基于联合去噪方法的MEMS矢量水听器信号去噪

发布时间：2020-06-20 02:14

【摘要】：信号是信息的载体,在接收信号的过程中,往往会混入一些噪声,为了提高信噪比,人们根据信号和噪声的各种特征差异,研究出了许多去噪方法,应用于生活的方方面面。传统的去噪方法如傅里叶变换法对信号去噪有一定的效果,但不能处理非平稳和非线性的信号。经验模态方法和小波分析方法可以处理非平稳、非线性的信号。本文将研究经验模态去噪方法与改进小波去噪方法的联合去噪。首先介绍了傅里叶变换去噪,小波分析去噪基本原理,然后介绍了几种经验模态分解基本原理,最后介绍了联合去噪的几种方法。为了比较几种去噪方法的去噪效果,建立了2个去噪效果评价指标,即最小均方误差和信噪比。将单一去噪方法分别应用于仿真信号,得出经验模态去噪中MEEMD(集总平均经验模态分解)去噪效果优良。小波阈值去噪有利于提取细节信号,故二次去噪选用它进行。鉴于前面的结论,选用MEEMD(集总平均经验模态分解)分解方法和改进小波去噪方法联合去噪。在该方法中MEEMD(集总平均经验模态分解)方法将用于将染噪信号分解为多个固有模态函数。然后创新性的对固有模态函数和染噪信号作线性相关性分析,选出相关性较大的几个固有模态函数,观察所选固有模态函数的频谱图,将毛刺现象严重的固有模态函数做改进小波软阈值处理,得到新的固有模态函数。最后,重建新的固有模态函数和选出的无毛刺现象的固有模态函数得到去噪信号。将这种去噪方法与基于MEEMD(集总平均经验模态分解)分解方法的小波软阈值去噪方法和基于CEEMD(互补集合经验模态分解)分解方法的小波软阈值去噪方法进行仿真去噪对比,分别得出他们的两个性能指标和去噪效果图,结果表明MEEMD(集总平均经验模态分解)分解和改进小波去噪方法效果更好。最后,将该去噪方法应用于2014年中北大学实验室在汾河进行的实测数据,在实测数据中选取频率315Hz、630Hz的三路信号进行实验,其中每种信号截取1000个点。去噪信号和原始实测信号对比发现去噪信号的时频图比实测信号的时频图更为光滑,毛刺现象更少,所以该改进的去噪方法对实测信号的去噪效果很好。
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TB565.1;TN911.4
【图文】：

矢量水听器,北大

中北大学学位论文同频率的声信号，然后，MEMS 矢量水听器用水听器接收到的信号也不可避免地包含其他其误差的大小直接影响着下一步科学研究，因。与创新的时代，一个崭新的信息时期。在日常提取，从而获得所需的信息，例如刑侦部门提资料中获得有用消息等等。信号是信息的一种简单理解就是任何承载某种信息的物理量都可号的提取。但在信号的采集和提取的过程中，么对信号进行去噪就变成了一个很多工作运行

矢量水听器,光纤

现一些 IMF 伪分量，因此提出了 MEEMD 算法。现有研究结果表明，模技术的结合可以显著提高不相关模态的去噪效果[10]，这种方法比单一模态越。矢量水听器的发展过程量水听器的开发和制造最早出现在 20 世纪 40 年代的美国，后来发展到苏国、法国等地。2002 年，国际电气和电子工程师协会的 OCEANS 建立声，该专题所蕴含的对象广泛，为其他研究者获得最新信息提供便利。量水听器比标量水听器具有更加广泛的应用，各国也越来越关注它的研究目前具有光纤振速型矢量水听器。很多学者将 MEMS 技术和压阻式原理应用于矢量水听器。图 1.2 为光纤振速型矢量水听器的结构模型：

【相似文献】