1 简介 软阈值消噪是信号消噪中的标准算法。故障检测中的信号去噪,要求在降低噪声水平的同时,保留信号中用于故障检测的奇异特征。通过分析信号和噪声的小波系数在小波空间的不
1 简介
软阈值消噪是信号消噪中的标准算法。故障检测中的信号去噪,要求在降低噪声水平的同时,保留信号中用于故障检测的奇异特征。通过分析信号和噪声的小波系数在小波空间的不同特性,在""阈值选择策略"方面对软阈值除噪技术进行了改进。仿真研究表明改进方法较好地解决了保护信号局部特征和抑制噪声之间的矛盾,并对各种类型的故障信号均能进行有效的分析。
信号参数：位移常数y0 = 5; 阻尼系数g = 0.1; 冲击故障发生的周期（重复周期）T = 0.01;采样点数N = 4096; 固有振动频率fn=3000Hz；故障特征频率为100Hz；采样频率fs=20Khz；为0.01s；采样点数为N=4096。
2 部分代码
clcclear all
close all
fs = 20e3; % 采样频率
fn = 3e3; % 固有频率
y0 = 5; % 位移常数
g = 0.1; % 阻尼系数
T = 0.01; % 重复周期
N = 4096; % 采样点数
NT = round(fs*T); % 单周期采样点数
t = 0:1/fs:(N-1)/fs; % 采样时刻
t0 = 0:1/fs:(NT-1)/fs; % 单周期采样时刻
K = ceil(N/NT)+1; % 重复次数
y = [];
for i = 1:K
y = [y,y0*exp(-g*2*pi*fn*t0).*sin(2*pi*fn*sqrt(1-g^2)*t0)];
end
y = y(1:N);
Yf = fft(y); % 频谱
figure(1);subplot(231);
plot(t,y);
axis([0,inf,-4,5])
title('轴承故障仿真信号时域波形图')
xlabel('Time(s)')
ylabel('Amplitude')
y5 = awgn(y,5,'measured'); % Add white Gaussian noise
y10 = awgn(y,10,'measured'); % Add white Gaussian noise
y15 = awgn(y,15,'measured'); % Add white Gaussian noise
subplot(232);
f = 0:fs/N:fs-fs/N;
plot(f/1e3,abs(Yf));
xlabel('Frequency(KHz)');
ylabel('\itY\rm(\itf\rm)')
title('轴承故障仿真信号幅度谱图');
subplot(233);plot(t,y5);axis([0,inf,-4,5]);title('轴承故障仿真信号+5db噪声时域波形图');xlabel('Time(s)');ylabel('Amplitude');
subplot(234);plot(t,y10);axis([0,inf,-4,5]);title('轴承故障仿真信号+10db噪声时域波形图');xlabel('Time(s)');ylabel('Amplitude');
subplot(235);plot(t,y15);axis([0,inf,-4,5]);title('轴承故障仿真信号+15db噪声时域波形图');xlabel('Time(s)');ylabel('Amplitude');
figure(2);
3 仿真结果
4 参考文献
[1]刘毅华, 赵光宙. 故障分析中的小波软阈值改进除噪方法[J]. 继电器, 2004, 32(24):5.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
