小波变换与傅立叶变换在信号消噪中的对比研究

由于小波变换具有良好的时-频特性,从而为其在信号降噪中的应用提供了广阔的前景.通过傅立叶变换和小波变换在信号消噪中的对比研究可以看出,小波变换对奇异信号极其敏感,使得其在非平稳信号的消噪中显出了得天独厚的优越性.     

奇异性检测中小波基的选取

通过分析和计算几种小波对不同奇异性信号的变换过程,验证了小波变换方法在判定信号奇异性中的作用.比较了几种小波变换的效果,提出了对阶跃、三角波等信号进行奇异性检测时小波的基本选取规则.     

基于小波理论的电力系统谐波检测方法

提出了对电力系统中稳态谐波和暂态谐波的不同检测方法.阐明了小波理论的基本原理,对复合信号进行了小波变换和小波包变换的仿真分析和比较.仿真结果表明,对稳态谐波检测时适合采用小波变换,对暂态谐波检测时适合采用小波包变换.     

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.     

用A计权连续小波变换识别内燃机噪声源

为了适应内燃机噪声声源识别的需要,当用连续小波变换进行信号分析时,常对小波变换算法作适当的改进.依据连续小波变换的叠加性和尺度转换性质,提出了变换后小波系数的频率修正方法,即在修正小波变换时对信号中不同频率成分小波系数的不同衰减,使变换后小波系数的大小能够准确反映信号中不同频率成分的幅值特性,在此基础上提出了A计权连续小波变换算法,对频率修正后的小波系数进行A计权修正,使之更加适合实际工程中声源识别的需要.利用该方法对某发动机进行了噪声源识别,取得了良好的识别效果.     

小波变换在语音识别中的应用研究

将小波变换用于语音信号的消噪、信号压缩,利用小波变换对压缩的信号进行重构是小波变换的一些典型应用,从中可以看出小波变换在分析信号跳变时的优势,并为小波分析用于语音信号的进一步处理打下基础。     

傅里叶变换与小波变换在信号故障诊断中的应用

研究了傅里叶变换与小波变换在信号故障诊断中的应用。仿真表明，小波变换在检测信号突变点方面比傅里叶变换优越得多，且利用小波变换可以精确地检测出信号突变的时间与位置。最后探讨了在应用小波变换进行故障检测时小波基的选取原则。     

基于小波的奇异信号检测

介绍了小波变换的基本理论、奇异信号的特性及小波变换用于奇异信号检测的基本原理.并在Matlab下进行奇异信号的仿真试验,取得了理想的效果.实验结果表明,小波变换在奇异信号的检测中是有效的.     

小波分析在超声信号采集消噪中的应用

在使用超声波探伤设备进行探伤过程中,为了抑制噪声信号对缺陷识别和判断带来的影响,采用小波分析的方法,利用Daubechies小波家族的db2做小波函数,借助于小波变换的时-频局部分析特性,对超声波回波信号进行了多分辨率分析.在每一阶设定不同噪声阈值,对输入信号进行噪声去除,并进行信号重建.实验证明,使用该方法能够有效地实现对超声波回波信号的噪声抑制,提高超声波的探伤精度.     

小波神经网络用于非线性函数逼近的研究

神经网络具有良好的学习特性,而小波变换具有良好的时频局部化特性,将二者结合在一起构成小波神经网络,网络隐层采用morlet小波函数,输出层采用线性函数,可使该网络兼具神经网络和小波变换的优点.作者分别用小波网络和BP网络逼近一非线性函数,其结果表明,在相同的误差条件下,小波网络的收敛速度要远远快于一般的BP网络.     

