【信号去噪】 基于小波软阈值+硬阈值+改进阈值实现轴承故障仿真信号去噪含Matlab源码

1 简介

软阈值消噪是信号消噪中的标准算法。在降低噪声水平的同时，要求在故障检测中保留信号中使用的奇怪特征。在小波空间中分析信号和噪声的小波系数的不同特性""阈值选择策略"改进了软阈值除噪技术。模拟研究表明，改进方法更好地解决了保护信号局部特征和抑制噪声之间的矛盾，并有效地分析了各种类型的故障信号。

信号参数：位移常数y0 = 5;阻尼系数g = 0.1;冲击故障周期(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1000Hz；采样频率fs=20Khz；为0.01s；采样点数为N=4096。

2 部分代码

clcclear allclose allfs = 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;  % 单周期采样时间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)];endy = y(1:N);Yf = fft(y);                % 频谱figure(1);subplot(231);plot(t,y);axis([0,inf,-4,5])title(‘轴承故障模拟信号时域波形图’)xlabel('Time(s)')ylabel('Amplitude')y5 = awgn(y,5,'measured'); % Add white Gaussian noisey10 = awgn(y,10,'measured'); % Add white Gaussian noisey15 = awgn(y,15,'measured'); % Add white Gaussian noisesubplot(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()轴承故障模拟信号 5db噪声时域波形图；xlabel('Time(s)');ylabel('Amplitude');subplot(234);plot(t,y10);axis([0,inf,-4,5]);title()轴承故障模拟信号 10db噪声时域波形图；xlabel('Time(s)');ylabel('Amplitude');subplot(235);plot(t,y15);axis([0,inf,-4,5]);title()轴承故障模拟信号 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了除噪方法[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、无人机等领域Matlab仿真，相关matlab私信可以交换代码问题。

如些理论引用网络文献，如有侵权联系博主删除。