基于小波神经网络的铝合金硬度定量无损检测研究

针对铝合金硬度与初始磁导率的非线性问题,应用小波神经网络理论,提出了一种基于小波神经网络的硬度定量无损检测方法.用WGF-Ⅰ电磁检测仪进行一次检测,提取特征信号,建立硬度特征信号与LY12铝合金硬度的非线性映射,可直接输出工件的硬度值.实验表明,小波神经网络可以定量检测LY12铝合金硬度,其HRB硬度检测最大误差为±0.8,将小波网络应用于电磁无损检测具有可靠性.     

基于数字信号处理的钢铁电磁无损检测方法研究

针对钢铁电磁无损检测中使用传统信号处理方法检测分选率偏低的问题，依据初始幅值磁导率法和数字信号处理的基本原理，采用现场可编程门阵列器件和电子设计自动化技术，提出并实现了数字化的钢铁电磁无损检测试验装置设计方案，通过对FPGA器件编程实现了对检测信号的数字信号处理。试验表明，采用数字信号处理技术可以准确地提取检测信号，对螺栓裂纹工件检测准确率为97．9％。     

码头混凝土桩无损检测数值研究

采用在桩侧施加竖向脉冲荷载的激振方式,对码头混凝土桩的无损检测进行仿真分析,得到仿真检测信号.通过信号处理,获取反映码头混凝土桩的完整性特征的滤波信号,并根据滤波信号对混凝土桩的完整性进行判定.最后将仿真分析曲线与实测曲线进行对比,一致性较好,表明该码头混凝土桩检测方法是可靠的,对提高码头混凝土桩无损检测的准确性具有重要意义.     

基于智能听诊器的心音信号采集与处理

基于智能听诊器,研究了心音信号采集与处理的新方法.心音采集部分包括传统的听诊头、耳机、微型麦克风及IC录音机.通过USB接口将采集的数据传输到计算机,并通过单自由度分析模型提取心音特征波形,计算心音特征值参数[T1,T2,T11,T12],它们是心音特征波形与阈值THV之间形成的交叉点所确定的时间间隔,与第一心音和第二心音有关,可用来判别正常或异常心音.文中通过采集大量的临床心音数据对正常/异常心音案例进行解析,验证了心音特征波形法在心音自动解析中的有效性.     

结构无损检测与小波分析方法

简要回顾了传统无损检测技术的应用和新的无损检测技术发展,以及结构无损检测的信息处理技术。对于小波分析产生的背景、小波分析在结构无损检测中的应用研究进行了综述。指出了无损检测技术越来越涉及到各学科知识的综合应用,从而实现学科间的交叉和融合,共同促进该领域的发展。     

超声导波无损检测中的信号处理研究进展

针对信号处理在超声导波检测正问题与逆问题中的不同作用,对若干常用信号处理方法,包括时频分析、小波变换、相关分析法等进行了综述;对希尔伯特-黄变换等方法进行了介绍,表明信号处理在提高信号的可读性、提高缺陷的检测与识别能力、表征被检对象的性能属性等方面具有重要作用.     

基于人工神经网络及心音小波分析的冠心病诊断方法的研究

通过对冠状动脉动力学及湍流诱发声学的理论研究后,首次提出用整周期心音信号小波分析来提取冠状动脉疾病（ＣＡＤ）心音特征的方法,诊断系统将ＣＡＤ病人组及非冠心病对照组提取的心音特征结合人体的个体特征参数输入到神经网络进行学习训练后,最后达到自动诊断冠状动脉疾病,为了检测这种较为微弱的生理信号,本文通过对人体体表声传播模型研究后设计对外界噪声有较强抗干扰能力而又适合于拾取人体体表心音的高灵敏度音腔,实验     

心音的非线性时间序列分析——冠状动脉疾病无损检测的新方法

为了获取冠状动脉堵塞病人的心音特征,从而为临床预诊断冠状动脉疾病提供新的无损检测方法,通过非线性时间序列分析的方法--相关维来分析心音时间序列,获得了有关冠状动脉堵塞的血液动力学特征信息.对相关病例进行分析,发现通过相关维数刻划出了大多数冠状动脉堵塞病人的心舒期心音序列内在的确定性行为;而大多数正常人的心舒期心音序列得不到具体的相关维数.利用本文提供的相关维数分析方法,在曲线D2(M;r)-ln (r)上寻找平台期,可以达到对冠状动脉疾病无损检测的目的.     

