降噪处理（精选9篇）
降噪处理 篇1
0 引言
SEMG具有低频性、微弱性和交变性等特点, 频率范围大致为10Hz~500Hz, 信号能量主要集中在50Hz~150Hz[1]。从皮肤表面检测到的SEMG通常只有m V级甚至u V级, 与噪声幅值相比, 要低两三个数量级[2], 因此如何从强大的噪声中提取更为有效的信号成为研究SEMG的关键技术之一。为了使验证过程方便, 滤波效果直观, 本文利用频率幅值可调振荡器代替SEMG作信号源, 主要验证带通滤波器滤除频带外噪声的效果。
1 幅值频率可调振荡器介绍
如图1所示, 该电路是频率幅度可调正弦波振荡电路。调整电位器R12可改变输出正弦波形的幅值, 调节R4和R8可以改变输出波形频率, 频率的调节不影响振幅的稳定性[4]。电路振荡频率为, 本次设计需要的频率范围是2Hz-1k Hz。实验中, 调节输出幅值至200mv, 此时符合SEMG初级放大后的幅值。
1.1滤波器设计选型
根据SEMG的频率特性, 滤除频带外噪声的带通滤波器的通频带应为10Hz~500Hz。有源带通滤波器的构成方法有两种:一种是采用单个集成运放构成的压控电压源二阶带通滤波器;另一种是将低通滤波器与高通滤波器串联得到的带通滤波器。本文采用第二种方法, 原因如下。
假设采用第一种方法:已知带通滤波器截止频率通带放大倍数:;中心频率:
1.2低通滤波器
用Multisim仿真出幅频特性图, 鼠标拖动垂直光标, 可以测得相应位置数据。测得:通带增益为7.959d B
f=f0=337Hz处, 幅值增益为13.951d B;f=fp=500Hz处, 幅值增益为4.959d B, 符合计算的理论值。
1.3高通滤波器
利用频代替主要验频带外振荡形的幅采用压控电压源二阶高通滤波电路[5], 电路参数计算和选取与压控电压源二阶低通滤波器类似, 电路的品质因数:Q=2;特征频率:, 截止频率:fp≈0.6736f0≈10Hz;用垂直光标测量幅频特性曲线:通带增益为7.959d B;f=f0=14.85Hz处, 幅值增益为13.963d B;f=fp=10Hz处, 幅值增益为4.906d B;
1.4带通滤波器
将上述低通与高通滤波器串联, 得到通频带为10Hz-500Hz的带通滤波器。用Multisim仿真可得出幅值特性曲线。将振荡电路输出端接到带通滤波器的输入端, 用螺丝刀调节振荡器中R4和R8改变振荡器输出频率, 带通滤波器输出端接示波器观察输出波形的幅值和频率。在每十倍频中均匀选取频率点来测量幅值, 计算出相应频率的放大倍数与增益衰减。测量十次并取平均值如下表I所示:
根据表中数据, 用Matlab使用三次样条差值法对这些实际测量到的数据进行曲线拟合, 得到如右图2所示的曲线, 与用Multisim对滤波电路仿真得到的幅频特性曲线是吻合的。
2 结论
由以上分析可知:在SEMG采集系统中, 对于10Hz-500Hz带通滤波器的设计, 单个放大器芯片组成的压控电压源二阶带通滤波器不符合设计要求, 本文选取了压控电压源二阶低通滤波器和高通滤波器串联构成的带通滤波器, 通过Multisim对原理电路仿真、实际电路数据测量结合Matlab拟合曲线的方法, 验证了本设计有比较理想的放大频带内信号和去除频带外噪声的作用。其优点是电路简单, 成本低;缺点是电路对元器件的精度和匹配要求较高, 否则对电路的选频特性会有一定的影响。
摘要：目的 :本文重点讨论了SEMG去除频带外噪声的问题。方法 :根据SEMG的幅值频率特性, 利用幅值频率可调振荡器做信号源, 分析由低通和高通滤波器串联组成的带通滤波器的除噪效果。结论 :本文设计的带通滤波器能够有效放大频带内信号和消除频带外噪声, 提高了SEMG的质量。
关键词：SEMG,幅值频率可调振荡器,带通滤波器
参考文献
[1]基于SEMG信号的外骨骼式机器人上肢康复系统研究李庆玲哈尔滨工业大学工学博士论文, 2009, 6.
[2]邹晓阳.动作SEMG的非线性特性研究.上海交通大学工学硕士论文, 2012, 2.
[3]付聪, 李强, 李博.SEMG采集与降噪处理.现代生物医学进展, Vol.11 No.20 OCT.2011:3951-3953.
[4]任骏原.RC桥式正弦波振荡电路的输出幅值分析.电子设计工程, Vol.21 No.14 Jul, 2013:107-110.
[5]童诗白, 华成英.模拟电子技术基础[M].4版.北京:高等教育出版社, 2006:364-370.
降噪处理 篇2
目前，社会对环保护的要求越来越高，怎样有效控制噪声污染是一项艰巨的任务。由于大多数民用发电机都位于人口密集的居民区的地下室，这些地区的环境要求很高，而柴油发电机组的噪音经常成为周围环境的主要噪音源，为了能够有效的对柴油发电机进行噪声治理，我们先来了解分析柴油发电机的噪声源有哪些?
