Please wait a minute...
 首页  期刊介绍 期刊订阅 联系我们 横山亮次奖 百年刊庆
 
最新录用  |  预出版  |  当期目录  |  过刊浏览  |  阅读排行  |  下载排行  |  引用排行  |  横山亮次奖  |  百年刊庆
清华大学学报(自然科学版)  2014, Vol. 54 Issue (2): 259-263    
  论文 本期目录 | 过刊浏览 | 高级检索 |
基于信噪比评价的阈值优选小波去噪法
钟建军1,2,宋健1(),由长喜1,殷信桥2
2. 军事交通学院, 天津 300161
Wavelet de-noising method with threshold selection rules based on SNR evaluations
Jianjun ZHONG1,2,Jian SONG1(),Changxi YOU1,Xinqiao YIN2
1. State Key Laboratory of Automotive Safety and Energy, Tsinghua University, Beijing 100084, China
2. Military Transportation University, Tianjin 300161, China
全文: PDF(1269 KB)   HTML
输出: BibTeX | EndNote (RIS)       背景资料
文章导读  
摘要 

在汽车自动变速器台架试验中,需要对角加速度信号进行消噪滤波。小波阈值去噪是计算量较小、滤波效果较好的消噪手段,但采用不同的小波基匹配不同的阈值规则可能会对去噪效果产生影响。为探寻相对最优组合,该文构建了近似观测信号的仿真信号,然后对该信号做了去噪实验,计算信噪比(SNR)和均方根误差(RMSE), 并以此作为评价指标,从而得到相对最优的匹配组合,最后将该组合用于角加速度信号消噪处理过程,取得了较好的滤波效果。小波阈值去噪在处理含噪信号时具有效率较高、稳定性好、不易失真的特点; 使用SNR结合RMSE可以对任何消噪结果作客观评判; 不同的含噪信号,可能需要用到不同的小波基函数,同时匹配不同的阈值选取规则。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
钟建军
宋健
由长喜
殷信桥
关键词 台架自动变速消噪阈值规则信噪比均方根误差小波基函数    
Abstract

Acceleration signals from automotive automatic transmission bench tests need to be de-noised. Wavelet threshold de-noising requires a relatively small amount of computations and has better filtering. However, different wavelet basic functions and different threshold rules produce different noise signal de-noising results. Optimal matching parameters are found for simulated signals that approximate an observed signal through de-noising tests using the signal-to-noise ratio (SNR) and root-mean-square error (RMSE) of the de-noised signal as the evaluation index. The results are combined with the angular acceleration signal de-noise processing obtained in a bench test for the filtering. The wavelet transform de-noising is efficient, stable and not easily distorted when dealing with noise signals. The effect of the wavelet de-noising noisy signal can be evaluated using SNR combined with RMSE for the objective evaluation. Different signals may need to use different wavelet basis functions with different threshold rules.

Key wordsbench    automatic transmission    denoising    threshold rule    signal-to-noise ratio (SNR)    root-mean-square error (RMSE)    wavelet basis function
收稿日期: 2013-06-08      出版日期: 2015-04-16
ZTFLH:     
基金资助:国家重点实验室专项基金资助项目 (ZZ080031);国家“十二五”科技支撑计划项目 (2013BAG14B01)
引用本文:   
钟建军, 宋健, 由长喜, 殷信桥. 基于信噪比评价的阈值优选小波去噪法[J]. 清华大学学报(自然科学版), 2014, 54(2): 259-263.
Jianjun ZHONG, Jian SONG, Changxi YOU, Xinqiao YIN. Wavelet de-noising method with threshold selection rules based on SNR evaluations. Journal of Tsinghua University(Science and Technology), 2014, 54(2): 259-263.
