铣削颤振特征提取的小波包和主成分分析方法

设计用振动信号来监控加工过程。提出了一种基于小波包变换的颤振特征提取方法,通过所提取的特征小波包来反映加工过程中的颤振信息。在此基础上,基于主成分分析方法对特征小波包进行重构,由主成份得分（累积贡献率）来评价重构特征,并实现了重构特征自动提取,更进一步给出了重构特征总体的统一构造形式,并基于欧氏距离法,建立了颤振的诊断模型。通过对铣削加工过程中的颤振识别,验证了文中提出的方法的可行性。     

小波包消噪提高小波网络故障识别性能

针对强噪声背景的高频振动信号,给出一种利用小波包消噪和频带分割技术,根据信号能量在小波包空间的分布特性,提取故障信号特征信息的方法．在小波包空间自适应软阈值去噪,消除白噪声;运用频带分割消除有色噪声,计算各子空间的能量,抽取低维特征矢量,作为小波网络的输入．该方法既提高了小波包神经网络的故障识别性能,又简化了决策网络结构,提高了收敛速度．     

基于小波包变换的电力系统谐波电流检测

针对常规快速傅立叶变换无法检测非整数次谐波,以及改进的加窗插值快速傅立叶变换运用困难,采用小波、小波包变换对电网信号中的谐波进行检测分析。小波包变换建立在二进小波变换基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果证明,较之傅立叶变换和小波变换,小波包变换对电网信号中谐波的幅度、频率的估计具有更高的精度。     

基于最优小波包基的降噪方法及其应用

如何有效去除信号中的噪声是地球物理勘探领域中一个较重要的研究内容。如何去除有效数据中的噪声而保持信号的初至相位不发生畸变,常规的频率域或时间域滤波方法均不能较好的解决这个问题,而基于小波包基的信号去噪方法却是一种较好的方法。本文以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,对不同频率的系数采用不同的阈值进行量化,对高频信号采用Stein无偏似然估计的原则计算阈值,而在低频部分则采用以信号能为依据的浮动阈值,利用量化后的小波包系数重构得到去噪后的信号。仿真和实验结果表职,该方法去除噪声的同时并不改变原信号的相位,也不会产生波形的畸变。同时,将该方法利用到超声波数据降噪处理的工程实际中也取得了较好的效果。     

基于小波包法与CSSD的P300特征提取方法

针对P300电位信号微弱、抗干扰能力差、识别率低等问题,提出一种小波包变换(wavelet packet transform,WPT)与共空域子空间分解法(spatial subspace decomposition,CSSD)相结合的特征提取方法,即WPCSSD法.首先,对脑电信号进行叠加平均以提高信号的信噪比;其次,使用小波包法对脑电信号进行滤波,并依据P300电位的有效时频信息重构脑电信号;然后,求取其AR模型功率谱,并基于CSSD法构造空间滤波器,获得能体现P300电位时-频-空特征的特征向量;最后,以支持向量机为分类器进行分类.实验结果表明:本方法具有较强的抗干扰能力和自适应能力,在国际BCI竞赛数据集上获得了95.22%的分类正确率,证明了本方法的正确性和有效性.     

基于GA-WPT-ELM的6061铝合金表面粗糙度预测

为了提高工件表面粗糙度预测的准确性,针对振动信号特征识别和表面粗糙度预测建模时多个参数难以同步优化和人工经验调优误差较大的问题,提出基于遗传算法（GA）的信号特征识别和表面粗糙度预测的优化算法. 对采集的6061铝合金铣削振动信号进行小波包变换（WPT）和多个特征提取,利用GA优化WPT母小波和特征向量;将信号特征向量和表面粗糙度分别作为极限学习机（ELM）的输入和输出,对预测模型训练的同时,利用GA优化ELM隐含层的神经元个数;对训练好的预测模型进行测试. 实验结果表明,通过GA对振动信号识别和表面粗糙度预测的3类参数同步优化,获得了最佳的信号特征和较高的表面粗糙度预测精度,节省了建模分析计算成本.     

高速线材轧机齿轮箱典型故障的CTN综合诊断

为了综合提高高线轧机齿轮箱典型故障诊断能力,突出信号特征,根据高线轧机结构特征及齿轮箱振动信号特点,提出了CTN综合诊断分析新方法．采用时域波形分析、频域分析、时域趋势分析和特征频率幅值趋势分析初步定性判断设备状态和故障部件,然后利用基于多分辨率分析的小波包分解与重构算法进行精密诊断分析．研究结果实现了准确判断高线轧机齿轮箱故障性质及故障源．     

基于小波包分析的旋转机械故障诊断研究

故障信号的特征提取,是故障诊断的关键。通过以德比契斯（Daubechies）小波为基函数的二进小波变换、采用Mallat快速算法的小波包对故障信号进行特征提取。利用小波包对实验数据进行分析,其结果具有良好的时频局部化特性,能对非线性信号进行有效识别。     

基于鼠标行为时频联合分析的用户可信认证

提出了一种基于时频联合分析的鼠标动力学认证方法.对用户操作鼠标行为的连续时序信号进行小波包变换,依据不同频带的子信号提取其时频联合分布特征,并使用递归特征消除法筛选出特征.采用随机森林算法建立用户独特的鼠标行为模式,据此进行用户身份认证.为验证方法的有效性,采取单因素实验设计,以特征分析方法为唯一因素,采集真实网络环境中40个用户在31个月内的鼠标行为数据,对其中18个用户分别采用时序分析和时频联合分析提取并筛选特征;使用相同算法建立用户鼠标行为模式,对比了基于2种特征分析方法的可信身份认证系统的性能差异.结果显示,相比时序分析方法,所提方法将可信身份认证的操作特性曲线下的面积从97.02%提升为99.10%.     

