文章摘要:钢丝绳损伤信号是一种非平稳无周期性的冲击信号，其特征信号的降噪处理和特征提取成为亟待解决的难题。小波变换方法的小波基或者分解层数不适合，会在信号降噪的同时引入其他噪声干扰，影响信号处理与特征提取的效果。相较于小波变换方法，移位平均法只需要选择一定的移位窗宽即可实现对信号的有效降噪，但移位窗宽需要人为选择，盲目性大。针对上述问题，提出一种强噪声背景下钢丝绳损伤信号降噪方法。利用钢丝绳漏磁检测传感器采集不同类型的断丝数据，向信号中加入强高斯白噪声，以模拟强噪声背景；采用自适应移位平均法对钢丝绳损伤信号进行降噪，利用量子粒子群优化（QPSO）算法优化移位平均法的窗宽；将损伤信号的信噪比（SNR）作为适应度函数，通过QPSO算法使得SNR最大化，从而实现最优信号降噪效果。实验结果表明，对于强噪声背景下的钢丝绳平稳和波动信号，相较于小波变换，自适应移位平均法的降噪效果更明显，信噪比更高，信号更为平滑。实测结果表明，对于现场采集的噪声相对弱一些的钢丝绳损伤信号，自适应移位平均法的降噪效果也比小波变换好，验证了自适应移位平均法具有较好的通用性。

文章关键词:

论文DOI:10.13272/j.issn.1671-251x.2021070012

论文分类号:TD532;TB535