1、机械噪音
柴油机在运作的过程当中，各部件会因为运转时受到气体的压力以及惯性力的变化等，会引起振动。各个部件都在发出噪音，使整个机器的噪音很大需要进行噪音治理。如：传动齿轮噪音、配气机构的噪音等等。
2、燃烧噪音
燃烧噪音指的是柴油机发电机在运作时柴油燃烧会产生结构上的振动及噪音。
3、排气噪音
柴油发电机噪音中最大的就是排气噪音，它是一种高速、高温的气流噪音。产生排气噪音的原因是噪音声波在排气管道中受到空气等因素与排气系统相互作用施压，最终形成了较大的噪音。
4、进风口噪音
柴油发电机在运作的过程当中，必须保证供应足够的风源。这样做既可以保证发电机能正常工作，另外也是考虑到柴油发电机的散热问题。柴油发电机的进风系统在运作时不可避免的就会产生较大的噪音问题。
柴油发电机噪声治理的措施在以下几个方面：
1.机房通风及消声。
实际工作中我们在考虑方案时既要有效降噪,又要满足发电机组运行需要的空气流量。
(1)机房进风消声系统
①为满足机组运行时所需的冷却风和燃烧空气量,机房采用机械进风方式通风。
②在机房外用砖砌两个进风道,进风道墙体下分别安装一台低噪声轴流风机向机房内送风。
③进风道内安装一台大风量组合片式消声器,吸收气流噪声和机械噪声。
宁静生活 佳绿创造
④进风道外墙体上开一进风口,进风口处安装特制铝合金百叶窗及防护丝网,防止异物进入风道内。
(2)机房排风消声系统
①在机房外用砖砌两个排风道。
②在每个排风道内安装一台大风量组合片式消声器,吸收排气流噪声和机械噪声。
③排风口设置在机组正前方,机组散热器前端设置减振柔性接头及导风扩容消声风管,连接到排热风消声道。
④排风道出口处安装特制铝合金百叶窗及防护丝网,防止异物进入风道内。
(3)机组排气消声器
发电机组随机配置的排气消声器的消声声量很小,以泰州市兆航机电有限公司生产的柴油发电机组为例，一般为15～20dB(A),不能满足环保达标要求。在机组的排气管上重新安上针对高、中、低不同频率噪声设计的高效微穿孔板排气消声器。其特点为消声量大、阻力小、材质及结构耐高温。排气管与机组烟气出口处采用金属波纹管连接,以减少因钢性连接而产生的振动噪声。
2.机房内吸声。
发电机房由于是砖砌混凝土结构,声反射强烈。为了达到吸声效果,机房内墙面及顶面合理设置高效吸音材料,吸音层结构为铝合金穿孔扣板+离心吸音棉+轻钢龙骨+支吊架。机房内原平均吸声系数α1≈0.10,加装吸声材料后机房内平均吸声系数α2≈0.75～0.85左右,其吸声量可达9～12dB(A),混响时间可降至2～3s。机房内的响度也随之大大下降,极大地改善了工作条件,同时可提高机房的隔声性能。
3.隔声系统。
为保证机房良好的隔声性能,在机房与机房外相通处,安装防火隔声门,门缝密封材料为橡胶密封条。其它会引起漏声的孔洞用砖墙封堵。
一种基于图像降噪的预处理方法 篇3
人脸识别是模式识别领域的重要研究方向, 很多学者对该问题进行了大量研究, 主要包括人脸检测、图像预处理、特征选择与提取、分类识别等多个方面, 并提出了众多经典算法和解决方案。一般来说, 人脸识别过程主要包括以下步骤:输入图像、人脸检测与定位、图像预处理、人脸特征提取、分类识别等部分。其中图像预处理是识别过程中一个重要步骤, 可以有效的去除或减小光照等外部环境对图像的影响。我们知道, 人脸图像的采集是非常方便的, 但是在采集过程中却存在很多干扰因素, 如距离远近、焦距等会使人脸的位置和大小不确定, 而光照强度变化也会导致图像的灰度元素分布不均匀, 因此, 为提高人脸识别系统的性能, 需要对人脸图像进行预处理, 包括扶正、归一化、图像增强等技术以此降低位置、大小以及光照等所带来的影响。
实际上, 光照问题一直是图像预处理研究领域中的热点和难点, 能否克服光照变化对人脸识别系统性能具有很大的影响[1]。A.Nabatchian提出的基于最大值滤波的方法, 在简化图像预处理步骤中做出一定贡献, 但却不能很好的改善光照对人脸识别的影响[2]。在不同的光照条件下, H.F.Hu.提出了一种离散小波变换 (DWT) 的光照归一化人脸识别方法, 取得了较好的识别效果[3]。本文针对光照问题进行了研究, 提出了一种解决光照问题的方法, 并对图像处理中的线性平滑滤波和中值滤波方法进行比较。
2 线性平滑滤波和中值滤波
2.1 线性平滑滤波
线性滤波也称为均值滤波, 有邻域平均法、加权均值法等处理方法[4]。利用邻域平均法的线性平滑滤波基本原理是用某像素领域内的均值代替该像素值。具体方法是对需要处理的当前像素点A (x, y) 建立一个大小合适的滤波窗口模板, 求模板中所有像素的均值, 再把该均值赋予当前像素点。将这个步骤在图像中遍历, 更替所有像素点的值。可以看到, 邻域的大小与平滑的效果直接相关, 邻域越大平滑的效果越好。但邻域过大, 平滑会使边缘信息损失越大, 从而使输出的图像变得模糊, 因此需要合理选择邻域的大小。
2.2 中值滤波
中值滤波是一种典型的非线性平滑滤波方法, 中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替, 让周围像素灰度值的差比较大的像素改取与周围的像素接近的值, 从而消除孤立的噪声点。对于二维图像进行中值滤波处理时, 滤波窗口也是二维的, 但这种二维窗口可以有各种不同的形状, 如线状、方形、圆形、十字形、圆环形等[5]。中值滤波的主要步骤如下:
(1) 将模板在图中漫游, 并将模板中心与图中某个像素位置重合;
(2) 读取模板下对应像素的灰度值;
(3) 将这些灰度值从小到大排列, 找出位于中间的值;
(4) 将中间值赋予对应模板中心位置的像素。
3 一种新的图像预处理方法
假设图像为A, 其大小为m×n, 将该图像放入x-y坐标系中, 令以 (x0, y0) 为原点坐标, 图像水平向右为x轴正方向, 垂直向上为y轴正方向, 将图像分布在直角坐标系中, 如图1所示。
可以看到, 该图像的四部分分别位于坐标系中的四个象限, 对每一象限中的图像分别建立窗口, 如图2所示。例如, 在第一象限中的图像内容按照图2 (a) 窗口确定像素的灰度, 也就是说bi位置的灰度值由 (bi+ai) /2确定, 通过此方法使得邻域中远离原点的像素灰度值趋近于中部某元素的灰度值, 从而达到消除噪声的目的。按照此方法分别在四个象限的图像中遍历, 进而更替坐标轴外的所有像素点的灰度值。
由以上方法可以知道, 该方法和线性平滑滤波具有一定的相似性, 但是在邻域选取和遍历方式方面并不相同。以第一象限的图像为例, 下面给出该方法的具体描述。
⑴选择图2 (a) 的2×2窗口, 让该窗口的ai点和圆点O (x0, y0) 重合。
