基于小波神经网络的振动信号消噪.pdfVIP

科技信息 0科教前 台O SCIENCETECHNOLOGY INFORMATION 2008年 第2期 基于小波神经网络的振动信号消噪 潘俊林 樊可清 李炎华 (五邑大学信息学院 广东 江f-i 529020) 【摘 要】论文在介绍小波神经网络结构和算法的基础上，给出对振动信号消噪的实例。文中采用正交的Shannon小波函数作为小波元，进 行数字仿真信号消噪实验和实测信号消噪实验，实验结果表明用小波神经网络对振动信号进行消噪是一种有效的方法。 【关键词】小波神经网络；振动信号；消噪 【Abstract]Vibration signal denoising examples is given in this paper that it is based on introducing wavelet neural network architecture and algorithm．Digital simulation and experimental signal denoising use Shannon by orthogonal wavelet as a waveron in this paper．The experiment results show that the wavelet neural network is an effective method for vibration signal denoising． 【Key words]Wavelet neural network；Vibration signal；Denoising 1．引言 均方能量误差定义为 在实际观测的振动信号中常常含有噪声的干扰。当通过分析观测 N E=L ] (4) 数据来做出某种判断，容易引起误判。因此，对信号进行有效的分析就 ．]、r 必须使信噪比在尽可能高的情况下进行，如果观测信号的信噪比较 式中i表示第i个学习样本．．]、r表示总的学习样本为．]、r个。由梯度 低，就必须对信号消噪，提高信噪比。由于工程振动信号中存在大量的 法得到P为迭代次数，则调整权系数的公式为W (p+1)= (p)一田 非平稳信号【l】，如旋转机械的升降速过程，机械设备运行过程中的摩擦 u 等。传统的滤波器对于这类非平稳信号很难以达到良好降噪的效果。 其中为学习系数。 在非平稳振动信号降噪中．常用的方法有小波分析[21，经验模态分 2．2消噪原理 设 m(￡)函数的时窗中心为t。，时窗宽度为口 ，相 解，自适应递推滤波ARX法．Kalman滤波等。小波分析的方法是非自 应的频窗中心为口o，频窗宽度为 ，则 (￡)函数的时频窗为 适应的，重构后的信号将扭曲振动系统的真实物理意义 。小波神经网 =[2— o+七—。I )，2— o+七+。I )】x[2 研0— )，2m(1田r o+ )】(5) 络将神经网络的自学习特性与小波局部聚焦性结合．具有自适应分辨 性和良好的容错能力。本文将小波神经网络引入振动信号的消噪处理 由小波的时频特性可知 ¨l=( )仅仅包含l厂(f)在(5)式时频窗 中，试图提高信号的信噪比。 中的信息，窗外的信息被视为噪声。因此可以选取适当的m，使得 2．小波神经网络 2 。为所研究的频带中心，即町获得2o-~； 频带带宽的信息结果。在 2．1小波神经网络的构造 设 (￡)∈L (励为正交小波函数 ，对小