کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4976739 1451836 2018 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A de-noising method using the improved wavelet threshold function based on noise variance estimation
ترجمه فارسی عنوان
روش تخلیه با استفاده از تابع آستانه موجک بر اساس تخمین واریانس نویز
ترجمه چکیده
تخمین واریانس نویز دقیق و کارآمد برای پردازش انواع سیگنال ها در هنگام استفاده از تبدیل موجک برای تحلیل سیگنال و استخراج ویژگی های سیگنال بسیار مهم است. با توجه به مشکل این است که دقت تخمین واریانس نویز سر و صدا به شدت تحت تاثیر نوسانات مقادیر نویز است، این مطالعه استراتژی استفاده از مدل مخلوط گاوس دو حالت را برای طبقه بندی ضرایب موجک فرکانس بالا در حداقل مقیاس ارائه می دهد. ، که هر دو کارایی و دقت را به حساب می گیرد. با توجه به برآورد واریانس نویز، یک تابع آستانه موجکی بهبود یافته جدید با ترکیب مزایای توابع آستانه سخت و نرم، و بر اساس الگوریتم برآورد واریانس نویز و تابع آستانه موجک بهبود یافته است، تحقیقات موجب موج جدید روش آستانه تخلیه این روش با استفاده از سیگنال های تصادفی و داده های آزمایشی آزمایشی سیستم انتقال الکترومکانیک مورد آزمایش و اعتبار قرار می گیرد. نتایج آزمون نشان می دهد که روش تخلیه آستانه موجک براساس برآورد واریانس نویز عملکرد برتر در پردازش سیگنال های آزمایش سیگنال انتقال مکانیکی را نشان می دهد: این می تواند به طور موثر تداخل سیگنال های گذرا از جمله ولتاژ، جریان و روغن فشار و حفظ ویژگی های پویا از سیگنال های مطلوب.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
چکیده انگلیسی
The precise and efficient noise variance estimation is very important for the processing of all kinds of signals while using the wavelet transform to analyze signals and extract signal features. In view of the problem that the accuracy of traditional noise variance estimation is greatly affected by the fluctuation of noise values, this study puts forward the strategy of using the two-state Gaussian mixture model to classify the high-frequency wavelet coefficients in the minimum scale, which takes both the efficiency and accuracy into account. According to the noise variance estimation, a novel improved wavelet threshold function is proposed by combining the advantages of hard and soft threshold functions, and on the basis of the noise variance estimation algorithm and the improved wavelet threshold function, the research puts forth a novel wavelet threshold de-noising method. The method is tested and validated using random signals and bench test data of an electro-mechanical transmission system. The test results indicate that the wavelet threshold de-noising method based on the noise variance estimation shows preferable performance in processing the testing signals of the electro-mechanical transmission system: it can effectively eliminate the interference of transient signals including voltage, current, and oil pressure and maintain the dynamic characteristics of the signals favorably.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Mechanical Systems and Signal Processing - Volume 99, 15 January 2018, Pages 30-46
نویسندگان
, , , , ,