光谱信号及光纤振动信号预处理算法的应用研究

发布时间：2017-10-07 20:49

  本文关键词：光谱信号及光纤振动信号预处理算法的应用研究

  更多相关文章： EEMD LMS自适应滤波器 快速谱峭度 小波包频带能量谱 EEMD联合VS-LMS

【摘要】：信号预处理是一个特别重要的工程问题,在国防通信、化学、食品安全等领域等获得了普遍的应用,具有重要的理论价值和现实意义。论文针对光谱信号及光纤振动信号展开研究,用以说明信号预处理在这两个领域的重要性。首先,研究了纯R6G拉曼光谱的时域特征,根据其特征对拉曼光谱的降噪展开较深的研究。给出了小波分析、最小均方(LMS)自适应滤波器和经验模态分解(EEMD)的理论和算法。对信噪比(SNR)小于10dB的拉曼光谱分别用各不相同的小波、LMS自适应滤波器以及EEMD展开降噪。利用SNR、均方根误差(RMSE)和相关系数(?)这三个判断标准评价降噪结果的好坏,实验结果表明LMS自适应滤波器的降噪方法最为理想。其次,研究了光纤振动信号的时域特征,以振动仪采集的敲击信号为例,根据其特征对敲击信号的谱分析和特征提取展开较深的研究。给出了快速傅里叶变换(FFT)、小波包频带能量谱和快速谱峭度的原理和算法。对敲击信号分别用FFT算法、小波包频带能量谱算法和快速谱峭度算法进行分析。依据实验结果发现FFT算法无法反映敲击信号的频域特征。快速谱峭度可以作为瞬时信号的频谱分析,良好的反映敲击信号的频域特性。利用小波包频带能量谱能够较好的提取敲击信号的能量特征以便模式识别。最后,基于染噪拉曼光谱的降噪探究中发现:EEMD算法能够直接筛除混入拉曼光谱的高频噪声。实验发现LMS算法具有高效,易于实现等特点,但是该算法存在网络不稳定,稳态误差和收敛速率是一对不可避免的矛盾等问题,故提出一种基于EEMD联合VS-LMS(可变步长)的降噪算法,实验结果表明相比于其他几种方法,该算法的降噪效果有了明显提高。
【关键词】：EEMD LMS自适应滤波器 快速谱峭度 小波包频带能量谱 EEMD联合VS-LMS
【学位授予单位】：新疆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7
【目录】：

• 摘要2-3
• Abstract3-6
• 第一章 绪论6-12
• 1.1 研究背景及意义6-7
• 1.2 光谱信号及光纤振动信号预处理的研究现状7-10
• 1.2.1 光谱信号降噪研究现状7-9
• 1.2.2 光纤振动信号的频谱分析研究现状9-10
• 1.3 本文主要工作和章节安排10-12
• 第二章 三种拉曼光谱降噪方法的应用研究12-31
• 2.1 拉曼光谱12-14
• 2.1.1 拉曼光谱产生的原理12
• 2.1.2 拉曼光谱的特点12-13
• 2.1.3 拉曼光谱的采集13-14
• 2.2 小波变换14-16
• 2.2.1 连续小波变换14
• 2.2.2 离散小波变换14-15
• 2.2.3 小波基函数的性质15-16
• 2.2.4 小波分解重构算法16
• 2.3 LMS自适应滤波器16-19
• 2.3.1 LMS自适应滤波器原理16-17
• 2.3.2 LMS自适应滤波器算法17-19
• 2.3.3 LMS自适应滤波器的性能19
• 2.4 EMD和EEMD19-22
• 2.4.1 EMD原理19-20
• 2.4.2 EMD算法20-21
• 2.4.3 EEMD原理21
• 2.4.4 EEMD算法21-22
• 2.5 仿真实验及分析22-30
• 2.5.1 小波降噪23-24
• 2.5.2 EMD降噪24-26
• 2.5.3 EEMD降噪26-28
• 2.5.4 LMS自适应滤波器降噪28-29
• 2.5.5 仿真实验结论29-30
• 2.6 本章小结30-31
• 第三章 三种光纤振动信号频谱分析方法的应用研究31-51
• 3.1 光纤振动信号31-32
• 3.1.1 实测数据31-32
• 3.2.快速傅里叶变换32-37
• 3.2.1 周期信号的傅里叶级数32-33
• 3.2.2 傅里叶变换33-34
• 3.2.3 傅里叶变换的基本性质34-36
• 3.2.4 快速傅里叶变换36-37
• 3.3 小波包频带能量谱37-41
• 3.3.1 小波包分解37-38
• 3.3.2 小波包的子空间分解38-39
• 3.3.3 小波包的重构39-40
• 3.3.4 小波包频带能量特征提取40-41
• 3.4 快速谱峭度41-45
• 3.4.1 谱峭度定义41-43
• 3.4.2 谱峭度性质43
• 3.4.3 快速谱峭度43-45
• 3.5 仿真实验分析45-49
• 3.5.1 快速傅里叶变换图谱45-46
• 3.5.2 小波包能量谱仿真46-47
• 3.5.3 快速谱峭度图谱仿真47-49
• 3.6 本章小结49-51
• 第四章 EEMD联合VS-LMS算法51-54
• 4.1 EEMD联合VS-LMS原理与算法51-52
• 4.2 仿真实验52-54
• 第五章 总结和展望54-56
• 5.1 总结54-55
• 5.2 展望55-56
• 参考文献56-60
• 致谢60-61
• 作者攻读硕士学位期间科研工作及研究成果61-62

