文采用三种方法对RBOTDA实验数据进行了一维空间Matlab仿真研究,研究结果表明,小波阈值降噪算法的降噪效果最优。一维小波降噪算法只去除了实验数据在时间域的相关性,忽略了不同扫描频率下实验数据间的相关性。本文将实验数据按照扫描频率排列成二维矩阵,行向量表示同一个扫描频率下光纤不同位置处的数据,具有空间相关性。列向量是不同扫描频率下光纤同一位置处的数据,具有时间相关性。利用二维小波对矩阵降噪,可以同时去除实验数据在时间域和空间域中的冗余,得到比一维小波算法更高的信噪比。上述研究中采用的小波变换以傅里叶变换为基础。基于提升方案的小波变换,继承了传统小波多分辨率的特点,摆脱了傅里叶变换,避免了传统小波中基于卷积算法的冗余计算,降低了运算复杂度。本文结合二维小波高信噪比和提升小波低运算量的特点,提出了二维提升小波阈值降噪算法,并进行参量优化选择。本文采用累加平均算法,一维小波阈值降噪算法和二维提升小波阈值降噪算法对RBOTDA系统实验数据进行处理。结果表明,累加平均算法在1万次累加平均下信噪比达到13.5549 dB,均方误差为0.3275,实时性差。一维小波阈值法和二维提升小波阈值法的原始信号都是256个周期采集的实验数据,实时性远优于累加平均算法。一维小波阈值降噪算法将系统信噪比提高到20.6583dB,均方误差为0.2473。二维提升小波阈值法将系统信噪比提高到25.5076dB,均方误差为0.1688。同时,二维提升分解的运算量比一维小波分解减少了1/3。
韦杰瑞[8]（2017）在《基于流形学习的滚动轴承信号降噪方法研究》文中进行了进一步梳理现如今科学技术飞速发展,机械设备在工业生产和生活中被广泛应用。滚动轴承作为机械设备的关键元件,由于其工作环境的复杂性,容易在运行一段时间后产生各种缺陷,这些缺陷不仅会影响轴承本身的性能,还会引起机械设备的故障,造成巨大损失,所以对滚动轴承展开有效的故障诊断对提高生产质量,降低损耗具有很大的研究意义。由于机械设备运行环境较不稳定,抗干扰能力弱,噪音强,其故障信号以非线性非平稳的振动信号为主,存在大量噪声冗余,传统降噪方法对非线性非平稳振动信号的降噪存在很大局限性。本文以滚动轴承为研究对象,针对故障信号非线性非平稳噪声强度大的特点,将流形学习方法与相空间重构、数据插值等方法结合,提出基于LLTSA的振动信号降噪方法,并展开仿真验证与实验验证。论文主要内容如下:1.阐述了论文的研究意义,对比研究了国内外滚动轴承故障诊断的发展历程和未来趋势,剖析了滚动轴承几种常规故障形式的成因和失效后果,阐明了滚动轴承的振动机理和时频振动分析理论的具体使用方法,对比介绍了振动信号降噪的各种方法。2.对流形学习的方法原理和典型方法进行详细对比分析,针对滚动轴承故障信号非线性非平稳的特点,将流形学习LLTSA方法与相空间重构、数据压缩重构、时频分布方法相结合,提出基于LLTSA的滚动轴承降噪方法。3.基于MATLAB建立仿真振动信号,运用本文提出的流形学习降噪方法和小波降噪方法、EMD降噪方法分别对仿真信号进行降噪处理,对三种方法的降噪结果进行对比分析,证明本文提出的流形学习降噪方法的有效性。4.针对滚动轴承的三种故障失效形式,内圈故障、外圈故障和滚动体故障,通过轴承实验台采集三种故障模式下的振动信号,加入高斯白噪声后,运用本文提出的流形学习降噪方法与小波降噪方法、EMD降噪方法分别进行降噪处理,对三种方法的降噪结果进行对比分析,证明了本文所提出的降噪方法具的有效性。
赖佳境[9]（2017）在《基于去滑动均值趋势的多重分形方法及其应用研究》文中认为多重分形是定义在分形结构上的有无穷多个标度指数所组成的一个集合,是描述不同的局域条件、或在演化过程中不同层次所导致的特殊的结构行为与特征。由于地质作用过程的长期性和多期性,矿化过程往往呈多期次重复性成矿,这种多次矿化叠加使得元素空间分布的结构具有嵌套结构,导致各种地球化学元素在地质体中逐步富集或贫化,反映出地球化学元素在岩石等介质中的分布具有非均质性和奇异性,因此,适合用多重分形方法研究。去滑动均值趋势多重分形方法（MFDMA）是运用滑动窗技术研究分形序列多重分形特征的一种有效方法,已在生物医学、经济学、计算机科学等领域中应用广泛。