利用小波分析技术对生物弱电--脑电信号进行预处理，降噪，出来结果比较理想

MATLAB小波变换图像 去噪，带界面GUI，和评价指标。

针对人为加工的滚动轴承点蚀故障数据难以模拟真实疲劳失效过程的问题,提出将滚动轴承强化寿命试验的轴承疲劳失效过程数据作为故障诊断数据,结合经验模态分解(Em-pirical Mode Decomposition,EMD)与共振解调技术对真实疲劳失效的滚动轴承进行故障诊断.依托经验模态分解的自适应性,有效的将携带故障信息的高频调制信号从原信号中分离出来,实现了信号的带通滤波;利用Hilbert变换进行解调分析得到包含故障特征信息的低频包络信号,经过频谱分析后实现对疲劳失效滚动轴承故障特征提取和故障辨识.实验结

小波阈值降噪算法是一种去除数字信号中白噪声的有效算法.针对加性高斯白噪声的情况, 提出一种自适应小波降噪算法, 用于语音信号的增强. 它能根据带噪信号的特点, 自适应选择小波变换的最优分解层数.实验结果表明, 该算法比经典的小波降噪算法具有更好的降噪效果, 能有效提高算法的实用性能.

将相关性分析方法和阈值降噪方法相结合, 提出了一种基于蚁群算法的小波降噪双阈值优选方法. 首先根 据噪声的分布特点确定合理的寻优区间; 然后根据信号和噪声的小波系数自相关系数的不同特点确定优化目标函 数; 最后利用蚁群算法在寻优区间内搜索最优上下阈值. 仿真和压缩机振动故障检测的实际应用表明, 该方法能够选 择最优降噪阈值, 有效去除噪声.

针对传统的阈值函数方法和阈值选取方法存在的一些不足，在现有的研究成果基础上，本文采用了一种改进的阈值函数方法，既克服了硬阈值函数的缺点，又减小了软阈值函数的偏差。通过MATLAB仿真，得出用本文方法去噪后的信噪比均在37.326以上，高于硬阈值函数的37.164和软阈值函数的37.265；均方差均在5.680以下，低于硬阈值函数的5.787和软阈值函数的5.720，说明本文改进的阈值函数方法去噪效果优于软、硬阈值函数，适用于含噪信号的分析和处理。

利用小波分析,去除信号噪声.基于LABVIEW的程序,直接调用MATLAB

完整的经验模态分解算法，emd，非常全，速度保存 ，希尔伯特黄变换

樊哲勇老师写的第一个石墨烯热导率lammps脚本

针对直接运用快速傅里叶变换（FFT）无法有效提取具有非线性非平稳特性的滚动轴承振动信号故障特征频率的问题，提出了一种基于经验模式分解和峭度指标的Hilbert包络解调方法。首先对滚动轴承的振动信号进行了经验模式分解（EMD），得到了包含轴承故障特征信息的各阶本征模态函数（IMF），再计算各阶IMF的峭度值，选取了峭度值较大的几阶IMF分量重构信号，并对重构信号进行了Hilbert包络解调分析，从而获得了滚动轴承的准确故障特征信息。分别对仿真模拟信号和实际滚动轴承发生内圈故障的振动信号进行了分析，清晰地得到