链接本文:  
http://jst.tsinghuajournals.com/CN/  或          http://jst.tsinghuajournals.com/CN/Y2014/V54/I2/259
  小波去噪过程示意图
  仿真加噪信号生成过程
  基于sym2基函数的去噪效果
阈值规则 SNR RMSE 去噪排序
无偏式 23.838 5 6.765 5 4
启发式 25.186 5 5.793 0 2
固定式 25.186 5 5.793 0 1
极值式 25.062 8 5.876 0 3
  sym2基函数匹配4种阈值规则时的去噪效果
阈值规则 SNR RMSE 去噪排序
无偏式 24.654 9 6.158 6 4
启发式 25.289 1 5.724 9 1
固定式 25.288 3 5.725 4 2
极值式 25.163 2 5.808 5 3
  sym3基函数匹配4种阈值规则时的去噪效果
阈值规则 SNR RMSE 去噪排序
无偏式 24.473 7 6.288 4 4
启发式 25.291 9 5.723 1 2
固定式 25.300 3 5.717 5 1
极值式 25.109 3 5.844 7 3
  sym4基函数匹配4种阈值规则时的去噪效果
阈值规则 SNR RMSE 去噪排序
无偏式 24.711 1 6.118 8 4
启发式 25.406 3 5.648 2 2
固定式 25.411 5 5.644 8 1
极值式 25.148 7 5.818 2 3
  sym5基函数匹配4种阈值规则时的去噪效果
阈值规则 SNR RMSE 去噪排序
无偏式 24.974 2 5.936 3 4
启发式 25.399 8 5.652 4 1
固定式 25.375 4 5.668 3 2
极值式 25.192 8 5.788 8 3
  sym6基函数匹配4种阈值规则时的去噪效果
阈值规则 SNR RMSE 去噪排序
无偏式 25.358 2 5.679 6 3
启发式 25.437 7 5.627 8 2
固定式 25.437 8 5.627 8 1
极值式 25.293 2 5.722 2 4
  sym7基函数匹配4种阈值规则时的去噪效果
阈值规则 SNR RMSE 去噪排序
无偏式 24.818 4 6.043 7 4
启发式 25.469 7 5.607 2 2
固定式 25.480 1 5.600 4 1
极值式 25.258 3 5.745 3 3
  sym8基函数匹配4种阈值规则时的去噪效果
基函数 阈值规则 SNR RMSE
sym2 固定式 25.186 5 5.793 0
sym3 启发式 25.289 1 5.724 9
sym4 固定式 25.300 3 5.717 5
sym5 固定式 25.411 5 5.644 8
sym6 启发式 25.399 8 5.652 4
sym7 固定式 25.437 8 5.627 8
sym8 固定式 25.480 1 5.600 4
  最佳基函数和最佳阈值规则选择
  台架角加速度信号
  小波去噪前后的信号对比图
[1] Habeebullah A, ZHENG Quan, CHUNG Woowon. A Closed-Loop Drive-Train Model for HIL Test Bench [R]. SAE 2009-01-1139. 2009.
[2] Cavina N, Olivi D, Corti E, et al. Development and Implementation of Hardware in the Loop Simulation for Dual Clutch Transmission Control Units [R]. SAE 2013-01-0816. 2013.