本文首先通过典型二项重分形模型研究数据容量、位置参数对去滑动均值趋势多重分形方法（MFDMA）的影响;其次,对比分析了去滑动均值趋势多重分形方法与去趋势波动多重分形方法（MFDFA）在不同噪声情况下的分形特征,并对得到的Hurst指数进行敏感性分析;最后,运用去滑动均值趋势多重分形方法（MFDMA）研究上庄次生晕成矿元素的奇异性特征。主要结果如下:（1）分析位置参数对MFDMA算法结果的影响。选取MFDMA算法位置分别参数为0、0.5、1,分析Hurst指数与理论值的差异程度。结果显示:在位置参数为0时,MFDMA算法计算的Hurst指数曲线趋于理论值的效果最好,均方根误差最小。（2）分析数据容量对MFDMA算法结果的影响。分别选取二项重分形序列中数据容量N为256、512、1024的三组数据,分析数据容量N对MFDMA方法的影响。结果显示:随着数据容量的增大,运用MFDMA计算的Hurst指数曲线快速逼近至理论值曲线,均方根误差逐渐减小,表明数据容量越大计算结果的精度越高。（3）分析噪声对MFDMA算法结果的影响。通过二项重分形模型添加高斯噪声、白噪声和尖峰噪声,分析噪声及强度对MFDMA计算Hurst估计值的影响,并与MFDFA进行对比。结果显示:高斯噪声、白噪声强度的增强对MFDMA有干扰作用,其中随着二项重分形模型参数增大,噪声的影响减少,抗噪能力增强;而MFDFA分辨噪声数据的能力较弱,容易受到噪声及其强度的影响;此外,尖峰噪声容易干扰MFDMA与MFDFA方法的分析结果,利用小波降噪法分析消除尖峰噪声后发现,降噪后的MFDMA方法Hurst指数估计值均方根误差普遍低于降噪前的均方根误差,因此,MFDMA相较于MFDFA具有更强的稳健性。（4）运用MFDMA算法分析山东上庄金矿成矿元素含量序列的多重分形特征。结果显示:Cu和Au的多重分形特征最明显,元素Hg、Zn、Pb次之,元素Ag、As、Sb最弱,其多重分形谱的形态差异可为矿化强度的识别提供依据。
童姣叶,李荣宽,杜微[10]（2015）在《基于小波分析的MEMS加速度计输出噪声消除》文中研究表明目前MEMS加速度计普遍存在信噪比低、灵敏度不高等缺点,其主要原因是系统内部电路中的干扰与噪声使得有用信号完全淹没在噪声之中,其中1/f分形噪声是主要的噪声。由于1/f分形噪声在小波域中展示出某些特殊性质,且小波分析兼具时-频分析与尺度分析的功能,为了有效消除1/f分形噪声,提出了一种基于小波分析与自适应阈值滤波的多尺度滤波算法。以信噪比、均方根误差作为去噪效果的定量指标,将本文算法与Donoho小波阈值滤波算法进行比较,仿真结果表明,改进的自适应阈值滤波算法优于Donoho阈值滤波算法。运用于MEMS加速度计噪声消除上科学有效。
二、基于分形噪声的一种小波降噪方法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于分形噪声的一种小波降噪方法（论文提纲范文）
（1）基于EMD-R/S分析的太赫兹光谱降噪（论文提纲范文）
| 0 引 言 |
| 1 EMD的理论基础 |
| 2 R/S分析法 |
| 3 基于EMD-R/S分析的光谱降噪实验 |
| 4 算法性能评价 |
| 5 结 语 |
（2）结合阈值法和模极大值法的冲击加速度信号降噪（论文提纲范文）
| 0 引言 |
| 1 小波模极大值去噪原理 |
| 2 阈值降噪方法 |
| 3 重构信号的降噪方法 |
| 4 仿真实验与工程应用 |
| 4.1 仿真实验 |
| 4.2 工程应用 |
| 5 结论 |
（3）大红山铁矿微震监测波形类别识别方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 微震监测技术的发展 |
| 1.2.2 特征值提取研究现状 |
| 1.2.3 信号识别研究现状 |
| 1.3 存在的问题 |
| 1.4 主要研究内容及技术路线 |
| 1.5 本文创新点 |
| 1.6 论文结构 |
| 第二章 微震信号的预处理 |
| 2.1 微震信号数据预处理的意义 |