⑵将bi位置的灰度值由 (bi+ai) /2进行替换, 然后移动该窗口, 直至处理完该象限中的图像。
其它象限采取方法和上述一致。
对于同一人不同光照情况下的两幅图像进行处理, 处理前的图像图片色差大, 处理后的图片均匀了色差, 起到了良好的光照降噪效果。通过该方法处理后的图像, 光照产生的高光点 (来自于脸颊、眼睛等处) 将有效消除, 也会减少一些细节信息, 比如不清晰的眼尾和眉尾, 但是不会降低有效信息。
4 实验结果和分析
4.1 本文图像预处理方法在ORL数据库上的实验
使用2DPCA方法对本文提出的方法在ORL人脸库上进行性能测试, ORL数据库包含40个人, 每人提供10种不同的图像。这些图像面部表情和细节有所不同, 人脸具有一定的倾斜和旋转[6]。图3给出了ORL数据库中一个人的五幅图像。
实验中采用每类图像样本的前五张进行训练, 后五张图像进行测试, 分别在未经预处理的图像库和经过本文预处理方法处理过的图像库中进行人脸识别。
在ORL数据库中, 经本文提出的预处理方法处理后的图像设为数据库A, 未经预处理的图像设为数据库B。实验结果如图4所示。由实验知道, 数据库B中被错误分类的图像经过使用本文提出的预处理方法处理后得到了正确的识别。在图4的两组图像中, 待识别图像和错误分类图像由于光照原因或姿态相似度高而错误配对。其中图 (a) 中, 待识别图像和错误分类图像不论在发型、脸型、五官等方面都相似。经过图像预处理后, 图像的主要特征被增强, 而次要特征被减弱。在图 (b) 中, 可以看出该算法对眼镜这种遮挡物的鲁棒性非常好, 对镜框产生的遮挡、镜片反光产生的高光起到了降噪作用, 是否配戴眼镜并不影响识别效果。实际上, 该预处理方法对由于眼睛眼白部分产生的白色区域也有很好的处理效果。
另外, 在数据库A和数据库B中, 分别使用每类图像样本的4至9个图像作为训练样本, 使用2DPCA方法进行人脸识别, 实验结果如图5所示。可以看到, 当每类的训练样本取4个以上时 (2DPCA方法的特征向量数目取10) , 经本文预处理的图像识别率高于未处理的图像识别率。
4.2 本文预处理方法在Yale数据库上识别效果比较
为了进一步验证提出的预处理方法的有效性, 对本文预处理方法和线性平滑滤波、中值滤波在Yale数据库上进行实验比较。实验中采用每组前5个图像为训练样本, 剩下6个图像作为测试样本, 采用2DPCA和最近邻分类器进行识别。实验结果如表1所示, 可以看到, 在2DPCA做为识别算法时, 在Yale数据库中本文提出方法的识别率明显高于中值滤波和线性平滑滤波。
5 结论
本文提出了一种新的基于图像降噪的预处理方法, 算法对光照产生的高光和小面积阴影、斑点、眼镜框等有有效地去除效果, 同时也能够反映不同人之间的特征区别。算法在ORL、Yale人脸库上的实验中提高了识别率, 在Yale的对比试验中, 比中值滤波算法和线性平滑滤波算法的实验效果要好。
本文虽然在人脸识别预处理方法上做了一些尝试性的研究, 但是算法还是存在许多实际应用问题。在人脸识别中有很多问题有待解决, 随着人脸识别技术的发展, 可以结合新提出的算法进一步研究, 完善现有方法。
参考文献
[1]卢春梅, 牛海军, 郝琳波.消除光照和姿态变化影响的人脸识别[J].计算机工程与应用, 2008 (10) .
[2]A.Nabatchian, E.Abdel-Raheem, M.Ahmadi.Illumination invariant feature extraction and mutual-information-based local matching for face recognition under illumination variation and occlusion[J].Pattern Recognition, 2011, 44 (10-11) :2576—2587.
[3]H.F.Hu.Variable lighting face recognition using discrete wavelet transform[J].Pattern Recognition Letters, 2011, 32 (13) :1526-1534.
[4]宋召青, 郑苏, 李志成.基于平滑滤波与最小二乘支持向量机的人脸图像识别研究[J].Proceedings of 29th Chinese Control Conference, 2010, July 29-31.
[5]李登辉, 徐亚宁, 王岩红.人脸识别中图像预处理方法的研究[J].大众科技, 2011 (4) :65-66.
降噪处理 篇4
降噪就是大幅降低图像的轮廓锐度和细节来达到干净画面的目的，但降噪和保留细节是一个矛盾，降噪的同时也会丢失一部分细节。如何获得两全其美的处理效果呢?这就要用到NeatImagepro图像降噪软件了。 NeatImagepro是一款非常有效的图片降噪软件，它可以检测、分析并去除图像上的噪声干扰。过滤质量比一般软件要高，因为它考虑到了取像设备独有的特性，因此更为精确。使用NeatImagepro可以优化多种图像输入工具(数码相机、扫描仪等)产生的图片。
通过过滤的设定，用户可以非常容易地获得理想的噪声消除，非常适合处理曝光不足而产生大量噪波的数码照片，并且尽可能地减小外界对相片的干扰，输出图像可以保存为TIF、JpEG或bMp格式。下面就一起来看看如何使用NeatImagepro。 使用“设备噪点配置”功能降噪 启动NeatImagepro，点击“输入图像”按钮打开需要处理的照片(如图1)，如果打开的照片是由数码相机拍摄的，主界面右侧“EXIFinformation(EXIF信息)”框中还会显示该相片的详细EXIF信息，
打开需要降噪的图片
然后点击工具栏上的“设备噪点配置”按钮(如图2)，在配置对话框中对图片颜色较深、噪点比较明显的地方拖动鼠标进行取样，取样框是一个粗线矩形，注意取样框中的颜色要尽可能保持单一，而且取样的范围越大越好。在矩形框内点击右键，选择“使用选定区域自动配置”功能，马上就会对图片进行降噪处理了。如果不满意可以再选择图片其它地方采样，如果满意了，直接点击工具栏上的“输入图像”按钮保存图像即可设置噪点配置
提示：如果觉得自己采样不准确，还可以自动采样。点击右侧“设备噪点配置”下的“自动配置”，程序会自动分析取样框位置并自动完成降噪过程。 使用“噪点滤镜设置”降噪 前面的降噪方法，最大的缺点是不管采样是否合适，都会对图像进行降噪操作，如果图像很大，处理时间会很长，而结果很可能并不能让你满意。其实，很多时候只有图像的部分需要降噪，这时使用“噪点滤镜设置”降噪就可以了。 点击工具栏上的“噪点滤镜设置”(如图3)，我们可以在这里拖出一个细线的矩形区域预览照片降噪后的效果，如果满意输出图像就可以了。看看降噪后的效果吧
降噪处理 篇5
1、心电信号概述
心电信号 (ECG) 是典型的强噪声的非平稳的随机信号。正常心电信号的频率范围在0.01 Hz-100Hz之间, 而90%的ECG频谱能量又集中在0.25 Hz-35Hz之间。在心电信号的采集过程中, 会不可避免地受到一些噪声干扰, 常见的噪声干扰主要有以下三种:
(1) 工频干扰:由供电设备等在空间产生的电磁场引起的50/60HZ左右的干扰;
(2) 肌电干扰:由人体活动或肌肉紧张产生的5HZ-2KHZ的干扰; (3) 基线漂移:由病人呼吸运动等产生的一般小于1Hz的干扰。这些噪声干扰混入心电信号, 使得心电信号失去了原有的一些特性, 给临床诊断带来了很大的不便。因此, 心电信号的消噪有重要的意义[3]。
2、小波阈值降噪
信号去噪是信号处理领域的一个重要的问题, 小波变换在信号去噪领域已取得了越来越广泛的应用。阈值降噪法是小波去噪方法中一种实现简单的、效果较好的去噪方法。阈值降噪法的基本思想就是对小波分解后的各层系数中模大于和小于某阈值的系数分别处理, 然后对处理完的小波系数在进行反变换, 重构出经过去噪后的信号[4]。
2.1 阈值函数:
Donoho将函数分为软阈值和硬阈值, 设是小波系数的大小, 是施加阈值后的小波系数大小, 是阈值[5]
(1) 硬阈值
在小波系数的绝对值大于给定的阈值处, 令其为原值, 在其余处令其等于0, 表达式为:
(2) 软阈值
在小波系数的绝对值大于给定的阈值处, 令其都减去给定阈值, 在其余处令其等于0, 表达式为:
总的来说, 硬阈值与软阈值各有优缺点, 例如, 硬阈值函数可以很好地保留信号边缘等局部特征, 但由于其不连续性, 重构后的信号可能会有一些振荡;软阈值函数处理相对要平滑一些, 但会造成边缘模糊等现象, 使其偏离真实信号较大。
(3) 为了克服上述软阈值和硬阈值去噪方法的缺点, 引出了很多种阈值函数, 比如软硬阈值折中等等, 详见文献[6]、[7]等。
2.2 阈值的选取
阈值的选择是阈值去噪中最关键的一步, 应当满足以下两个条件: (1) 能够除去绝大部分的噪声; (2) 保留住信号的特征。
(a) 固定阈值
选取算法是令
λ=
(b) Stein无偏似然估计阈值
对于一个给定的阈值t, 得到他的似然估计, 再将非似然的t最小化, 就可得所选的阈值, P=[, …
其中K=0, 1, 根据所得到的风险曲线R (K) , 记最小的风险点所对应值为, 那么所得的阈值定义为λ=
(c) 启发式阈值
它是前两种阈值的综合, 所选择的是最优预测变量阈值。令
比较两变量大小, 如果μ
(d) 极大极小阈值
它的原理是令估计的最大风险最小化, 其阈值选取算法是, 令
λ=
3、仿真实验
通过查阅文献, 觉得心电信号与sinc函数相似, 因此用sinc函数模拟80HZ的心电信号, 用Dirichlet函数产生周期sinc函数波形[8], 其周期为2π, 幅度值为1.2, 以下的三种干扰都相应的折算成对应于此参数用来仿真。工频干扰用50HZ, 幅度值为0.04的正弦波来模拟。肌电干扰用高斯白噪声来模拟, 信噪比取为38。基线漂移用0.5HZ的正弦波来模拟, 幅度值取为0.12。分别加入三种噪声后的波形和一起加入三种噪声后的波形如下图所示:
使用wden函数, 设置参数为:选取软阈值使用方式, 根据每一层小波分解的噪声水平评估进行调整, 10层分解, sym6小波。
4、结语
本文使用sinc函数来模拟心电信号, 并通过设置wden函数的参数为sym6小波、10层分解、软阈值等对模拟的心电信号进行去噪。从仿真结果来看, 该方法能够在保持心电信号不失真的情况下有效的抑制工频干扰、肌电干扰和基线漂移, 同时保持心电信号的相关特性不变, 这对临床的治疗有很大的意义。
摘要：心电信号的检测是心脏病临床诊断的重要环节, 在去噪过程中, 由于心电信号具有非平稳特性且污染噪声分布范围大, 限制了传统线性滤波器的使用.为了能够有效地去除心电信号中的噪声, 本文利用小波阈值降噪法, 选取软阈值和sym6小波对心电信号进行十层分解处理。仿真结果表明, 该方法取得了良好的去噪效果。
关键词：心电信号,阈值法,去噪
参考文献
[1]韦高.基于小波变换的心电信号去噪法[J].中国医学装备.2010, 7 (8) :9-11.
[2]刘婷, 刘红秀.基于小波阈值变换的心电图去噪研究[J].广东药学院学报2008, 24 (6) :602-604
[3]赵德群.改进的小波图像阈值去噪方法[J].煤炭技术.2011, 30 (1) :187-189.
[4]周伟.基于MATLAB的小波分析应用 (第二版) [M]西安电子科技大学出版社2011
[5]罗强, 田化梅, 罗萍, 陈琦.基于平稳小波变换的心电信号去噪研究[J].计算机与数字工程.2006, 34 (6) :67-68
[6]樊启斌.小波分析[M].武汉大学出版社2009
[7]方明占.改进的小波阈值去噪法在心电信号处理中的应用[J].中国科技信息.2012, 8:139-140
降噪处理 篇6
关键词：大规模,多人实时语音,降噪,处理算法
0 引言
在当前的语音降噪处理过程中,要实现高噪音环境下的语音通讯的清晰度,就要突出在整个技术控制中的综合作用,通过使用多方面的技术控制,能全面提升降噪技术的整体进步。笔者通过结合整个噪音消除技术的运用,尤其是在大规模多人实时语音通讯的语音降噪处理中,要形成科学有效的算法处理,这样,才能起到更好的效果。
1 简述语音降噪处理的运用现状
1.1 重虑波电路技术的运用
这种技术在整个降噪的处理中,最主要的是不能实现对噪音的整体消除,因此,在整个技术控制过程中,由于自身原因等方面的影响,在模拟电路自身的特点中,在环境噪音发生变化的背景下,就会形成一些剧烈的变化。因此,模拟器也就不能适应外界环境的变化。这种传统检测方式的运用,为数字化语音降噪技术的实现提供了良好的基础。
1.2 硬件改进过渡到算法的提高
随着DSP技术的发展,降噪技术逐渐由以前的硬件上的改进,实现在精准算法上的提高。因此,实时处理算法的运用,可以直接决定整个降噪整体功能的发挥。其中,自动适用技术是降噪处理的重要方式,可以在不基于任何语音模型的使用过程中,实现语音特征的整体性,并产生更好的降噪效果。其中,传统的算法主要是包括基于时域的LMS算法以及频域的数字算法等,可以通过使用小波变化方法、高阶统计量方法、神经网络方法以及时频分析方法等。通过这种具体方法的运用,可以有效的提高整个算法的精准度。同时,在DSP高速芯片以及精准算法的出现,更好为实现数字化降噪技术提供了良好的基础。
