【摘要】：信號是信息的載體,在接收信號的過程中,往往會混入一些噪聲,為了提高信噪比,人們根據(jù)信號和噪聲的各種特征差異,研究出了許多去噪方法,應用于生活的方方面面。傳統(tǒng)的去噪方法如傅里葉變換法對信號去噪有一定的效果,但不能處理非平穩(wěn)和非線性的信號。經(jīng)驗模態(tài)方法和小波分析方法可以處理非平穩(wěn)、非線性的信號。本文將研究經(jīng)驗模態(tài)去噪方法與改進小波去噪方法的聯(lián)合去噪。首先介紹了傅里葉變換去噪,小波分析去噪基本原理,然后介紹了幾種經(jīng)驗模態(tài)分解基本原理,最后介紹了聯(lián)合去噪的幾種方法。為了比較幾種去噪方法的去噪效果,建立了2個去噪效果評價指標,即最小均方誤差和信噪比。將單一去噪方法分別應用于仿真信號,得出經(jīng)驗模態(tài)去噪中MEEMD(集總平均經(jīng)驗模態(tài)分解)去噪效果優(yōu)良。小波閾值去噪有利于提取細節(jié)信號,故二次去噪選用它進行。鑒于前面的結論,選用MEEMD(集總平均經(jīng)驗模態(tài)分解)分解方法和改進小波去噪方法聯(lián)合去噪。在該方法中MEEMD(集總平均經(jīng)驗模態(tài)分解)方法將用于將染噪信號分解為多個固有模態(tài)函數(shù)。然后創(chuàng)新性的對固有模態(tài)函數(shù)和染噪信號作線性相關性分析,選出相關性較大的幾個固有模態(tài)函數(shù),觀察所選固有模態(tài)函數(shù)的頻譜圖,將毛刺現(xiàn)象嚴重的固有模態(tài)函數(shù)做改進小波軟閾值處理,得到新的固有模態(tài)函數(shù)。最后,重建新的固有模態(tài)函數(shù)和選出的無毛刺現(xiàn)象的固有模態(tài)函數(shù)得到去噪信號。將這種去噪方法與基于MEEMD(集總平均經(jīng)驗模態(tài)分解)分解方法的小波軟閾值去噪方法和基于CEEMD(互補集合經(jīng)驗模態(tài)分解)分解方法的小波軟閾值去噪方法進行仿真去噪對比,分別得出他們的兩個性能指標和去噪效果圖,結果表明MEEMD(集總平均經(jīng)驗模態(tài)分解)分解和改進小波去噪方法效果更好。最后,將該去噪方法應用于2014年中北大學實驗室在汾河進行的實測數(shù)據(jù),在實測數(shù)據(jù)中選取頻率315Hz、630Hz的三路信號進行實驗,其中每種信號截取1000個點。去噪信號和原始實測信號對比發(fā)現(xiàn)去噪信號的時頻圖比實測信號的時頻圖更為光滑,毛刺現(xiàn)象更少,所以該改進的去噪方法對實測信號的去噪效果很好。
【學位授予單位】：中北大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TB565.1;TN911.4
【圖文】：

中北大學學位論文同頻率的聲信號，然后，MEMS 矢量水聽器用水聽器接收到的信號也不可避免地包含其他其誤差的大小直接影響著下一步科學研究，因。與創(chuàng)新的時代，一個嶄新的信息時期。在日常提取，從而獲得所需的信息，例如刑偵部門提資料中獲得有用消息等等。信號是信息的一種簡單理解就是任何承載某種信息的物理量都可號的提取。但在信號的采集和提取的過程中，么對信號進行去噪就變成了一個很多工作運行

現(xiàn)一些 IMF 偽分量，因此提出了 MEEMD 算法�，F(xiàn)有研究結果表明，模技術的結合可以顯著提高不相關模態(tài)的去噪效果[10]，這種方法比單一模態(tài)越。矢量水聽器的發(fā)展過程量水聽器的開發(fā)和制造最早出現(xiàn)在 20 世紀 40 年代的美國，后來發(fā)展到蘇國、法國等地。2002 年，國際電氣和電子工程師協(xié)會的 OCEANS 建立聲，該專題所蘊含的對象廣泛，為其他研究者獲得最新信息提供便利。量水聽器比標量水聽器具有更加廣泛的應用，各國也越來越關注它的研究目前具有光纖振速型矢量水聽器。很多學者將 MEMS 技術和壓阻式原理應用于矢量水聽器。圖 1.2 為光纖振速型矢量水聽器的結構模型：