| 2.2 井下信号中噪声的特征与分类 |
| 2.3 几种常用的微震信号降噪方法 |
| 2.4 小波降噪原理和方法 |
| 2.4.1 降噪模型及原理 |
| 2.4.2 小波降噪效果的评价 |
| 2.4.3 常用的阈值算法 |
| 2.4.4 阈值函数选择 |
| 2.4.5 几种常用的小波基函数 |
| 2.5 地压监测信号降噪重构试验 |
| 2.5.0 阈值尺度的选择 |
| 2.5.1 地压监测最优阈值的选择 |
| 2.5.2 地压监测最优小波基函数及分解层数的选择 |
| 2.6 本章小结 |
| 第三章 微震波形信号特征值分析 |
| 3.1 微震波形信号特征值分析的意义 |
| 3.2 微震波形信号特征值分析方法 |
| 3.2.1 快速傅里叶变换 |
| 3.2.2 希尔伯特黄变换原理 |
| 3.3 微震波形信号的时频特征分析 |
| 3.3.1 微震信号的时域分析 |
| 3.3.2 微震信号的频域分析 |
| 3.4 微震波形信号的能量特征分析 |
| 3.4.1 IMF频带能量算法 |
| 3.4.2 IMF各频带时频特征提取 |
| 3.4.3 两类信号IMF各频带能量分布对比 |
| 3.5 微震波形信号的分形特征分析 |
| 3.5.1 分形盒维数的算法 |
| 3.5.2 无标度区间的确定 |
| 3.5.3 岩石破裂信号与岩石爆破信号的分形特征 |
| 3.6 本章小结 |
| 第四章 微震波形信号的识别 |
| 4.1 BP神经网络介绍 |
| 4.1.1 神经网络简介 |
| 4.1.2 BP神经网络的概述 |
| 4.1.3 BP神经网络的学习算法 |
| 4.1.4 BP神经网络的基本步骤 |
| 4.2 岩石破裂与岩石爆破信号识别模型 |
| 4.2.1 网络训练学习样本的构造 |
| 4.2.2 识别模型的建立 |
| 4.3 模型检验 |
| 4.4 模型识别结果分析 |
| 4.5 本章小结 |
| 第五章 工程应用 |
| 5.1 工程背景 |
| 5.2 地压监测系统的组成 |
| 5.2.1 地压监测系统的硬件组成 |
| 5.2.2 地压监测系统的软件组成 |
| 5.3 井下地压监测系统 |
| 5.4 岩石破裂与爆破信号BP神经网络模型应用 |
| 5.4.1 井下微震事件 |
| 5.4.2 微震事件特征值提取 |
| 5.4.3 微震事件的识别 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A(攻读硕士期间发表论文及参与科研项目情况) |
（4）车载捷联惯导初始对准技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 初始对准研究现状 |
| 1.2.1 静基座初始对准国内外研究现状 |
| 1.2.2 动基座初始对准国内外研究现状 |
| 1.2.3 存在的问题 |
| 1.3 论文的主要内容以及章节安排 |
| 第2章 车载捷联惯导系统基础 |
| 2.1 捷联惯导系统常用坐标系 |
| 2.2 捷联惯导系统姿态表示 |
| 2.2.1 欧拉角 |
| 2.2.2 方向余弦阵 |
| 2.2.3 等效旋转矢量 |
| 2.2.4 四元数 |
| 2.3 捷联惯导系统姿态、速度、位置更新算法 |
| 2.3.1 捷联惯导系统姿态更新 |
| 2.3.2 捷联惯导系统速度更新 |
| 2.3.3 捷联惯导系统位置更新 |
| 2.4 捷联惯导系统姿态、速度、位置误差方程 |
| 2.4.1 捷联惯导系统姿态误差方程 |
| 2.4.2 捷联惯导系统速度误差方程 |
| 2.4.3 捷联惯导系统位置误差方程 |
| 2.5 信息融合算法及自适应算法 |
| 2.5.1 卡尔曼滤波 |
| 2.5.2 鲁棒卡尔曼滤波 |
| 2.5.3 Sage-Husa自适应滤波 |
| 2.6 本章小结 |
| 第3章 车载捷联惯导静基座初始对准 |
| 3.1 静基座初始对准原理 |
| 3.1.1 解析式粗对准 |
| 3.1.2 卡尔曼滤波精对准 |
| 3.2 光纤陀螺和加速度计启动漂移 |
| 3.2.1 光纤陀螺和加速度计启动漂移特性分析 |
| 3.2.2 光纤陀螺和加速度计启动漂移补偿模型 |
| 3.3 车载静基座惯导系统振动噪声分析 |
| 3.4 惯性器件降噪技术 |
| 3.4.1 小波降噪技术 |
| 3.4.2 经验模态分解 |
| 3.4.3 改进的EMD-Wave降噪算法 |
| 3.5 实测验证与分析 |
| 3.5.1 光纤陀螺和加速度计启动漂移补偿验证与分析 |
| 3.5.2 改进的EMD-Wave降噪算法验证与分析 |
| 3.6 本章小结 |
| 第4章 车载捷联惯导动基座初始对准 |
| 4.1 惯性系初始对准原理 |
| 4.2 GPS辅助动基座惯性系初始对准 |
| 4.2.1 GPS辅助的动基座惯性系初始对准原理 |
| 4.2.2 GPS辅助的动基座惯性系初始对准误差分析 |
| 4.3 基于鲁棒反馈策略的惯性系初始对准算法 |
| 4.4 基于UFIR的惯性系初始对准算法 |
| 4.4.1 系统状态空间模型 |
| 4.4.2 无偏有限冲击响应滤波器 |
| 4.4.3 基于UFIR的惯性系初始对准算法 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（5）多尺度数据融合算法及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文的研究背景及意义 |
| 1.2 多传感器信息融合概述 |
| 1.2.1 信息融合的概念和优点 |
| 1.2.2 信息融合的模型 |
| 1.2.3 信息融合的方法 |
| 1.2.4 信息融合技术的研究现状 |
| 1.3 多尺度数据融合有关技术及进展 |
| 1.3.1 多尺度系统估计理论研究概况 |
| 1.3.2 多尺度数据融合的应用及研究现状 |
| 1.3.3 多尺度数据融合概念的演变 |
| 1.4 MEMS陀螺仪中漂移信号处理方法研究现状 |
| 1.5 陀螺仪中的多尺度数据融合及需要解决的问题 |
| 1.6 本文的主要研究内容及结构安排 |
| 2 多尺度数据融合算法及其有效性的证明 |
| 2.1 引言 |
| 2.2 小波分解原子时算法 |
| 2.2.1 常见时间尺度 |
| 2.2.2 原子时算法 |
| 2.2.3 小波分解原子时算法的提出 |
| 2.2.4 小波分解原子时算法有待解决的问题 |
| 2.2.5 小波分解原子时算法的基本原理 |
| 2.3 预备知识 |
| 2.3.1 原子钟的噪声特性 |
| 2.3.2 相关说明 |
| 2.4 随机信号数据融合的理论体系 |
| 2.4.1 平稳单尺度数据融合 |
| 2.4.2 平稳多尺度数据融合 |
| 2.4.3 非平稳单尺度数据融合 |
| 2.4.4 非平稳多尺度数据融合 |
| 2.5 非平稳多尺度数据融合定理的证明 |
| 2.6 分析与讨论 |
| 2.7 本章小结 |
| 3 多尺度数据融合算法的小波包实现 |
| 3.1 引言 |
| 3.2 小波变换和小波包变换 |
| 3.3 小波包的基本理论 |
| 3.3.1 正交小波包的定义与性质 |
| 3.3.2 小波包的子空间分解 |
| 3.3.3 小波库及小波包基的定义 |
| 3.3.4 小波包的分解与重构算法 |
| 3.3.5 最优小波包基的概念 |
| 3.3.6 最优基的快速搜索 |
| 3.4 基于小波包的多尺度数据融合方案 |
| 3.4.1 基于小波变换的多尺度数据融合算法 |
| 3.4.2 基于小波包的多尺度数据融合方案 |
| 3.5 基于小波包的多尺度陀螺融合实验研究 |
| 3.5.1 MEMS陀螺概述 |
| 3.5.2 MEMS陀螺随机误差分析 |
| 3.5.3 MEMS陀螺随机误差的Allan方差分析 |
| 3.5.4 MEMS陀螺漂移的数学模型 |
| 3.5.5 MEMS陀螺信号实时小波处理方法 |
| 3.5.6 基于小波包的多尺度陀螺融合算法仿真实验 |
| 3.6 本章小结 |
| 4 小波多尺度数据融合中关键技术 |
| 4.1 MEMS陀螺噪声特性与小波熵 |