2 大规模多人实时语音通讯降噪的模型与方法
2.1 大规模多人语音通讯的特点
大规模多人实时语音通讯强调的就是在多种状况下的语音运用模式,其中,最主要的就是通过利用信号处理技术的运用,在整个信号消除的过程中,形成对强噪音干扰的处理,并在提高输出信噪音比拟中提取出有用的信号与技术。在大规模多人实时语音的噪音表现中,具有多方面的特点。一是语音的时变性与非平稳性。早大规模多人实时语音系统中,由于不同人群在发音系统以及生理结构上的变化,尤其是在语速的表现中是不相同的。因此,就会出现一定的时变性。二是语音的不同种类表现。在语音系统的综合运用中,就会出现相应的语音表达方式,其中,主要是包括有浊音与清音等。在音频的表现中,主要是集中在较低频段内的清音段没有形成明显的时域与频域特征。因此,可以采用浊音的周期性特征,通过使用梳状滤波器来实现对整个语音分量以及对非语音信号的抑制。三是语音可以通过对信号的统计分析来实现对特征的整体描述。在语音的非平稳性的表现中,可以实现长时间的时间统计,尤其是通过高斯分布模型的中心极限处理方式,在高斯模型中应用有限帧长只是一种相对近似的描述,形成整体语音的综合控制。四是语音感知的整体优势。在大规模多人实时语音降噪的处理中,对于周期性噪声、冲激噪音以及宽带噪音等方式,在整个应用过程中,更好的实现对降噪技术中精准算法的运用。
2.2 几种传统的语音降噪方式
在传统的降噪技术运行中,主要是实现对语音信号的集中处理,从这些传统的语音降噪处理,可以起到更好的实际效果。一是频谱减法的运用。这种算法主要是通过对噪音的统计平稳度等,在这种方法的运用中,有语音期间的噪音振幅谱的期望值与无语音间隙噪音的振幅谱的期望值形成相等的方式,在这种算法中,可以形成多方面的技术控制。二是线性滤波法的运用。这种算法主要是利用语音的产生模型。在具体原理的运用中,主要是对于受加性稳态白噪音干扰的语音信号进行综合处理,在语音频谱的产生中,形成一种近似的运用包含语音噪音的预测效果,更好的形成对语音参数的准确设置。三是小波变换的算法运用。在小波分析的过程中,传统信号的建立主要是形成综合模式的运用,并建立在傅立叶变换的基础上的,通过建立多分辨率分析框架以及小波分析的关系,形成多方面的语音信号以及综合技术的处理功能。
3 探讨大规模多人实时语音通讯的语音降噪实时处理算法的运用
3.1 LMS 算法的运用方式
这种算法主要是实现对整个语音降噪技术的全面控制,在综合技能的实现中,可以全面实现对整体技术的控制,通过程序设计等方式的优化,更好的形成整个技术的控制。具体设计如下。
function [yn,W,en]=LMS(xn,dn,M,mu,itr)
% LMS(Least Mean Squre)算法
% 迭代计算
for k = M:itr % 第k次迭代
x = xn(k:-1:k-M+1); % 滤波器M个抽头的输入
y = W(:,k-1).' * x; % 滤波器的输出
en(k) = dn(k) - y ; % 第k次迭代的误差
% 滤波器权值计算的迭代式
W(:,k) = W(:,k-1) + 2*mu*en(k)*x;
end
% 求最优时滤波器的输出序列
yn = inf * ones(size(xn));
for k = M:length(xn)
x = xn(k:-1:k-M+1);
yn(k) = W(:,end).'* x;
end
3.2 子空间语音降噪法
子空间语音降噪法将带噪语音信号投影到语音信号子空间和噪声子空间两个子空间,语音信号子空间中主要为语音信号,但还含有少量的噪声信号,噪声子空间只含有噪声信号,因此对纯净语音的估计可以不考虑噪声子空间中的分量,只保留语音信号子空间中的分量。在信号与噪声子空间分解算法中先对信号进行一些假设:语音信号与噪声都是零均值的随机过程;语音信号在短时内是平稳的;语音信号与噪声是正交的;噪声是一个随机的白噪声;所有的信号都是各态历经的,即可以用时间平均来代替统计平均。根据时域约束条件,可以推导出语音信号失真最小情况下的最优估计器。在线性信号模型中,假定纯净语音信号为:
S=y*y(2-2)
其中吵为K×M的矩阵,其秩为M,是肘×1的矩阵。S的协方差矩阵为:
Rs=E Sr>=y?gr yr(2—3)
其中砖的协方差矩阵,为正定的。匙的秩为地有了前述的假设,可以将带噪语音信号表示为:
X=S+N=+N(2-4)
其中X,S和Ⅳ分别是K维的带噪语音信号、纯净语音信号和噪声向量。设x=s.X为纯净语音信号的估计,其中日为职K阶矩阵。则该估计器的误差信号￡为:
占=S—S=(日一D?S=H?N=6s+知(2.5)
其中,知和知分别表示语音信号的失真和残留噪声。
3.3 遗传算法在网络入侵检测系统中的应用
我们以计算机为工具,数据库为核心,用计算机技术和方法、网络技术和方法、通信技术和方法综合应用管理工程技术,行为科学技术等现代化科学技术,建立一个客户关系管理系统,以操作简便、界面友好、灵活、安全稳定为出发点,对各种资源信息进行管理,并在网络范围内进行共享。本测试系统服务器: CPU主频1 GHz以上,内存1 GB以上,硬盘自由空间在1 GB以上。服务器: 操作系统 为Windows2003Server或Windows XP,客户端。操作系统: MicrosoftWindows XP SP3或win7,同时,软件为B/S架构,用户使用IE浏览器即可登录并访问系统。为了保证数据的安全性以及平缓电网的波动给网络带来的影响,在服务器及工作站均采用了UPS不间断电源。
基于网络的入侵检测系统可以获得很多有价值的数据,去判别不良的意图。即使防火墙抗拒这些尝试,但防火墙之外的基于网络的入侵检测系统也能查出躲在防火墙后的攻击意图。基于主机的入侵检测系统无法跟踪未攻击到防火墙内主机的未遂攻击,而这些丢失的信息对于评估和优化安全策略是至关重要的,本系统设计的适应度函数为[4]:
式中: xi 为某个个体,a为正确检测到的攻击数目;A为总有攻击数目;b为被误判为攻击的连接数;B为总的正常连接数;m为xi 中1的个数; ?m 为m对于该适应度函数的相关系数,即高检出率低误报率使适应度函数值高,低检出率高误报率使适应度函数值低。个体中置l的位数越少,适应度值越大,这是出于寻找最小特征子集的考虑,其影响的强弱由相关系数d去控制。
对于终端主机网络安全技术来说,目前为人们所接受并大规模投入应用的主要有:杀毒软件、主机网络防火墙、各种辅助的安全工具。其中,杀毒软件主要用于计算机病毒和各种恶意代码的防护。主机网络防火墙可以对针对当前主机的网络访问流量进行简单控制并防护常见的针对主机的网络攻击行为,它可以大大减少来自网络的潜在威胁,各种辅助安全工具可以有针对性的对某些环境或软件起到专门的保护作用,如MSN防护盾、网银安全控件等。
