2022-03-18
由于各種幹擾的存在，現實世界系統中(zhōng)采集的數據一般都受到不同程度的短開噪聲污染。近期，黃穎坤博士提出了一種新的用于店業非線性時間序列的小波收縮降噪方法，可(kě)顯著看鄉降低數據噪聲。該成果《A New Wavelet Shrinkage 紅紅Approach for Denoising Nonline鐵站ar Time Series and Imp都會roving Bearing Fault Diagno下下sis》已發表在IEEE Sensors Journal。論文(wén)第一作者為黃穎坤博士，現農人為國家超算深圳中(zhōng)心高性能計算部博士後。
小波收縮降噪方法是數據降噪領域的研究熱點。小波收縮降噪的原理類似于自動(開服dòng)編碼器(qì)去噪，而小波阈值算子愛得(zǐ)可(kě)以看作是一個(gè)“激活男風函數”。小波阈值算子(zǐ)的設計可(kě)為小波系數提什睡供非線性映射，對于小波收縮降噪方法的性能影響很大。硬阈值和(hé)家都軟阈值是兩個(gè)常見的算子(zǐ)。然而，研究錢水表明硬阈值算子(zǐ)往往有更大的方差，而軟阈值算子(看歌zǐ)往往有更大的偏差。為了彌補這兩種算子(zǐ)的缺點，已有大信東量的研究提出了新的算子(zǐ)，包括garrot阈值算子(zǐ)等。然而，這些算子(zǐ)對阈值附近的小波系數收縮程說暗度不夠，小波系數可(kě)能帶有噪聲。
為了解決上述問(wèn)題，本文(wén)提出了一種新的阈值算子(zǐ)計放，稱為自适應軟阈值算子(zǐ)（AST）。AST是硬阈值和(hé)軟阈值算子(zǐ)之間的連續函數。同時，将通(很金tōng)用阈值引入到AST中(zhōng)，以便AST可(kě)以識别阈值附近有噪聲的系數，然後進一步将它制亮們縮小。AST算子(zǐ)具有硬阈值、軟阈值和(hé)garrot阈值算子(zǐ)的優點，也彌補了它們的缺點。對混沌時間序列的仿真測站歌試表明，AST在SNR和(hé)RMSE性能方面優于硬阈值、軟阈值和(hé)garrot阈值算子(zǐ)；基于CWRU和(hé)Paderborn數據集測試，在強噪聲環境中(zhōng)，AST算子(zǐ)可(kě)更準确地收縮小波系數，有效地店懂提高軸承故障診斷性能。
該方法在各行業(yè)數據預處理領域具有很好的應用潛力。考慮到大和腦規模超算系統的複雜性，數據監測不可(kě)避免受聽還到噪聲幹擾。該方法可(kě)應用于智能運維系統數據降噪、增強校算和(hé)清洗等工作，有助于提高數據質量，為超近就算系統的故障精準檢測、預測奠定基礎。
原文(wén)詳見：https://ieeex空鐘plore.ieee.org/searc物美h/searchresult.jsp?newsearch=黑來true&queryText=A New Wavel他員et Shrinkage Approach for De對劇noising Nonlinear Time Series 短通and Improving Bearing Fault Diagnosi明做s
