用连续小波变换识别内燃机噪声源

为了直接利用连续小波变换进行内燃机噪声源识别，提出了一种连续小波变换的改进算法. 研究了信号组成成分的幅值和频率变化对小波系数的影响，根据连续小波变换的基本性质，对连续小波变换后产生的与信号频率有关的衰减系数进行修正，通过对比分析从Matlab6.5的小波工具箱中找出了适合振动噪声信号分析的小波函数.工程信号的分析结果表明，经过对连续小波变换后小波系数的修正，使小波系数的大小能正确反映信号各组成成分的幅值大小，从而可以利用小波系数形成的云图直接进行内燃机噪声源识别.     

内燃机噪声源识别的小波相关系数方法研究

为了分析内燃机(ICE)噪声信号的时频特性和识别主要噪声源,研究了小波变换中尺度与频率之间的关系,重新定义了连续小波变换,并基于不同小波对同一信号分解时小波系数之间存在极大相关性,提出用规范化相关系数时频图分析噪声信号和识别内燃机噪声源的新方法.新方法能够准确地对信号进行时间和频率定位,且频域结果与信号功率谱相当吻合.对发动机声学信号进行了时频分析,同传统连续小波变换相比较,该方法能够更好地反映信号能量的时频域分布状况.结合声强结果,声学信号时频图能够直接地显示不同噪声源的时频特征.     

一种新的小波包络检测快速算法及其应用

针对传统包络解调分析方法需要人为选定共振频带的缺陷, 提出一种用 Morlet 小波和连续小波变换实现的包络检波算法. 该方法利用小波变换时-频分析的优势, 用傅立叶变换快捷计算小波变换系数, 从而有效提取各共振响应频带的调制频率. 经实验验证, 该方法能有效地提取信号包络, 准确地提取出滚动轴承的故障频率.     

一种基于小波和分形理论的电台个体识别方法

从调制信号中提取发射电台的频率稳定度特征进而实现个体识别是一项极具挑战性的课题。针对MPSK信号提出了一种基于小波和分形理论的特征提取方法。该方法首先利用连续小波变换把MPSK信号幅度中的振荡器频率稳定度信息转移到小波系数中,然后从统计角度提取小波系数的盒维特征,最后用K-最近邻分类器进行个体区分。仿真实验表明,在10dB～20dB内,对于载波频率稳定度差异为ppm级的MPSK信号,该算法平均分类准确率可达95％,为通信电台个体识别技术的实用化提供了进一步理论依据。     

线性自适应小波理论的齿轮箱故障诊断方法

针对早期齿轮箱故障信息淹没在背景组分中的问题,提出了基于线性自适应小波理论的齿轮箱故障诊断方法.该方法基于希尔伯特变换(HT)和自适应小波变换(AWT),能从低频的调制振动信号中区分并识别不同程度的裂纹故障.首先用希尔伯特变换提取调制振动信号的包络值以显示调制频率.然后利用自适应小波变换来处理由希尔伯特变换得到的调制信号,其中在自适应小波处理希尔伯特变换后的调制信号的过程中利用粒子群算法(PSO)对过程参数进行优化.实验结果表明该自适应小波变换能通过过程优化小波找到匹配振动信号的啮合频率及其谐波、耦合频率、载波频率及其边频带,能够从调制信号中提取出特征参数,且具有较高的分辨率.     

基于小波系数稀疏性的数字调制样式识别

采用小波变换提取信号突变点信息,根据归一化前后数字调制信号小波系数稀疏性的不同特点,提出两个稀疏度参数和一种利用信号稀疏特性的类间调制样式识别算法。仿真结果表明,在低信噪比时方法比传统小波变换方法具有更高的正确识别率,算法复杂度低,且不需要码元同步。     

基于小波分析的声全息识别运动声源的方法

在声全息法识别运动声源理论的基础上,建立了基于小波变换消除多普勒效应的方法。给出了声全息法识别运动声源的理论模型,并对识别过程中的多普勒效应问题进行了分析,提出了相应的解决方法。实验结果表明:该方法能够准确识别运动声源,而且比传统方法更符合声源实际位置,有效地解决了原方法中需要预先已知声源的真实频率才能完全消除多普勒效应的缺点,提高了运动声源的识别精度和计算效率。     

表面肌电信号的小波消噪改进算法

根据在不同尺度下信号和噪声的小波变换系数的相反特性，提出了一种改进的小波消噪算法来去除肌电信号中的噪声.利用Mallat算法对肌电信号进行小波分解，实质上就是将信号投影到尺度空间和小波空间，分别包含了信号的光滑通道分量和细节分量.兼顾软阈值和硬阈值量化方法的优点，利用两者的加权平均值滤除由噪声所决定的小波变换系数，从而在大尺度下补充细节信息并保持信号在奇异点的特征.利用保留下来的小波变换系数进行信号重构即得到消噪后的信号.实验结果表明，该方法可以有效去除噪声，兼顾了软、硬阈值的优点，保留了在模式变化过程中肌电信号细节部分的有用信息.     

基于解调振动信号特征提取齿轮箱的故障诊断

通过振动信号的可调频率成分研究齿轮裂纹尺寸的故障识别,振动信号分析是基于Hilbert变换和自适应小波.Hilbert变换用于获得振动包络,从而从低信噪比的振动信号中解调载波频率,自适应Morlet小波建立振动信号模型,从而从解调载波频率中提取特征,以鉴定齿轮箱中齿轮的裂纹尺寸.该方法用于分析在不同角速度、不同负载转矩和不同裂纹尺寸下的试验振动信号,结果表明,该方法用于鉴定齿轮箱中齿轮的裂纹尺寸是灵敏和有效的.     