【相似文献】

中国期刊全文数据库 前10条

1 吴正茂;自适应滤波器及其应用研究[J];南昌水专学报;2004年02期

2 李春宇;;基于径向基函数神经网络的自适应滤波器[J];常州工学院学报;2005年06期

3 苏飞,王兆华;一种新的带窗重叠自适应滤波器[J];电子与信息学报;2005年01期

4 程玉柱;华晋;李赵春;;自适应滤波器的算法比较研究[J];大庆师范学院学报;2008年02期

5 孙秋菊;胡斌;;自适应滤波器设计及仿真研究[J];光盘技术;2009年06期

6 刘海英;熊俊俏;戴璐萍;郑宽磊;;基于TMS320VC5402DSK的自适应滤波器的实现[J];工业控制计算机;2010年05期

7 吴燕;;一种自适应滤波器的设计与仿真[J];科技广场;2010年07期

8 周志平;;基于System Generator的自适应滤波器仿真与实现[J];中国西部科技;2011年20期

9 韩焱青;;自适应滤波器仿真设计[J];实验科学与技术;2013年03期

10 赵茂林;赵四化;曾一江;;一种新颖的双线性自适应滤波器[J];微电子学;2013年05期

中国重要会议论文全文数据库 前10条

1 张磊;郭圣权;孙绍文;;适用自适应滤波器[A];1996年中国控制会议论文集[C];1996年

2 周永军;卢智远;牛中奇;孔令锋;;自适应滤波器在心电信号检测中的初步应用[A];全国非电离辐射与电离辐射生物效应及防护学术研讨会论文汇编[C];2004年

3 周];李晓东;;多延迟分块频域自适应滤波器算法的步长控制[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

4 程晓斌;徐健;李晓东;;不均匀子带长阶自适应声学回声抵消[A];中国声学学会2002年全国声学学术会议论文集[C];2002年

5 倪锦根;李锋;;基于变步长的仿射投影自适应滤波器[A];2007'仪表，，自动化及先进集成技术大会论文集（二）[C];2007年

6 蒋薇薇;杨萍;王昱洁;;基于变步长LMS算法的自适应滤波器研究[A];第八届全国信息获取与处理学术会议论文集[C];2010年

7 钱伟康;郭强;谢明;刘义红;;基于自适应数字滤波器的算法研究[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年

8 卢志刚;李伟;冀尔康;吴士昌;;微粒群算法优化设计自适应滤波器[A];第七届青年学术会议论文集[C];2005年

9 程松;陈光梦;;自适应滤波器在实时交通状态估计中的应用[A];2007'仪表，自动化及先进集成技术大会论文集（二）[C];2007年

10 周];邱小军;;无延迟子带自适应滤波器中分析滤波器组的构造[A];中国声学学会2005年青年学术会议[CYCA'05]论文集[C];2005年

中国博士学位论文全文数据库 前4条

1 林斌;自适应滤波器的稳态性能研究[D];大连海事大学;2008年

2 倪锦根;变设计参数子带自适应滤波器研究[D];复旦大学;2011年

3 谷源涛;LMS算法收敛性能研究及应用[D];清华大学;2003年

4 肖倩;基于小波理论的去噪方法及其在信号处理中的应用研究[D];东北大学;2011年

中国硕士学位论文全文数据库 前10条

1 于杰;自适应数字滤波器算法的研究与实现[D];天津理工大学;2015年

2 李彬;瓦斯监测中大数干扰的滤除及自适应滤波器的优化研究[D];江西理工大学;2015年

3 周成林;油液磨粒信号检测的研究与实现[D];电子科技大学;2014年

4 戚晓慧;子带自适应滤波技术研究及其应用[D];解放军信息工程大学;2015年

5 雷宇;基于FPGA的自适应滤波器设计[D];太原理工大学;2016年

6 胡伟;子带自适应滤波器及其应用[D];苏州大学;2016年

7 陈卓然;带反馈结构的核自适应滤波器的研究[D];西南大学;2016年

8 张建新;可穿戴设备中ZigBee无线传输网络的研究[D];内蒙古大学;2016年

9 俞潇;光谱信号及光纤振动信号预处理算法的应用研究[D];新疆大学;2016年

10 王丽丽;自适应滤波器在高次非球面面形检测的应用研究[D];长春理工大学;2010年

本文编号：990009