改进阈值算法在压气机失速信号降噪中的应用.pdfVIP

改进阈值算法在压气机失速信号降噪中的应用 1 引言 1.1 小波与傅立叶变换 小波分析是近年来新发展起来的一种时频分析方法，至今已广泛应用于物理 学，工程技术，生物科学，经济学等众多领域。在信号分析领域中，经典方法傅 立叶分析(FFT)方法将信号视为不同频率和相位的正(余)弦波的叠加，FFT结果产 生信号的频率、相位特性。在小波分析中，将信号视作小波函数的叠加，但这种 叠加的过程是一个母小波函数在时间轴上的伸缩和平移。可见，小波分析和傅立 叶分析具有相似的叠加的思想，但分解的思路是完全不同的。 在传统的傅立叶分析中，信号完全是在频域展开的，不包含任何时频的信息。 这种处理方法对于某些方面的应用是很恰当的，主要关注信号的频率信息。但对 一些应用而言，时域信息也具有十分重要的作用。因此，人们对傅立叶分析的推 广提出了很多能表征时域和频域信息的信号分析方法，如短时傅立叶变换，Gabor 变换，时频分析等。虽然改进的短时傅立叶变换取得一定的时频分析效果，但对 很多的应用来说依然存在各种不足。 小波分析则克服了短时傅立叶变换在单分辨率上的缺陷。小波由一族小波基 函数构成，它可以描述信号时间（空间）和频率（尺度）域的局部特性。采用小 波分析最大优点是可对信号进行局部分析，可在任意的时间或空间域中分析信号。 小波变换具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力， 时间窗和频率窗都可以根据信号的具体形态动态调整。一般情况下，在低频部分 （信号较平稳）可以采用较低的时间分辨率，而提高频率的分辨率，在高频情况 下（频率变化不大）可以用较低的频率分辨率来换取精确的时间定位。因为这些 特性，小波分析可以探测正常信号中的瞬态，并展示其频率成分，被称为数学显 微镜，广泛应用于各个时频分析领域。 如何选择小波基函数目前还没有一个理论标准，常用的小波函数有Haar 、 [1] Daubechies(dbN) 、Morlet 、Meryer 、Symlet 、Coiflet、Biorthogonal小波等15种 。 但是小波变换的小波系数为如何选择小波基函数提供了依据。小波变换后的系数 1 比较大，就表明了小波和信号的波形相似程度较大；反之则比较小。另外还要根 据信号处理的目的来决定尺度的大小。如果小波变换仅仅反映信号整体的近似特 征，往往选用较大的尺度；反映信号细节的变换则选用尺度不大的小波。由于小 波函数家族成员较多，进行小波变换目的各异，目前没有一个通用的标准。 1.2 小波降噪技术概述 在自然信号中，人们感兴趣的信号通常都会受到各种噪声的污染，无法直接 分辨信号的特征及发展趋势。由于信号的低频部分往往代表了信号的发展趋势， 因此通过信号的多尺度分解，在分解的低频系数中可以观察到信号的发展趋势。 在低频中理解信号的发展趋势，随着分解层数的增加，它所含的高频成分会随之 减少，因此随着尺度的增加，更多高频的信号被滤掉，可以看到信号的发展趋势。 这就是小波降噪的基本依据。 小波降噪能充分利用小波系数的信息，对小波系数进行阈值去噪操作，从而 在保持原始信号平滑的同时，尽量多地保留其细节信息，因而得到了广泛的应用。 [2] 小波降噪的成功依赖于小波变换的四个特征 ：(1) 低熵性。小波系数的稀疏分 布，使变换后的熵降低；(2) 多分辨率。由于采用多分辨率的方法，所以可以非 常好地刻画信号的非平稳特征，如边缘、尖峰、断点等，可在不同分辨率下根据 信号和噪声分布特点去噪。(3) 去相关性。因为小波变换可以对信号进行去相关， 且噪声在变换后有白化趋势，所以在小波域比在时域更利于去噪。(4) 选择基底 的灵活性。由于小波变换可以灵活地选择不同的小波基，如单小波、多小波、多 带小波、小波包等，从而对不同的应用场合和研究对象，可以选取不同的小波函 数，以获得最佳的处理效果。 小波降噪的基本思想分为三步，即小波分解-高频系数阈值量化-小波重构。 降噪的核心技术在于如何使用阈值来实现对高频部分的降噪。在Matlab 程序中， 其基本步骤是：(1) 对信号的小波分解。这里需要指定小波分解层数N ，原则是 在满足降噪需求下尽量少分解