基于复互小波分析的模拟电路故障诊断方法

针对模拟电路故障诊断研究中故障特征提取的难题,提出基于复互小波变换的相对幅度?相对相位协同分析的新方法,并根据复互小波变换的特点构建了故障敏感信息提取算法。使用复互小波变换能同时提取模拟电路在不同频率和时间尺度上的故障特征,并且相对幅度和相对相位信息分别从信号“能量”和“时间延迟”两个不同角度表征模拟电路的故障信息。该方法同时使用了蒙特卡洛方法构建正常电路元器件的容差范围,仿真实验结果表明该方法可以有效地解决模拟电路中灾难型和参数型故障诊断问题。     

基于多进制小波变换的图像压缩编码

小波变换具有良好的时－频局部化特性,采用小波变换能有效地解决其他压缩方法所带来的“方块效应”。利用多进制小变换并结合其他方法对图像进行压缩,能取得较好的效果。     

小波变换思想及其在信号处理中的应用

从傅里叶变换、短时傅里叶变换到小波变换的思想发展过程中分析了小波变换发展的必然性和重要性,并通过MATLAB仿真工具比较了三种变换在信号处理中的应用。实验结果表明,小波变换无论是对信号的时间定位还是对信号的频率定位都优于傅里叶变换和短时傅里叶变换。     

基于小波理论对双线性结构地震响应分析

本文应用小波时频分析方法对双线性单自由度(SDOF)结构的动力特性进行了研究。基于结构在地震动输入下的响应,分别采用连续小波变换(CWT)和离散小波变换(DWT)识别了结构在响应过程中的频率变化情况和双线性结构的屈服和卸载时刻。结果表明,小波分析方法能准确地识别结构在非线性地震响应中的频率变化和屈服、卸载时刻。     

小波变换在时间序列信号长程预测中的应用

讨论时间序列信号长程预测的原理和卡尔曼滤波预测模型及其改进模型的应用,及小波变换在时间序列分析长程预测中的应用,通过小波变换将时间序列信号分解,再重构低频信号,从重构后的信号中进行重采样提取时间序列子序列用于信号长程预测的方法.     

小波变换在瞬态信号检测中的应用

阐述了利用小波变换（ＷＴ）进行信号瞬态检测的原理。众所周知。短时Ｆｏｕｒｉｅｒ变换（ＳＴＦＴ）的时频分辨率固定不变,因此,其应用受到一定限制。小波变换的特点是将一维时域信号映射到时频域上,且其时频分辨率是变化的,这在信号检测中上有较强的优势。本文给出了计算机分析结果。     

基于小波变换检测和识别的爆裂噪声研究

具有爆裂噪声的不可靠器件应用到电路中,对系统的可靠性会产生严重的影响.小波是具有振幅正负相间的振荡,由于小波变换在时域和频域都具有很好的局部化性质,较好地解决了时频分辨率和矛盾,所以在信号分析与处理领域,可以采用小波检测爆裂噪声,改变了传统的靠人眼观测判断爆破噪声的不可靠方法,同时利用计算机来自动检测,提高精度的同时也实现了自动检测的目的.     

第二代小波变换在汽油机爆震分析中的应用

为研究汽油机爆震的精确判定方法,研究了第二代小波变换在爆震分析中的应用.频率混淆是第一代离散小波变换的三大失真之一.分析了一种新型的第二代小波变换中的频率混淆问题,发现与第一代离散小波变换相比,这种新型的第二代小波变换在抑制频率混淆方面效果明显,而且运算时间明显减少.将这种新型的第二代小波变换应用于汽油发动机的爆震边缘检测,结果表明:该方法能够有效地提取缸压信号和更复杂的缸盖振动信号中的微弱爆震信息,运算速度更快,比第一代离散小波变换更适合于基于爆震的汽油机点火闭环控制.     

基于小波变换的地震波时变功率谱估计

为进一步认识地震动的非平稳特性,基于小波变换提出一种估计时变功率谱的方法.利用小波变换的带通滤波特性,结合时变功率谱的物理意义,从能量的角度推导各频带上小波系数与时变功率谱密度函数的关系,从而通过地震动信号的小波系数估计时变功率谱.利用基于小波变换的估计时变功率谱方法,针对实测和模拟地震动信号进行时变功率谱估计,并与基于傅里叶变换估计的功率谱进行了比较验证.结果表明：该方法正确、可行,它将原有的频率-幅值的二维认识提高到频率-时间-幅值的三维认识,解决了傅里叶变换估计功率谱缺乏时间信息的问题.