基于小波变换的二氧化硫污染气体检测

目的提出一种采用小波变换的Mallet分解算法,解决二氧化硫污染气体检测中消除各种复杂的噪声问题.方法从小波变换特性出发,将信号用Mallat分解算法分解为不同频带信息.在信号检测及去噪过程中,设定一个检测信息频带,使频率处于此频带的信息分离出来,而其他空间向量全部置为零.结果通过将小波变换去噪技术应用于荧光信号的滤波处理,可使埋于噪声中的荧光信号有效地测量出来.结论该信号处理方法可达到有用频带信号检测而其他频率信号去除的作用,为精确确定二氧化硫气体浓度提供了良好的基础.     

飞机超速音频警告信号的提取与特征分析

为了弥补用传统舱音分析方法获取舱音背景声的特征不准确性,根据计算机音频原理和舱音译码系统,从飞机舱音记录器(CVR)记录的多种舱音信号中提取出了超速音频警告信号,得到超速音频警告简单特征;根据小波理论,找出了适合精确分析超速音频警告特征的一维离散多尺度小波分析方法,得到了信号的详细特征;经过小波系数分析,确定了超速音频警告最大幅值在CVR中精确位置.应用表明:文中研究方法和研究结果对调查飞机事故具有一定的指导价值.     

Damage localization for beams based on the wavelet correlation operator

The continuous wavelet transform (CWT) is one of the crucial damage identification tools in the vibration-based damage assessment. Because of the vanishing moment property, the CWT method is capable of featuring damage singularity in the higher scales, and separating the global trends and noise progressively. In the classical investigations about this issue, the localization property of the CWT is usually deemed as the most critical point. The abundant information provided by the scale-domain information and the corresponding effectiveness are, however, neglected to some extent. Ultimately, this neglect restricts the sufficient application of the CWT method in damage localization, especially in noisy conditions. In order to address this problem, the wavelet correlation operator is introduced into the CWT damage detection method as a post-processing. By means of the correlations among different scales, the proposed operator suppresses noise, cancels global trends, and intensifies the damage features for various mode shapes. The proposed method is demonstrated numerically with emphasis on characterizing damage in noisy environments, where the wavelet scale Teager-Kaiser energy operator is taken as the benchmark method for comparison. Experimental validations are conducted based on the benchmark data from composite beam specimens measured by a scanning laser vibrometer. Numerical and experimental validations/comparisons present that the introduction of wavelet correlation operator is effective for damage localization in noisy conditions.     

基于小波域的鲁棒音频数字水印算法

为有效保护音频数字产品,增强其抗同步攻击能力,在小波域的基础上,提出了一种新的盲检测数字音频水印算法.先将完整音频进行三层小波分解,取其低频系数,再对每个音频帧进行三层小波分解,也取其低频系数,最后分别求出两组低频系数的平均值,并进行比较判断水印嵌入位置.嵌入水印后的音频信号与原音频信号在听觉上是相似的.实验结果表明,该方法既可增强水印的不可见性,又能抵御多种攻击,具有很好的鲁棒性和实用性.     

基于小波包的遥感图像融合新算法

提出了一种基于正交小波包的局域方差遥感图像融合新算法．该算法利用正交小波包变换,把图像分解成不同尺度的低频和高频部分,采用小波包局域窗口和子区域窗口统计,把小波包系数分类成边缘和非边缘系数．在融合处理中,把低频图像的小波包系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应图像小波包系数的多窗口区域方差,来确定融合后高频小波包系数．实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,有效且优于其他图像融合算法．     

基于小波变换的内燃机瞬时转速信号的分析

使用非线性离散序列的小波变换 (DTWT)对同时存在高频噪声和高斯白噪声的内燃机瞬时转速信号进行去噪 .通过对此信号进行频谱分布的分析 ,用Donoho的阈值去噪法去除高斯白噪声之后 ,根据小波变换的多分辨率思想 ,提出了仅使用小波变换的尺度系数进行小波反变换来去除高频噪声 ,然后运用小波反变换来恢复内燃机瞬时转速信号的方法 .实验结果表明 ,此方法能够较精确的去除噪声 ,恢复内燃机瞬时转速信号 .     

基于QPSO＋CWT的结构模态参数识别

通过对结构响应进行连续小波变换,将结构多自由度模态参数识别问题转化为多个单自由度模态参数识别问题。为简化识别和提高识别精度,采用量子行为粒子群优化将CWT解耦信号的模态识别问题转化为智能优化问题,进而一次性同时识别出模态参数,最后通过六层框架的数值模拟验证QPSO＋CWT法的可行性与有效性。     

对称小波变换用于非平稳信号检测和去噪

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于对称小波多层系数乘积的信号去噪算法,该算法首先对信号进行多尺度小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值,归一化和去除噪声小波系数;再利用归一的模极大值与相邻低层小波系数再次相乘作为对应层次的小波系数,逆变换得到去噪后的信号。实验仿真表明:该算法在有效去除噪声的同时,还能突出信号中的突变点。     

基于插值替换的小波域音频水印算法

对一个给定信号的采样点集进行插值可以得到近似的数值点,利用该性质提出了一种基于插值替换的小波域音频水印算法。首先对话音信号整体进行小波分解,将其划分成若干频带,然后根据人耳听觉的频率掩蔽效应,选择出对人耳听觉不敏感的频带所对应的小波系数,将其分帧后采用样条函数插值来实现水印的嵌入。实验表明,嵌入水印后的语音信号不仅具有良好的不可感知性,而且对诸如加噪、低通滤波、重采样、重量化、回声、Mp3压缩、去同步等攻击具有很强的鲁棒性。