{
status Set = null;
new Account Info Dao().Update Account Visit(account);
Document Box Item Daodoc Box Dao=newDocument Box Item Dao();
Queue Item Dao queue Dao = new Queue Item Dao();
statusSet = new DataSet();
foreach (Guid current Doc Guid in docguids)
{
Data Table doc Table =
doc Box Dao.Select Document Box Item Data Table(current Doc Guid.To String());
if (doc Table.Rows.Count == 0)
{
Log.SaveA ccess Log(client Ip, account, operator Name,operation, "
}
}
4 结语
通过结合数字化降噪处理技术的运用,可以有效的实现对大规模多人实时语音通讯的语音降噪实时处理算法,在这些算法的整体运用中,才能更好的降低整个噪音处理的功能。
参考文献
[1]胡旭,刘晓明,太云见,黄承彩,张敏.快速响应热释电器件降噪[J].红外技术.2004年03期
[2]赖睿,杨银堂.场景自适应的红外焦平面阵列非均匀性校正新方法[J].西安电子科技大学学报.2009年02期
降噪处理 篇7
工业过程设备复杂、生产环境多变化,提取出的数据信号往往受到噪声的干扰,直接利用这些受到污染的测量数据进行后续分析,必然会带来较大的误差。传统的降噪方法采用中值滤波,均值滤波等方法。但是当信号和噪声的频带相互重叠时(信号中混有白噪声),传统方法降噪效果较差[1]。基于小波包降噪方法通过引入可变的尺度因子和平移因子,在信号分析时具有可调的时频窗口,可以巧妙地解决时频局部化的矛盾,以弥补传统滤波方法的不足。
1 小波包变换
将多分辨分析[2]中的尺度子空间Vj和小波子空间Wj用一个新的子空间Ujn统一起来表征。定义子空间Ujn为函数un(t)的闭包空间,并令un(t)满足下面的双尺度方程:
其中,gk=(-1)kh1-k,即两系数也具有正交关系。特别地,当n=0时,直接得到:
由式(1)与式(2)构造的序列{un(x)}(其中n∈Z+)称为由基函数u0(t)确定的小波包。
设fjn(t)∈Ujn,则fjn可表示为:
fjn(t)分解为f2nj+1(t)和fj+12n+1(t),小波包分解算法为[3]:
f2nj+1(t)、fj+12n+1(t)和重构fjn(t)的算法:
小波包具有将随j增大而变宽的频谱窗口进一步分割变细的优良性质,可以对高频部分进一步分解,从而提高频率分辨率,是一种比多分辨分析更加精细的分析方法。
3 小波包阈值降噪
工程中,含加性噪声的一维信号模型可表示为如下的形式:
式(6)中,x(n)为含噪声信号,s(n)为真实信号,e(n)~N(0,1)分布的高斯白噪声,σ为噪声信号的偏差。降噪的目标是从被污染的测量信号x(n)中恢复信号s(n),信号s(n)可以由小波包分解后的小波包系数来刻画。小波包系数较大者,其携带的信号能量较多;小波包系数较小者,其携带的信号能量较少。小波包分解阈值降噪的基本思想是根据噪声与信号在各尺度上的小波包系数具有不同特性的特点,将各尺度上小波分量,特别是将那些噪声分量占主导地位的尺度上的噪声小波分量去掉,这样保留下来的小波包系数基本上就是原始信号的小波包系数,然后再利用小波包重构算法,重构原始信号[4]。由此可知小波包分析降噪的关键是如何滤去由噪声产生的小波包分解系数。工程中选取合适的阈值对小波包分解系数进行量化处理,将小于或等于阈值的小波包系数作为零处理,而仅仅用阈值以上的数据来重建信号x(n),既除去了大部分噪声,又保留了原始信号的特征。
因此,如何选取阈值和阈值函数,从某种程度上说,它直接关系到信号消噪的质量。常用阈值的选择有:固定阈值、Stein无偏似然估计阈值、混合型阈值、最小最大准则阈值。对上述阈值选择法,去噪时可以有2种阈值函数选择:硬阈值函数和软阈值函数。硬阈值能较好地保留信号的奇异点,软阈值函数提供了较好的平滑性。
利用小波包分析进行信号降噪处理按如下四步进行:
(1)对含噪声信号进行小波包分解
选择合适的小波和小波分解的层次N,然后对信号进行N层小波包分解计算。
(2)确定最优小波包基
在对信号进行小波分解时,可以采用多种小波包基,通常根据分析信号的要求,从中选择最好的一种小波包基,即最优基。
(3)小波包分解系数的阈值量化
对于每一个小波包分解系数,选择一个适当的阈值并对系数进行阈值量化。
(4)信号的小波包重构
根据最N层的小波包分解系数和经过量化处理的系数,进行信号的小波包重构。
3 仿真实例
所使用的数据集是通过运行TEP仿真模型得到,采集数据480个。为了模拟实际工业条件下的随机噪声,过程变量添加了均值为0,标准差为0.1的高斯白噪声。本文选用daubechines小波族的db5小波,分解层数为3,对数据进行小波包分解;依据最小shannon熵准则选取最优小波包基,阈值软阈值方法去噪。图一和图二分别给出了总进料量数据的小波包去噪前和去噪后的结果。从图中可以看出,利用小波包去噪的方法很好地抑制了过程噪声。
本文还将小波包降噪与小波及中值滤波降噪方法进行比较,结果如图三和图四所示。从图中可以看到,小波降噪和中值滤波降噪要逊色于小波包降噪。因为中值滤波是采用滑动窗口中点的中值取代窗口中心点的值,该滤波方法仅对去除脉冲噪声比较有效。而基于小波变换的滤波方法通过引入了尺度因子和平移因子,寻找对原始信号的最佳逼近,完成信号和噪声的区分。它不仅抑制了高斯白噪声,也保留了信号的局部信息。小波包分析则能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对小波变换没有细分的高频部分进一步分解,并能够根据被分析信号的特征,自适应地选择频带,使之与信号频谱相匹配,从而提高了处理信号的能力。小波包分析能获得更丰富的时频局部化信息。
4 结束语
小波包分解可以将低频带和高频带进行多层次划分,可以有效地滤除噪声干扰。本文以化工过程数据为例,对比了小波包降噪、小波降噪和中值滤波三种降噪方法。结果表明,小波包阈值降噪方法效果明显地优于小波降噪和中值滤波方法,可以很大程度地提高信噪比。
参考文献
[1]赵旭.基于统计学方法的过程监控与质量控制研究[D].上海:上海交通大学,2006.
[2]崔锦泰著.程正兴译.小波分析导论[M].西安:西安交通大学出版社,1995.
[3]李建平.小波分析与信号处理—理论、应用及软件实现[M].重庆:重庆出版社,1997.
降噪处理 篇8
小波变换是一种很好的时频分析工具,采用了多分辨率的思想,可以对信号进行局部细化处理,这使得人们在分析振动信号的时候使用小波变换变得更有实际应用价值[3,4,5,6]。但是小波变换在处理信号的时候只是对低频部分进行细分,高频信号则保持不变。实际应用中,许多信号比如非平稳机械振动信号、地震信号以及医学信号等,我们可能对这些信号的某段时间或某段频率比较感兴趣,正交小波分解对信号的低频部分进行逐层分解,高频部分不再继续分解,此时采用正交小波分解方法就存在一定的缺陷。考虑到小波变换的这个缺陷,人们在此基础上研究了小波包变换[7,8,9,10],它对低频与高频信号同时进行细化处理,在一定的频域范围内提高了时频分辨率。
本文就是利用小波包对振动信号进行去噪处理,结合阈值去噪的原理,在实验过程中适当调节阈值的大小,以达到比较好的去噪效果。
1 小波包变换的基本原理
设正交小波基的低通与高通滤波器系数分别为hn和gn。u0(t)和u1(t)分别表示的是尺度函数和小波函数,由以下公式
定义的集合为由u0(t)所确定的小波包[11]。
小波包分解不同于小波分解的地方就是对小波分解后的高频信号部分同样进行逐层分解。结果可以得到各层的低频信号与各层的高频信号。假设子空间用U表示,则:
式中下标表示分解的层次,上标表示同一层上不同的子空间。
对于任意尺度j下的小波空间Wj可以进行如下分解:
如果设f(t)为一个时域信号,Pji(t)表示小波包系数,G,H表示的是不同的滤波器组。则二进小波包分解的快速算法为:
重构算法如下:
上式中j=J-1,J-2,.....,1,0i=2j,2j-1,.....,2,1,J=log2N,h与g为重构滤波器。
2 小波包阈值去噪方法
D.L.Donoh[12]提出的阈值降噪方法在信号降噪方面效果很好,关键是如何选择阈值函数,也就是对我们设定的阈值怎么处理,对小于或者大于阈值的小波系数处理方法也是不一样的。目前使用比较多的是硬阈值和软阈值两种阈值处理方法。设wi,j是含噪信号在尺度i上的第j层的原始高频小波系数,T是选取的阈值,表示阈值化后得到的估计小波系数。
硬阈值处理方法:
软阈值处理方法:
式中,sign()作为符号函数。
对一维信号进行小波包阈值去噪[13,14]步骤如下:
(1)选定一种合适的小波基函数后,对信号进行N层的小波包分解。
(2)对分解后的各层高频系数进行阈值量化处理,首先选取合适的阈值,然后采用去噪效果比较好的软阈值去噪方法,得到去噪后的各层高频系数。
(3)利用小波包进行信号的重构,根据第N层分解后的低频系数以及经过阈值量化处理后的高频系数进行小波包重构,实现信号的去噪。
在以上步骤中,首先要选择合适的小波基函数,本文选用的小波基函数主要是sym6和db2小波,其次是分解层次,选择3-5层分解效果比较好,最重要的是阈值的选取,在本文中阈值按照以下公式(7)中的原则选取,所有的各层高频系数都采用这个全局阈值进行处理。
如果阈值去噪效果不是很好的话,可以适当调整阈值的大小,以达到比较满意的效果。
3 实验结果与分析
对一个加噪的信号进行小波包阈值去噪效果如图1所示。图中,选用“sym6”小波进行5层小波包分解,利用全局阈值进行软阈值去噪处理,得到图1(c)为全局阈值的去噪效果,(d)为第一次调节阈值(阈值取全局阈值-1)的去噪效果(,e)为第二次调节阈值(阈值取全局阈值+5)的去噪效果。从去噪的结果来看,小波包可以取得比较好的去噪效果,特别是(d)图的去噪效果更好,不但可以去除噪声还可以比较好的保留原信号的特征。从中我们也发现影响去噪效果的好坏与阈值的选取以及阈值的量化都有很大关系,所以在信号去噪方法中阈值的选取与量化方法是很关键的。
此外,我们还可以借助于定量参数来比较去噪效果,这里选用信噪比SNR和均方误差MSE。SNR与MSE的定义公式如下:
公式(8)和公式(9)中的x(n)为长度为N的原始信号,为原含噪信号去噪后的估计值。如果计算后信号的SNR越大,MSE越小,就说明去噪的效果越好。定量评价参数见表1,通过视觉效果与去噪评价参数可以看出,小波包具有一定的信号消噪能力,关键是要选择合适的阈值。
我们利用传感器从汽车齿轮箱上获取一段振动信号见图2(a),使用“db2”小波基函数,进行3层小波包分解,阈值选用公式(7)定义的全局阈值,然后适当调节阈值进行小波包阈值去噪,阈值方法选用软阈值去噪,全局阈值的去噪效果见图2(b),第一次调节阈值的去噪结果(阈值取全局阈值+1)见图2(c),第二次调节阈值的去噪效果(阈值取全局阈值+4)见图2(d),以下图形中横坐标表示的是采样点数,纵坐标表示的是加速度的幅值。由于我们实际获得的振动信号本身存在比较复杂的噪声,难获得无噪声的振动信号,所以没有办法计算信噪比和均方误差。但是,可以从视觉效果上看出,对于非平稳信号小波包具有一定的降噪能力,选择不同的阈值去噪的效果也不一样,可以通过调节阈值的大小达到比较好的降噪效果。从图2中可以发现第二次调节阈值后的(d)图去噪效果最好。
4 结束语
本文通过对小波包理论的研究,结合阈值去噪的方法,实现了对振动信号去噪的处理,实验表明,小波包分析在齿轮箱振动信号去噪方面具有一定的优越性,但是阈值的选取这方面还是研究的重点问题。本文通过调节全局阈值的大小,可以得到比较好的去噪效果。然而,我们利用加速度传感器获得齿轮箱的振动信号是一种十分复杂的信号,本文只是对小波包用于振动信号的阈值去噪方法做了一些研究,今后可以考虑将小波变换与分形以及神经网络联系起来,以便于找到更好的振动信号分析方法。此外,阈值的选取也是信号去噪的关键,今后还需要对阈值的选择规则做更深入的研究。