| 4.1.1 MEMS陀螺误差及噪声特性 |
| 4.1.2 小波熵 |
| 4.2 常见的小波簇 |
| 4.2.1 小波基的性质 |
| 4.2.2 常用小波基 |
| 4.3 基于小波变换的数据融合中小波基的选取 |
| 4.3.1 小波基选取原则 |
| 4.3.2 小波基的比较 |
| 4.3.3 小波簇的选取 |
| 4.3.4 陀螺数据融合效果评价 |
| 4.3.5 最佳小波基选取实验 |
| 4.4 小波分解层数的设定 |
| 4.5 数据融合加权因子的选择 |
| 4.6 本章小结 |
| 5 多尺度融合与其它MEMS陀螺信号处理方法的比较 |
| 5.1 MEMS陀螺仪噪声抑制方法研究概述 |
| 5.1.1 MEMS陀螺仪噪声抑制方法研究现状 |
| 5.1.2 卡尔曼滤波和小波阈值去噪法的缺点 |
| 5.1.3 多尺度数据融合算法的优点 |
| 5.2 MEMS陀螺数据处理中的多传感器数据融合 |
| 5.2.1 多尺度融合 |
| 5.2.2 卡尔曼滤波融合 |
| 5.2.3 小波阈值融合 |
| 5.3 基于仿真信号对三种融合方法的比较 |
| 5.3.1 仿真信号的产生 |
| 5.3.2 第一组仿真实验(Chirp信号+高斯白噪声) |
| 5.3.3 第二组仿真实验(Chirp信号+有色噪声) |
| 5.4 基于实测信号对三种融合方法的比较 |
| 5.5 三种融合方法比较的结论 |
| 5.6 多尺度数据融合与FLP(前向线性预测)方法的比较 |
| 5.6.1 FLP算法 |
| 5.6.2 基于FLP滤波的多传感器融合方法 |
| 5.6.3 FLP滤波融合结果和分析 |
| 5.7 本章小结 |
| 6 多尺度数据融合系统设计与验证 |
| 6.1 系统的总体设计方案 |
| 6.1.1 系统需求分析 |
| 6.1.2 系统整体框图 |
| 6.1.3 系统中的主要器件选型 |
| 6.2 硬件电路设计 |
| 6.2.1 陀螺仪模块 |
| 6.2.2 协处理器模块 |
| 6.2.3 主处理器模块 |
| 6.2.4 系统实物图 |
| 6.3 系统软件设计 |
| 6.3.1 接口部分 |
| 6.3.2 融合处理部分 |
| 6.4 实验研究 |
| 6.5 本章小结 |
| 7 结论 |
| 7.1 本文的主要研究成果 |
| 7.2 创新研究 |
| 7.3 进一步研究工作 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表和收录的论文 |
| 攻读博士学位期间获奖 |
| 攻读博士学位期间参加的科研项目 |
（6）基于小波变换的加速度计信号降噪及参数辨识方法研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 加速度计信号降噪及参数辨识方法研究现状 |
| 1.2.1 加速度计信号降噪方法 |
| 1.2.2 加速度计动态模型参数辩识方法 |
| 1.3 课题的研究意义和主要研究内容 |
| 1.3.1 研究意义 |
| 1.3.2 研究内容 |
| 第二章 基于小波变换的加速度计信号降噪方法研究 |
| 2.1 引言 |
| 2.2 小波系数相关性与噪声关系分析 |
| 2.2.1 小波变换 |
| 2.2.2 小波系数序列相关性与噪声关系 |
| 2.3 基于序列相关和小波变换的加速度计信号降噪方法 |
| 2.3.1 基于小波变换的阈值降噪方法 |
| 2.3.2 基于序列相关和小波变换的加速度计信号降噪方法 |
| 2.4 小结 |
| 第三章 加速度计动态模型参数辨识方法研究 |
| 3.1 引言 |
| 3.2 加速度计动态模型及其频率响应函数估计 |
| 3.2.1 加速度计线性二阶动态模型 |
| 3.2.2 加速度计频率响应函数估计 |
| 3.3 基于小波降噪和加权最小二乘的加速度计动态模型参数辨识 |
| 3.3.1 基于最小二乘的加速度计动态模型参数辨识 |
| 3.3.2 基于小波降噪和加权最小二乘的加速度计动态模型参数辨识 |