基于联合降低PAPR和干扰的小波包结构优选

该文从小波包调制系统的结构出发,从联合降低峰均比和干扰的角度,探讨小波包调制系统结构的优选方法,首先从调制端对发送信号峰均比的影响,优选出含出现频率高的节点的树结构,然后从码间干扰和载波间干扰的影响,优选出具有最小干扰的树结构,实现小波包多载波调制系统的优化.仿真结果表明,所选择的小波包树结构降低了调制信号的峰均功率比...     

基于双谱估计的小波包调制信号识别研究

小波包调制是一种全新的多载波调制方式。根据小波包调制信号的非线性和二次相位耦合性特点,该文利用双谱分析方法,对小波包调制信号进行参数化双谱估计,并提取特征参量,实现对小波包调制信号的识别。仿真结果表明,该方法具有良好的识别性能。     

小波包分析在滚动轴承信号消噪处理中的应用

对滚动轴承的故障特点进行了分析.根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,提出了小波包分解和重构用于滚动轴承信号消噪处理的概念及其算法,建立了滚动轴承加速度信号实时测试系统.通过实验研究得出,用小波包分解并通过重构可使分解后的数据长度不变,使分解层数不受限制,证明小波包分析方法应用于滚动轴承信号消噪的有效性,并取得了较好的效果.     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

基于小波包变换的眼电信号特征提取及分类

眼电信号是人机交互系统中的一种重要的信息源,该文提出了一种眼电信号特征提取与分类算法。首先研究小波包变换,提出以小波包分解系数作为眼电信号特征,通过支持向量机进行分类识别。在实验室环境下,采用该方法对6名眼部功能正常测试者的样本数据进行分类,平均识别率达到96.83%,具有很高的实用价值。     

基于最佳小波包基的边海防声目标识别

针对于将声音识别技术应用于边海防目标的识别,提出了一种新的基于最佳小波包基的特征提取方法。具体方法是首先根据边海防声音信号的频率分布特征,对这些信号进行有选择地多尺度小波包分解,获取最佳小波包树,然后将相应的最佳小波包基的能量值归一化后作为特征向量,再将这些特征向量输入BP神经网络训练,用训练好的神经网络对边海防声音信号进行识别。仿真结果表明:在噪声条件下,利用此特征提取方法,识别率达到94%,比基于小波包分解的特征提取方法的识别率高出6个百分点。     

一种改进的雷达信号小波包特征提取方法

针对低信噪比下雷达辐射源信号分类问题,提出一种基于小波包特征提取的改进方法。首先对信号进行小波包分解,然后在小波域采用阈值收缩降噪方法对小波包系数进行去噪处理,并提取去噪后小波包能量的统计特征,最后设计支持向量机分类器实现对雷达信号的自动分类。实验结果表明,采用去噪小波包的特征提取方法能有效降低噪声对信号识别效果的影响,当SNR=-3dB时,信号的平均识别率仍能到达93．3％,在较低信噪比下能够得到较为满意的识别效果。     

Group-normalized processing of complex wavelet packets

Linear phase is not possible for real valued FIR QMF, while linear phase FIR biorthogonal wavelet filter banks make the mean squared error of the constructed signal exceed that of the quantization error. W Lawton' s method for complex valued wavelets construction is extended to generate the complex valued compactly supported wavelet packets that are symmetrical and unitary orthogonal; then well-defined wavelet packets are chosen by the analysis remarks on their time-frequency characteristics. Since the traditional wavelel packets transform coefficients do not exactly represent the strength of signal components, a modified adaptive wavelets transform, group-normalized wavelet packet transform (GNWPT), is presented and utilized for target extraction from formidable clutter or noises with the time-frequency masking technique. The extended definition of lp-norm entropy improves the performance cf GNWPT. Similar method can also be applied to image enhancement, clutter and noise suppression, optimal detection     

桥梁健康监测中损伤特征提取的小波包方法

针对桥梁健康监测中结构损伤识别的特点,从模式识别的角度提出和分析了损伤特征提取问题.阐述了基于小波包分析的两种节点能量特征提取的方法.为了研究小波包系数节点能量和小波包信号成分节点能量对损伤信息进行特征提取的差异,通过对随机荷载激励下的连续梁进行数值模拟,得到了结构未损和损伤状态下的加速度时程信号.应用小波包变换,对不同结构状态下的加速度信号分别提取了两种小波包节点能量特征,并对它们作为结构损伤特征指标的敏感性进行了比较.认为两种特征指标的敏感性相差很小,而小波包系数节点能量特征指标的计算效率更高,更适合桥梁健康监测中损伤特征提取的要求.     

基于独立分量分析(ICA)与小波变换的过程监测方法

提出了一种ICA与小波变换技术相结合的过程监测方法。通过ICA方法分析出独立分量,经过小波分解后构造平均能量作为过程特征量。然后以相似度为监测指标实现过程监测。应用ICA方法比应用主分量(PCA)方法能更准确地提取非高斯分布信号信息,可以更加有效地实现对过程的监测。ICA能从原始的输入特征提取出更紧致、更适合后端处理的二次特征。由于二次特征能体现出数据中的本质信息,所以ICA方法相对于那些只考虑方差信息的特征提取方法有更好的性能。     

小波包变换在电力负荷特征信号提取中的应用

为了给电力系统不良数据辨识提供良好的数据基础,提出了一种新的基于小波包除噪的方法来提取电力负荷特征信号.该方法将不良数据看成是被淹没在大量的噪声信号中特征信号,通过比较小波包除噪法与小波除噪法对信号消噪的效果,得出结论:小波包除噪法有较好的消噪能力,为电力负荷特征信号的提取提供了有效的分析方法.