基于小波包与改进EMD的轮轨力信号降噪.docx

基于小波包与改进EMD的轮轨力信号降噪
摘要：
本文以小波包与改进EMD为基础，提出了一种用于轮轨力信号降噪的有效方法。在实际应用中，由于轮轨力信号存在着不可避免的噪声，因此需要对信号进行降噪处理，以获取更准确、更可靠的数据。在本文中，我们通过采用小波包变换和改进EMD技术相结合的方法，成功的抑制了噪声的干扰，有效地提高了轮轨力信号的准确度。实验结果表明，在两种方法的同时使用下，噪声干扰的大幅度降低，提高了轮轨力信号的分析准确性和传感器的准确度。
关键词：小波包、改进EMD、轮轨力信号、降噪。
引言：
轮轨力信号是轮轨系统中非常重要的传感信号之一，它能够直接反映轮轨结合状态及其变化的情况。但是在实际采集过程中，由于受到环境条件等多种因素的影响，轮轨力信号往往会受到各种噪声和干扰，从而影响分析结果的准确性。因此，对于轮轨力信号的降噪处理显得至关重要。
近年来，随着小波分析和EMD分析技术的快速发展，这两种降噪方法在实际应用中得到了广泛的应用。小波分析利用小波函数将信号分解成不同的频率和时域尺度，从而实现信号的去噪。EMD分析则是通过将信号分解为不同的本征模式函数（IMF），从而实现信号的去噪。
然而，在实际研究中，这两种方法都存在一些不足之处。小波变换由于其不连续分解特性，难以对非平稳信号进行有效分析；EMD分解过程中往往会出现分解不完全，或者存在大量噪声残余等问题。因此，在本文中，我们采用小波包变换和改进EMD相结合的方法来降噪轮轨力信号。
方法：
小波包分解（WPD）是小波分析的一种扩展形式，它通过对小波系数进行further分解，可以分离出更多的信号特征。具体来说，对于一维信号x(n)，小波包分解的流程如下：
1）选择一定的基本小波项，并将信号x(n)分解为不同的分解树；
2）分别对每一个子带进行小波变换，得到一组新的小波系数；
3）重复步骤2，直到分解到一定的阶数为止。
改进EMD分析是基于传统EMD分析的一种拓展方法，其主要思想是对于分解不完全或噪声残余等问题的处理。改进EMD分析的具体流程如下：
1）初始化，生成初始内插函数h0(n)；
2）根据不同的极值点将信号分解为不同的IMFs；
3）将每个IMF与交错积分器（HHT）相结合，去除噪声残余；
4）将去除噪声残余的IMFs与初始内插函数相结合，得到新的原始信号。
在本文中，我们将小波包分解和改进EMD相结合，提出了一种用于轮轨力信号降噪的有效方法。具体流程如下：
1）对原始信号进行小波包分解，得到一组多尺度小波包系数；
2）对小波系数进行改进EMD分解，得到一组IMFs以及对应的噪声残余；
3）利用相同的特征值选取算法，确定IMFs和残余的重要程度，并对其进行加权重构；
4）将重构后的信号与残余数据相加，得到去噪后的轮轨力信号。
实验结果：
为了验证本文所提出的降噪方法的有效性，我们使用了一组轮轨力信号数据集进行实验。在实验中，我们采用了两种方法对数据进行处理：单独使用小波包分解进行降噪（称为WPD方法），和使用小波包分解与改进EMD相结合的方法进行降噪（称为WPD-EMD方法）。
实验结果表明，在WPD-EMD方法中，信号的噪声干扰被成功抑制，信号的频率成分得到了更好的提取，从而实现了更准确的轮轨力数据分析。此外，我们还对两种方法进行了比较，结果显示，WPD-EMD方法的降噪效果要优于WPD方法。
结论：
本文提出了一种有效的轮轨力信号降噪方法，该方法基于小波包分解和改进EMD相结合。实验结果表明，该方法在降噪处理中具有很好的效果，可以提高轮轨力信号的信噪比，从而更好的实现信号分析和应用。