| 3.4 小结 |
| 第四章 实验与分析 |
| 4.1 引言 |
| 4.2 加速度计信号降噪及参数辨识仿真实验 |
| 4.2.1 加速度计信号降噪 |
| 4.2.2 加速度计动态模型参数频域辨识 |
| 4.3 加速度计比较法冲击激励校准 |
| 4.4 小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者及导师简介 |
| 硕士研究生学位论文答辩委员会决议书 |
（7）提高RBOTDA系统信噪比的方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究概况 |
| 1.2.1 累加平均算法 |
| 1.2.2 脉冲编码技术 |
| 1.2.3 滤波技术 |
| 1.2.4 小波变换降噪 |
| 1.2.5 图像降噪处理 |
| 1.3 论文的主要研究内容 |
| 第2章 RBOTDA实验系统 |
| 2.1 RBOTDA系统的传感原理 |
| 2.2 实验系统 |
| 2.2.1 实验系统设计 |
| 2.2.2 平衡光电探测器提高信噪比 |
| 2.2.3 系统的主要技术指标 |
| 2.3 降噪的必要性 |
| 2.4 光电探测器噪声 |
| 2.4.1 暗电流噪声 |
| 2.4.2 散粒噪声 |
| 2.4.3 热噪声 |
| 2.4.4 附加噪声 |
| 2.5 本章小结 |
| 第3章 传统降噪算法 |
| 3.1 累加平均算法 |
| 3.2 小波变换算法 |
| 3.2.1 模极大值降噪算法 |
| 3.2.2 空域相关滤波算法 |
| 3.2.3 小波阈值降噪算法 |
| 3.3 实验结果与分析 |
| 3.3.1 累加平均算法 |
| 3.3.2 小波变换算法 |
| 3.4 本章小结 |
| 第4章 基于二维提升小波的降噪算法 |
| 4.1 二维提升小波阈值降噪 |
| 4.1.1 实验数据的二维转换 |
| 4.1.2 二维小波变换 |
| 4.1.3 小波的提升框架 |
| 4.1.4 二维提升小波阈值降噪 |
| 4.2 最优参量选取方案 |
| 4.2.1 小波函数 |
| 4.2.2 分解层数 |
| 4.2.3 阈值规则 |
| 4.2.4 阈值函数 |
| 4.3 最优参量选取结果 |
| 4.3.1 最优小波基函数选取 |
| 4.3.2 最优分解层数选取 |
| 4.3.3 最优阈值选取 |
| 4.4 降噪结果分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及其他成果 |
| 致谢 |
（8）基于流形学习的滚动轴承信号降噪方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 滚动轴承故障诊断方法和研究现状 |
| 1.1.1 国外研究现状 |
| 1.1.2 国内研究现状 |
| 1.2 降噪方法研究现状 |
| 1.2.1 基于经验模态分解的降噪方法 |
| 1.2.2 基于小波的降噪方法 |
| 1.2.3 基于相空间的降噪方法 |
| 1.2.4 形态滤波降噪方法 |
| 1.3 流形学习方法概述及应用 |
| 1.3.1 流形学习方法概述 |
| 1.3.2 流形学习在降噪方面的应用 |
| 1.4 本文研究内容 |
| 第二章 滚动轴承信号降噪理论分析 |
| 2.1 滚动轴承的故障成因及振动分析 |
| 2.1.1 滚动轴承的基本结构 |
| 2.1.2 滚动轴承的失效形式 |
| 2.1.3 滚动轴承的振动机理 |
| 2.2 滚动轴承故障特征频率计算 |
| 2.3 轴承元件固有频率计算 |
| 2.4 故障诊断基本原理 |
| 2.4.1 信号降噪技术 |
| 2.4.2 故障信号特征提取 |
| 2.4.3 故障状态识别 |
| 2.5 时频分析方法原理 |
| 2.5.1 信号的基本概念 |
| 2.5.2 信号的时频分析 |
| 2.6 本章小结 |
| 第三章 基于LLTSA的降噪方法研究 |
| 3.1 流形学习方法概述 |
| 3.1.1 全局特性保持方法 |
| 3.1.2 局部特性保持方法 |
| 3.2 基于LLTSA的降噪方法 |
| 3.2.1 相空间重构 |
| 3.2.2 数据压缩与重构 |
| 3.2.3 LLTSA方法 |
| 3.3 本章小结 |
| 第四章 基于LLTSA的降噪方法仿真验证研究 |
| 4.1 仿真信号模型建立 |
| 4.2 基于LLTSA的降噪方法仿真信号降噪处理 |
| 4.3 基于阈值的小波降噪方法仿真信号降噪处理 |
| 4.4 基于相关系数的EMD降噪方法仿真信号降噪处理 |
| 4.5 降噪效果对比 |
| 4.6 本章小结 |
| 第五章 基于LLTSA的降噪方法实验验证研究 |
| 5.1 实验台搭建 |
| 5.2 内圈故障轴承振动信号降噪实验 |
| 5.3 外圈故障轴承振动信号降噪实验 |
| 5.4 滚动体故障轴承振动信号降噪实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（9）基于去滑动均值趋势的多重分形方法及其应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 本文创新点 |
| 第二章 去滑动均值趋势多重分形方法 |
| 2.1 多重分形的基本理论与模型 |
| 2.1.1 多重分形的概念 |
| 2.1.2 二项重分形模型 |
| 2.2 去滑动均值趋势多重分形方法(MFDMA) |
| 2.3 MFDMA算法参数的选择 |
| 第三章 去滑动均值趋势多重分形模型的适用性分析 |
| 3.1 数据容量的影响分析 |
| 3.2 噪声的影响分析 |
| 3.2.1 噪声的分类选择 |
| 3.2.2 添加高斯噪声 |
| 3.2.3 添加白噪声 |
| 3.2.4 添加尖峰噪声 |
| 3.3 降噪序列的多重分形分析 |
| 第四章 实例应用 |
| 4.1 矿化富集理想模型的多重分形分析 |
| 4.1.1 De Wijs模型生成 |
| 4.1.2 多重分形特征 |
| 4.2 上庄成矿元素多重分形分析 |
| 4.2.1 数据来源与地质背景 |
| 4.2.2 基本统计特征 |
| 4.2.3 多重分形特征 |
| 第五章 结论与展望 |
| 5.1 主要研究结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间发表论文 |
| 致谢 |
（10）基于小波分析的MEMS加速度计输出噪声消除（论文提纲范文）
| 1算法原理 |
| 1.1 1/f噪声模型与其性质 |
| 1.2 1/f噪声的小波变换特性 |
| 2自适应阈值滤波算法设计 |
| 3仿真实验 |
| 4结束语 |
四、基于分形噪声的一种小波降噪方法（论文参考文献）
- [1]基于EMD-R/S分析的太赫兹光谱降噪[J]. 魏博熠,罗鉴鹏,张立臣. 计算机应用与软件, 2022(03)
- [2]结合阈值法和模极大值法的冲击加速度信号降噪[J]. 卿涛,丁问司. 机械工程与自动化, 2021(03)
- [3]大红山铁矿微震监测波形类别识别方法研究[D]. 胡凡. 昆明理工大学, 2020(04)
- [4]车载捷联惯导初始对准技术研究[D]. 邬佳. 哈尔滨工程大学, 2020(05)
- [5]多尺度数据融合算法及其应用研究[D]. 刘娟花. 西安理工大学, 2019
- [6]基于小波变换的加速度计信号降噪及参数辨识方法研究[D]. 董雅雯. 北京化工大学, 2018(02)
- [7]提高RBOTDA系统信噪比的方法研究[D]. 刘薇. 华北电力大学, 2018(01)
- [8]基于流形学习的滚动轴承信号降噪方法研究[D]. 韦杰瑞. 国防科技大学, 2017(02)
- [9]基于去滑动均值趋势的多重分形方法及其应用研究[D]. 赖佳境. 广州大学, 2017(02)
- [10]基于小波分析的MEMS加速度计输出噪声消除[J]. 童姣叶,李荣宽,杜微. 传感技术学报, 2015(10)
标签：小波去噪论文; matlab小波变换论文; 仿真软件论文; 数据融合论文; 系统辨识论文;