[3] 马晓岩, 李广柱, 张贤达. 基于小波变换的雷达信噪比改善分析[J]. 清华大学学报: 自然科学版, 2003, 43(3): 422-424. MA Xiaoyan, LI Guangzhu, ZHANG Xianda. Improved radar signal to noise ratio method based on wavelet transforms[J]. Journal of Tsinghua University: Science and Technology, 2003, 43(3): 422-424. (in Chinese)
[4] 魏云冰, 黄进, 黄建华. 基于小波包变换的电机测试信号去噪处理[J]. 电工技术学报, 2001, 16(5): 64-67. WEI Yunbing, HUANG Jin, HUANG Jianhua. Removing noises from signals of motor measurement by wavelet packet[J].Transactions of China Electrotechnical Society, 2001, 16(5): 64-67. (in Chinese)
[5] 李中伟, 程丽, 佟为明. Symlets小波幅值算法研究[J]. 电力自动化设备, 2009, 29(3): 65-68. LI Zhongwei, CHENG Li, TONG Weiming. Study of Symlets wavelet amplitude algorithm[J]. Electric Power Automation Equipment, 2009, 22(1): 65-68. (in Chinese)
[6] 吴昊, 鲁周迅. Symlets小波和子空间联合增强下的语音识别[J]. 计算机工程与应用, 2011, 47(5): 141-145. WU Hao, LU Zhouxun. Speech recognition based on combined enhancement of Symlets wavelet and subspace[J]. Computer Engineering and Applications, 2011, 47(5): 141-145. (in Chinese)
[7] 谢杰成, 张大力, 徐文立. 一种小波去噪方法的几点改进[J]. 清华大学学报: 自然科学版, 2002, 42(9): 1269-1272. XIE Jiecheng, ZHANG Dali, XU Wenli. Several improvements for a wavelet denoising method[J]. Journal of Tsinghua University: Science and Technology, 2002, 42(9): 1269-1272. (in Chinese)
[8] 孙延奎. 小波分析及其应用 [M]. 北京: 机械工业出版社, 2005. SUN Yankui. Wavelet Analysis and Application [M]. Beijing: Machinery Industry Press, 2005.(in Chinese)
[9] 邱继征. 小波分析原理 [M]. 北京: 科学出版社, 2009. QIU Jizheng. The Principle of Wavelet Analysis [M]. Beijing: Science Press, 2009. (in Chinese)
[10] 樊启斌. 小波分析[M]. 武汉: 武汉大学出版社, 2008. FAN Qibin. Wavelet Analysis [M]. Wuhan: Wuhan University Press, 2008. (in Chinese)
[11] 张臣国. 小波分析在信号降噪中的应用研究 [D]. 成都: 电子科技大学, 2012. ZHANG Chenguo. Application of Wavelet Analysis in Signal Denoising [D]. Chengdu: University of Electronic Science and Technology, 2012. (in Chinese)
[12] 冯有前. 数值分析[M]. 北京:清华大学出版社, 2005. FENG Youqian. Numerical Analysis [M]. Beijing: Tsinghua University Press, 2005.(in Chinese)
[13] 齐翠丽. 基于小波阈值法和模极大值法的语音去噪算法研究 [D]. 秦皇岛: 燕山大学, 2012. QI Cuili. The Research of Speech Degoising Algorithm Based on Wavelet Threshold and the Modulus Maximum Value [D]. Qinhuangdao: Yanshan University, 2012. (in Chinese)
[14] 孙斌, 周云龙, 关跃波, 等. 气液两相流压差波动信号小波去噪中阈值规则的确定[J]. 信号处理, 2006, 22(1): 96-99. SUN Bin, ZHOU Yunlong, GUAN Yuebo, et al.Confirmation of threshold rule in signal denosing of gas-liquid two-phase flow differential pressure fluctuation using wavelet transform[J]. Signal Processing, 2006, 22(1): 96-99. (in Chinese)
[1] NGUYEN Truong Sinh, 宋健, 方圣楠, 宋海军, 台玉琢, 李飞. 电动汽车动力保持型机械式自动两挡变速器仿真与试验[J]. 清华大学学报(自然科学版), 2017, 57(10): 1106-1113.
[2] 方圣楠, 宋健, 宋海军, 台玉琢, TRUONG Sinh Nguyen. 基于最优控制理论的电动汽车机械式自动变速器换档控制[J]. 清华大学学报(自然科学版), 2016, 56(6): 580-586.
[3] 张彧, 吴钊, 宋健. 基于速率增强JTIDS波形的干扰检测与擦除方法[J]. 清华大学学报(自然科学版), 2015, 55(8): 821-825.
[4] 严忆泉,宋健,李亮. 干式双离合器自动变速器自适应起步控制[J]. 清华大学学报(自然科学版), 2014, 54(6): 734-737.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 《清华大学学报(自然科学版)》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn