小波分析在管道缺陷超声检测中的应用

在管道缺陷超声无损检测中，作为检测基本数据的脉冲反射回波信号受到电子噪声(包括热噪声和量化噪声)和结构噪声的干扰，使材料的缺陷信号变得难以识别。小波变换借助于时．频局部分析特性，已成为现代信号处理中的一种重要方法。在阐述小波变换基本原理的基础上，研究了管道超声缺陷信号的小波分解与重构。利用此方法对超声信号进行分析，可方便地识别是否存在缺陷以及缺陷的位置。     

摩擦焊接头超声波检测缺陷信号智能识别

为使超声波无损检测准确识别摩擦焊接头的弱结合缺陷,本文利用小波包分析法分析处理超声波检测的回波信号,利用“能量-故障”法提取各检测信号的信号特征,将信号特征向量作为输入量引入到利用改进算法所构建的信号识别神经网络中,使其对接头中的缺陷进行后端分类和识别处理,从而实现了摩擦焊接头缺陷的智能识别。实验结果表明该方法具有较高的准确度。     

基于全频带小波能量相对熵的脉冲涡流感应信号辨识

脉冲涡流检测是一种新兴的无损检测技术,检测方便、成本低、安全性好,适用于对各种材料缺陷进行在线检测。然而,脉冲涡流感应信号强度微弱、识别困难,必须采用比较有效的信号处理方法对信号进行处理。为了提高脉冲涡流检测系统的精度和正确率,在详细分析了脉冲涡流感应信号特性后,提出了一种基于全频带小波能量相对熵的脉冲涡流感应信号辨识方法。对几种典型脉冲涡流感应信号的采样数据进行多尺度小波分解,并单支重构各尺度小波系数。利用小波变换对局部信号特征的放大作用以及小波相对熵对信号之间差异的辨识优势,计算各尺度小波能量占所有小波系数能量的权重系数,及原始信号在各频带下的小波能量相对熵,然后根据小波能量相对熵对脉冲涡流感应信号的类别进行信号辨识。理论分析和试验表明,该方法能够有效消除干扰,提高无损检测的精度和正确率。     

基于小波包及小波神经网络的光纤熔接缺陷模式识别

介绍光纤熔接缺陷的识别在光纤通信中的重要意义。应用超声波探伤仪系统对光纤熔接点进行检测,针对缺陷信号特点提出利用小波包分析提取缺陷特征值和应用小波神经网络进行模式识别的方法,实现了从检测到的超声信号中提取出反映缺陷性质的相关信息,并通过这些信息对其进行分析,建立网络模型以实现缺陷定性识别。实验结果表明,小波包分析充分利用了缺陷回波信号的时域、频域信息,将频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,并能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高了时一频分辨率,而小波神经网络良好的局部放大特性和多分辨率学习特性使缺陷的定性分类获得了较高的准确率。     

基于平稳小波的X射线底片数字图像去噪方法研究

本文介绍了小波变换的基本内容,重点介绍了离散小波变换和平稳小波变换,并采用平稳小波变换对X光底片进行处理,将平稳小波与离散正交小波进行了对比实验。实验结果证明,利用平稳小波去噪具有较好的视觉效果,提高了被检对象缺陷的辨识率。     

基于小波分析及改进二次鉴别函数的民族文种识别

为了能够对文档中的少数民族文字种类进行正确地识别分类,提出一种基于小波分析与改进的二次分类函数(MQDF)的少数民族文字种类识别方法.该方法采用多辨识小波分解,从而获得小波能量和小波能量比例分布的特征描述,利用MQDF分类器对少数民族文种进行识别.构建藏文、西双版纳傣文、纳西象形文、维吾尔文、德宏傣文和彝文6种常用的少数民族文字及汉字、英语共8种文字的样本库,采用该方法对少数民族的样本库进行了进行训练和测试.实验结果显示,该方法在多层小波分解的情况下,对于少数民族文种识别的精度好于传统的贝叶斯和KNN.     

于小波包及小波神经网络的光纤熔接缺陷模式识别

介绍光纤熔接缺陷的识别在光纤通信中的重要意义。应用超声波探伤仪系统对光纤熔接点进行检测,针对缺陷信号特点提出利用小波包分析提取缺陷特征值和应用小波神经网络进行模式识别的方法,实现了从检测到的超声信号中提取出反映缺陷性质的相关信息,并通过这些信息对其进行分析,建立网络模型以实现缺陷定性识别。实验结果表明,小波包分析充分利用了缺陷回波信号的时域、频域信息,将频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,并能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高了时-频分辨率,而小波神经网络良好的局部放大特性和多分辨率学习特性使缺陷的定性分类获得了较高的准确率。     

基于人工神经网络的暂态电能质量现象的分类与识别

暂态电能质量信号具有发生随机性,持续时间短和非平稳的特性,使得信号的识别实现较为困难。目前对电能质量信号进行辨识的方法有基于规则的专家系统方法、基于神经网络的方法以及结合小波变换技术的神经网络方法等。利用小波变换和人工神经网络的结合方法,对各种暂态现象实现有效地识别和初步地分类。     

小波神经网络在飞控系统辨识中的应用研究

选择以sigmoid函数为基础的小波基波函数构造了一个小波神经网络,利用小波网络对复杂的飞控系统对象进行在线辨识研究,仿真结果表明小波神经网络基本满足某型飞机飞控系统在线辨识的要求。     

木材缺陷识别新方法——改进C-V模型与小波变换

分析了木材缺陷、单板节子的特点,提出了一种基于改进的C-V模型、小波变换及背景填充技术的缺陷识别算法。采用symlet5小波,对原图像进行一级二维离散小波变换,分别得到低频分量和高频细节,对低频分量用背景填充技术进行处理得到新的低频图像,分别使用改进的C-V 模型对各子图像识别,利用二维离散小波重构图像,进行Gauss滤波,得到分割结果。     

子波分析在脑电图癫痫波提取中的应用研究

利用子波和子波变换的性质，并根据其对一小段医学信号的异常信号，可以灵敏地通过子波系数反映出来的特点，将子波分析应用于脑电图（ＥＥＧ）信号处理，把癫痫波从常规ＥＥＧ信号中提取出来，文中给出子波变换分析ＥＥＧ信号的实例，理论和实验表明，利用子波变换检测常规ＥＥＧ中的病理波有独到之处。     

The high-speed compression of large data streams in ultrasonic diagnostics

The problem of high-speed compression of large data streams in ultrasonic diagnostics is considered. The possibility of using the well-known method of wavelet transform for this purpose is examined. A method for approximating a recorded signal with a sequence of half-periods of the sine wave is proposed. A comparison of these methods is performed using real data recorded during the diagnostics of welds in the pipelines of Russian nuclear power plants. The article was translated by the authors.     

彩色图像有意义水印Rake接收机的设计

利用分集接收能够大幅度地改善系统接收性能的原理，把彩色图像看成是多通道的通信信道，将有意义水印信号进行正弦调制，按照图像信道的特点分别嵌入到彩色图像3个通道的小波域中。在水印检测时，利用小波变换的良好去噪能力和对1/f噪声的良好白化效果，设计了水印的Rake接收机，以达到分集接收的目的。从实验结果看，RAKE接收机的效果十分突出。     

基于离散小波变换的输电线路故障精准定位

为了提高架空线路和地下电缆组合输电线路发生故障时的定位精度,提出了一种基于离散小波变换(DWT)的输电线路故障定位新方法。通过DWT对输电线路单端测得的瞬态信号进行多分辨率分析(MRA),在低故障起始角情况下,利用线模电流和零模电流检测故障,结合小波模量极大值(WMM)求解从故障点到变电站的行波到达时间,从而对输电线路故障进行精准定位。采用半正弦电压响应的方法克服了采样频率有限和故障起始角低的缺点,运用100kHz半正弦信号的发送时间与接收导数信号的时间之差计算故障距离。在考虑谐波畸变和故障电阻、接地电阻、故障位置和起始角变化的情况下对所提方法进行测试,结果表明：对于100km的输电线路,即使在故障靠近总线（<2%）且故障起始角较低的情况下,所提出的方法得到的故障定位误差仅为0.14km。     

基于FPGA的三相正弦波形的设计及其优化

该文对传统的波形发生器进行改进,将数据分时复用优化原则应用在DDS技术上,实现对三相正弦波形的设计及其数据优化。DDS技术应用领域广泛,不仅应用于传统上需要使用信号源的领域,而且开拓许多新的应用领域,如在电力电子技术领域。该文主要给出了基于FPGA的三相正弦信号波形的设计,并经软件仿真和硬件测试验证,达到了设计要求。     

基于直接数字频率合成的正弦波发生器

本文介绍了基于ＤＤＳ芯片ＡＤ７００８的正弦波发生器及其在电阻层析成象系统中的应用,并简要给出了正弦波发生器的组成结构、程序设计和性能分析。     

Choice of the acquisition parameters for frequency estimation of a sine wave by interpolated DFT method

The accuracy of the frequency estimation of a sine wave corrupted by quantization noise using the Interpolated Discrete Fourier Transform (IpDFT) method is affected by systematic and random errors. The systematic errors are independent of quantization noise and are due to the interferences from the image parts of the sine wave spectrum. They depend of the acquisition parameter – integer number of recorded sine wave cycles. The random errors are due to the quantization noise and depend on the acquisition parameter – number of acquired samples. In this paper for the situations in which the IpDFT method uses the maximum side lobe decay windows a condition for the integer part of the number of recorded sine wave cycles is derived to ensure that the systematic errors are very small compared with the quantization errors. Also, a condition for the number of samples is derived to ensure that the absolute error of the normalized frequency due to the random errors is smaller than a desired value with a high confidence level. Carried out simulations confirm the validity of each derived condition.     

Neural Network Based Terrain Classification Using Wavelet Features

Terrain perception technology using passive sensors plays a key role in enhancing autonomous mobility for military unmanned ground vehicles in off-road environments. In this paper, an effective method for classifying terrain cover based on color and texture features of an image is presented. Discrete wavelet transform coefficients are used to extract those features. Furthermore, spatial coordinates, where a terrain class is located in the image, are also adopted as additional features. Considering real-time applications, we applied a neural network as classifier and it is trained using real off-road terrain images. Through comparison of the classification performance according to applied feature sets and color space changes, we can find that the feature vectors with spatial coordinates extracted using the Daub2 wavelet in the HSI color space have the best classification performance. Experiments show that using the wavelet features and spatial coordinates features improves the terrain cover classification performance. The proposed algorithm has a promising results and potential applications for autonomous navigation.     

基于小波分解的多尺度PCA周期性攻击检测算法

在工业控制网络中任何异常入侵行为都直接影响现场控制与决策,工控系统的安全检测迫在眉睫;工业控制系统中存在正弦波攻击,三角波攻击和方波攻击等周期性入侵攻击,这些攻击隐蔽的分布很难被检测出来并且会造成机器的磨损,目前针对该类攻击检测研究较少;针对以上问题,首先采用小波分解把数据分解到各个尺度上,然后采用主成分分析进行局部检测,最后把各个尺度的主成分分析组成一个包含各尺度信息的综合主成分分析模型;通过在公开数据集及自建数据集的周期性攻击实验结果表明,采用该算法比采用单独主成分分析算法进行攻击检测的整体准确率提高7.4％.     

基于FPGA的高精度数字化正弦信号生成的新方法

提出了一种基于FPGA的高精度数字化正弦调制信号生成的新方法;该方法利用查表和线性插值相结合的办法,实时生成高精度正弦调制信号;首先介绍了新方法的基本原理及FPGA实现方案,然后对该方法进行了模型误差和量化误差分析,给出系统设计参考依据;最后,利用新方法产生500Hz的正弦调制信号对频率为13.552kHz三角载波进行调制生成SPWM波形,给出实验结果.