【相似文獻】

相關期刊論文 前10條

1 李晉;王曉慶;;適用于外場環(huán)境的矢量水聽器校準方法[J];無線電工程;2019年09期

2 張小勇;尚珍珍;林嘉琦;;標矢量水聽器特性對比研究[J];信息技術與信息化;2019年03期

3 成浩;陳洪娟;李佳桐;;矢量水聽器低頻絕對校準裝置研究[J];聲學技術;2018年03期

4 謝攀;謝志強;;可剛性固定組合矢量水聽器結構設計與響應分析[J];艦船電子工程;2017年03期

5 Zhi Li;Hongjuan Chen;;矢量水聽器自噪聲的測量方法研究（英文）[J];Journal of Marine Science and Application;2017年03期

6 王曉琳;楊軍;程曉斌;;一種仿生原理的矢量水聽器結構設計與數(shù)值研究[J];傳感技術學報;2017年09期

7 李楠松;樸勝春;邢傳璽;;單矢量水聽器對海面目標高分辨定位方法研究[J];傳感器與微系統(tǒng);2015年02期

8 尹義龍;李俊寶;邢建新;呂可佳;;弛豫鐵電單晶彎曲梁矢量水聽器研究[J];聲學學報;2014年02期

9 肖大為;程錦房;張景卓;;單矢量水聽器多目標方位的盲估計研究[J];武漢理工大學學報(交通科學與工程版);2014年04期

10 彭博琛;馬樹青;陳羽;孟洲;竇平軒;;數(shù)據(jù)融合方法在矢量水聽器垂直陣的應用[J];聲學技術;2013年S1期

相關會議論文 前10條

1 孫芹東;王超;王文龍;張小川;;適于水下緩動無人平臺的同振式矢量水聽器設計與應用[A];2018年全國聲學大會論文集 P聲學測量與儀器 Q聲學換能器 S聲學教育[C];2018年

2 侯文姝;笪良龍;孫芹東;;基于矢量水聽器角度譜分析艦船噪聲特征[A];2016年全國聲學學術會議論文集[C];2016年

3 彭承彥;張學亮;黃良金;路陽;樓康;;矢量水聽器通道噪聲有色情況下目標定向研究[A];中國聲學學會2017年全國聲學學術會議論文集[C];2017年

4 楊松濤;任敏;戴錫明;;喇叭結構新型矢量水聽器[A];中國聲學學會2017年全國聲學學術會議論文集[C];2017年

5 韓梅;孫相杰;孫芹東;笪良龍;;膠囊形同振式矢量水聽器性能分析[A];2014年中國聲學學會全國聲學學術會議論文集[C];2014年

6 劉坤;劉福臣;田玲愛;孫好廣;;基于姿態(tài)修正的單矢量水聽器方位估計[A];浙江省信號處理學會2013學術年會論文集——信號處理在海洋[C];2013年

7 陳洪娟;張虎;趙勰;;20～2000Hz矢量水聽器指向性圖的實驗水池測量[A];2009年度全國物理聲學會議論文集[C];2009年

8 孫梅;李風華;;一種矢量水聽器俯仰姿態(tài)校正方法研究[A];中國聲學學會2009年青年學術會議[CYCA’09]論文集[C];2009年

9 方爾正;楊德森;;一種單矢量水聽器的洛依德鏡淺海定位算法[A];中國聲學學會2009年青年學術會議[CYCA’09]論文集[C];2009年

10 彭博琛;馬樹青;陳羽;孟洲;竇平軒;;數(shù)據(jù)融合方法在矢量水聽器垂直陣的應用[A];中國聲學學會第十屆青年學術會議論文集[C];2013年

相關博士學位論文 前10條

1 吳艷群;拖線陣用光纖矢量水聽器關鍵技術研究[D];國防科學技術大學;2011年

2 饒偉;光纖矢量水聽器海底地層結構高分辨率探測關鍵技術研究[D];國防科學技術大學;2012年

3 呂云飛;甚低頻矢量水聽器潛標探測系統(tǒng)關鍵技術研究[D];哈爾濱工程大學;2010年

4 陳麗潔;微型矢量水聽器研究[D];哈爾濱工程大學;2006年

5 時勝國;矢量水聽器及其在平臺上的應用研究[D];哈爾濱工程大學;2007年

6 莫世奇;矢量水聽器的數(shù)據(jù)融合研究[D];哈爾濱工程大學;2007年

7 程彬彬;基于二維壓差式矢量水聽器的方位估計研究[D];西北工業(yè)大學;2007年

8 李思純;基于矢量水聽器的目標特征提取與識別技術研究[D];哈爾濱工程大學;2008年

9 張宇;基于潛標的甚低頻矢量水聽器被動定位技術研究[D];哈爾濱工程大學;2014年

10 呂文磊;壓差式光纖矢量水聽器基元與測試技術研究[D];哈爾濱工程大學;2009年

相關碩士學位論文 前10條

1 熊翰林;同振式矢量水聽器動態(tài)范圍測量方法研究[D];哈爾濱工程大學;2019年

2 楊沫涵;基于矢量水聽器的圓形陣列信號處理方法研究[D];哈爾濱工程大學;2019年

3 秦松磊;矢量舷側陣信號檢測和目標方位估計研究[D];哈爾濱工程大學;2019年

4 姚建麗;基于神經(jīng)網(wǎng)絡和MUSIC算法的矢量水聽器的DOA估計[D];中北大學;2019年

5 徐慶達;MEMS矢量水聽器的優(yōu)化設計與實現(xiàn)[D];中北大學;2019年

6 李薇;基于聯(lián)合去噪方法的MEMS矢量水聽器信號去噪[D];中北大學;2019年

7 孫強;基于小波自適應的MEMS矢量水聽器信號去噪研究[D];中北大學;2019年

8 韓金金;基于矢量水聽器的聲源定位算法研究[D];南京信息工程大學;2018年

9 王帥;固定安裝式二階聲矢量水聽器研究[D];哈爾濱工程大學;2018年

10 田迎澤;基于小平臺的矢量陣探測方法研究[D];哈爾濱工程大學;2018年

本文編號：2721706