超声无损检测的应用与探讨

超声无损检测是物体无损检测的一种重要方法，几乎应用到所有工业部门。本文回顾了超声无损检测技术的发展历史，阐述了超声无损检测技术应用现状，并展望超声无损检测技术未来发展趋势。     

无损检测技术在建筑工程检测中的应用分析

随着科学技术的不断创新,在建筑工程的发展规模也不断扩大,在建筑工程当中所应用的技术也在不断地更新和完善,其中就包括建筑工程的检测技术,越来越多的检测技术被应用到建筑工程的检测当中,推动了建筑工程检测技术的发展,但是就当前的情况来看,无损检测技术更加实用一些并且有着很广阔的发展前景.在建筑工程检测当中应用无损检测技术,可...     

基于谐波小波包变换的信号检测

利用二进离散小波变换检测周期性信号时,由于频带间的干扰,微弱成分易被强信号所淹没,为解决此问题,提出一种基于谐波小波包变换的周期性信号检测算法。利用谐波小波函数的盒形频谱结构,根据目标声信号的特点,选择合适的分解层数和分析带宽,由此避免分析频带之间的相互干扰。对实测数据的分析结果表明,谐波小波包变换对于低信噪比下的微弱线谱信号成分有一定的增强效果。     

基于心音信号处理的冠心病诊断的研究

记录舒张期心音信号,用信号处理方法进行分析识别,实现冠心病的无创诊断.将小波分析(WT)、自回归滑动平均(ARMA)以及独立分量分析(ICA)方法分别应用于冠心病(CAD)心音信号的特征提取,并将提取的特征值输入径向基(RBF)神经网络进行训练和识别.实验结果,CAD病人和非CAD病人的正确检测率分别是:小波分析80%,85%;ARMA 70%,75%;ICA 85%,85%.结果表明,在CAD病人的心音中含有300～800 Hz的高频心音能量.在三种方法中,ICA显示了较好的效果.     

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。     

基于小波包变换的信号去噪方法研究

为有效剔除信号噪声，得到没有污染的信号，便于进行信号分析，介绍了小波包变换的改进方法，给出了信号的小波包分解系数排序方法，将信号的相关性与小波包的多尺度时频分析及重构结合在一起，并用于信号的去噪研究中．通过仿真研究和与目前小波去噪方法进行对比，证明了该方法去噪的有效性．     

基于小波包变换的信号去噪方法研究

为有效剔除信号噪声,得到没有污染的信号,便于进行信号分析,介绍了小波包变换的改进方法,给出了信号的小波包分解系数排序方法,将信号的相关性与小波包的多尺度时频分析及重构结合在一起,并用于信号的去噪研究中.通过仿真研究和与目前小波去噪方法进行对比,证明了该方法去噪的有效性.     

基于提升小波变换的心音信号特征提取方法的研究

为了准确提取心音信号的病理性信息,提出了一种基于提升小波变换的改进的特征提取方法针对性地分析第一心音(S1)和第二心音（S2）及其时限并对不同心音信号进行分类。首先利用提升小波软阈值降噪法对不同心音信号作去噪预处理;然后利用提升小波时间熵法检测心音信号在不同时刻的分布情况,并提取其熵值;通过香农能量优化双阈值法提取心音包络信号及S1、S2时限;最后改进选取心率、S1和S2时限、心动周期、包络面积,熵值六个特征参数,并利用支持向量机算法（SVM）对不同心音信号进行分类。分析和仿真结果表明该算法对正常和心脏病患者的心音准确分类率达到98%,表明该算法能有效识别不同心音信号。     

基于Haar小波变换的快速k-近邻分类算法

提出了一种新的快速k-近邻分类算法,通过研究Haar小波系数所包含的重要信息,确定向量经Haar小波变换得到的小波系数与向量方差问的关系,由此得出关于小波系数的不等式,并利用此不等式提高k-近邻分类中的k-近邻搜索效率.在搜索k-近邻的过程中,首先判断每个训练向量是否满足该不等式,由此排除许多不可能成为k-近邻的向量,...     

基于小波变换的屋脊边缘亚像素检测

工业图像检测中,许多待检目标边缘是屋脊边缘,而现有亚像素边缘检测算法都是假设边缘模型为阶跃边缘,并且现有算法在定位精度、抗噪性能和计算速度方面还不尽人意．针对上述问题,提出一种使用小波变换系数的屋脊边缘亚像素检测算法,将小波分析和概率统计理论引入到亚像素边缘检测问题中,该方法具有较好的定位精确度、抗噪能力和较快的计算速度．实验证明该方法可达到1／60像素的精确度。     

基于复解析小波变换的信号包络检测

水声信号中的低频线谱成分是目标声信号的一个重要特征量,在水声信号检测、识别和分类中起着重要的作用。为了提取水声信号中的线谱成分,本文利用复解析小波变换兼具带通滤波和包络提取的特性提取信号包络。仿真和实测数据分析表明,与传统的Hilbert变换提取信号包络算法相比较,基于复解析小波变换的信号包络提取算法可以完全抑制所分析通带以外的噪声,从而提高了信号包络的信噪比。