摘要：通过研究小波包变换的基本原理,结合小波包阈值去噪的方法,分别对仿真信号以及采集到的汽车齿轮箱振动信号进行小波包去噪处理。选用合适的小波函数对信号进行小波包分解,对分解后的小波包系数进行全局阈值处理,适当调节全局阈值的大小,实验表明当阈值选择合适的情况下,可以得到比较好的去噪效果。
内燃叉车降噪措施 篇9
国内外对内燃叉车噪声限值均有规定。欧盟对非道路设备的噪声限制规定是2000/14/EC《成员国关于户外机械设备环境噪声排放的一致性法规》。该法规对57类户外设备中的63种噪声排放做出了规定,其中22种设备规定了噪声排放限值,41种设备要求标明噪声排放值。同时,针对每种具体设备制定了排放噪声的测定方法。相应的试验标准为欧盟EN 12053-2001《工业车辆安全噪声测量试验方法》。
我国叉车一直采用部颁标准JB/2391-94《0.5～10 t平衡重式叉车技术条件》,该标准要求汽油机叉车车外最大噪声值不得大于86 dB(A);柴油机叉车为89 dB(A)。检测方法按照JB1496《机动车辆噪声测量方法》中关于拖拉机试验方法的规定执行。
为提高产品竞争力,一些知名叉车制造企业制定了更高的噪声内控标准,合力叉车的噪声内控标准见表1。
2007年国家相关部门制定新标准JB/T2391-2007《500～10 000 kg平衡重式叉车技术条件》,在安全、环保章节中规定了叉车机外噪声辐射值,见表2。
新标准要求叉车机外噪声辐射限值试验方法为JB/T 3300《平衡重式叉车整机试验方法》(送审稿)中规定的平衡重式叉车辐射噪声的测量方法。该方法与欧盟EN 12053-2001标准一致。
二、降噪措施
为了达到欧盟指令要求,就要根据待降噪的叉车现状,兼顾成本、工艺性等寻求最合理的叉车降噪措施。
1. 总体设计时注意降噪
叉车噪声大小如实地反映了叉车的设计与制造的水平,因此要在设计叉车时注意尽量降低噪声,主要途径如下:
(1)选用发声小的材料制造零件
叉车零件材料大多是金属,如钢、铝、铸铁等,这些材料的内阻尼小,传播振动时消耗能量很少,但辐射率却不小,所以常辐射出许多声能。有些合金,如铜锰合金或铜锰锌合金则具有较大的内阻尼,有的称为哑金属,它们传播声能或辐射声能的能力比较差。铸铁的传声能力也比钢差。
(2)降低激振力
激振力主要来自机械运动中的撞击、力的不均匀传递、旋转件的动平衡不良、接触不良和间隙过大等。因此,降低激振力就往往在满足设计性能的前提下要改变设计参数,减小撞击件的质量,降低撞击速度,用连续运动代替不连续运动,控制配件间的间隙,合理安排润滑,减小摩擦力和提高机械运动部件的平衡精度等。
(3)改进零件形状
改变轴的直径,增多台阶数,会增大对轴的纵向传动波的阻抗。将矩形平面改变成几个三角形,会增大其自然频率。采用最佳的风扇叶片形状,能减小气流噪声。设计时,通过改变零件形状,能明显降低机械系统的噪声。
(4)隔断机械系统内波的传播
在机械系统中波的传播方向上如果采用两种材料,制成不连续的结构,能有效地隔断波的传播。
采用倾斜支承、弹性支承可将振动限制在支承上,使其不能继续传播。
(5)设计中安排能够吸收振动能量的结构
在结构中采用缓冲材料,例如采用柔性联轴器、弹性接头、增加缓冲垫和采用阻尼材料等,均能使波动能量在机械系统中传播时被吸收很大一部分。
(6)避免零件的固有频率应与机械系统外力作用时的频率相近
如果作用力的频率与一个零件或整个系统的固有频率相一致或接近,便会发生共振,使整个系统的振动及噪声都加剧。
(7)改变传动装置
带传动比齿轮传动的噪声低,斜齿轮传动比直齿轮传动的噪声低。带传动中齿形带又称无声带,噪声最低。三角带比平胶带滑动小,噪声也小,但不适宜于高速传动。
齿轮的线速度与噪声的关系很密切。如果齿轮线速度降低1/2,则噪声比原来的会降低约6 dB。对于变速器的设计,传动链要尽量短,传动件应尽量少,尽量减少中间传动轮,惰轮的线速度也要尽量低。
(8)采用合适材料降噪
控制机械噪声方面常用的材料有3种:对于空气发出的噪声有吸声材料和隔音材料;对于结构发出的噪声有阻尼材料。
吸声材料内部具有许多互相连通的孔。带有声波的空气到达这类材料表面时在这些小孔中产生振荡,将引起小孔中空气黏性流损耗;由于材料纤维的运动引起内摩擦损耗。如玻璃纤维、纤维板等。
隔音材料一般是质地比较致密的、质量重的、不透气材料。如铝板、双层玻璃窗等。
阻尼材料在加载期间,外界对材料所作的功大于卸载期间材料放出的能量,材料能把一部分能量转换为热能。如磁铁、橡胶制品等。
2. 通过改进制造工艺降噪
机械产品噪声大小与其制造工艺关系很大,提高加工精度,降低粗糙度,能减小摩擦噪声与颤振。提高装配质量,保证回转部件动平衡和装配的同心度,以减小偏心振动,都能降低噪声。
3. 改进发动机与轮胎的构造
对定型叉车,降低噪声的主要措施是改进发动机和轮胎的构造,以减少噪声源。同时,还需改进发动机的附件配置,增加机罩隔声层等。具体措施如下:
加大消声器容积,降低发动机加速时的排气噪声;采用吸气谐振器,通过谐振器的膨胀、干涉,抑制吸气的脉冲,从而降低吸气噪声;将隔热垫改为高密度、短纤维材料,使吸声性能提高;在护顶架及配重间隙、前板与仪表架间隙等处加装橡胶密封垫,防止漏声;在确保冷却性能的前提下,尽量减小风扇的转速;将多路阀通过防振橡胶安装,以抑制油泵处发出的脉动声音;在内、外门架的活动部分装上树脂性限位活块,防止门架晃动声音;选择高品质、低噪声的发动机,在确保整车性能的前提下,尽量降低发动机的额定转速,并改善发动机支脚橡胶垫性能;选用纵向花纹轮胎或子午线轮胎;在发动机排气管中间装上波纹管。