基于小波包络谱分析法的齿轮箱故障振动信号诊断

利用正交小波基将齿轮箱故障振动信号变换到时间一尺度域.对高频段尺度域的小波系数进行包络细化谱分析,不仅能检测到齿轮箱内部故障的存在,而且能有效地识别故障模式,说明了正交小波分析是信号检测淹没于非平稳信号中瞬时信号的有力工具.结合实例.从小波故障特征提取来说明小波变换的有效性.     

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.     

使用小波分析方法提取焊缝位置信息

针对焊缝特征提取中普遍采用的线段拟合方法计算量大的问题,探讨了基于小波变换的焊缝特征提取方法;将离散小波变换和奇异分析理论引入焊缝特征提取问题;利用多尺度小波分析计算最小以及对信号奇异点敏感的特征,有杉db2小波对焊缝特征进行分析,通过采用小波变换模极大值传播规则,大大减少小了计算量,实验证明此方法具有较好的性能,有效地排除了局部信号对焊缝整体特征的影响,可以很快确定焊缝的位置。     

连续复小波变换在工程检测数据处理中的应用

通过对基桩检测信号进行多尺度一维连续复小波分解，得到局部模极大值线（local maximum line），计算模极大值线对应位置的Lipschitz指数值，从而综合判断信号的奇异点位置．由信号的奇异点位置很容易确定入射波、缺陷反射波、桩底反射波位置．这种分析方法可以实现对反射波测试数据更为灵活精细的分析，消除了由实测信号直接判读反射波到达时刻存在的潜在错误．最后给出了实测桩端部响应信号的分析实例，结果表明：复小波变换判断有效桩长和缺陷位置比实小波变换具有更好的精度．     

使用小波变换的图像边缘检测算法

描述了一种新的图像特征提取方法，它基于小波变换的多尺度方法，这种方法通过对二进尺度下图像小波变换局部极大值的检测提取图像边缘特征。文中给出了图像特征提取的实例。     

一种新的模拟电路故障诊断小波神经网络方法

结合小波变换和神经网络二者之间的优点，提出基于小波神经网络的模拟电路故障诊断方法。采用能量分布特征提取方法和改进BP算法，用正弦信号仿真模拟电路，应用小波变换对模拟电路的采样信号进行多尺度分解，再进行能量分布特征提取，然后利用神经网络对各种状态下的特征向量进行分类识别，实现模拟电路故障诊断。相对于传统的故障诊断方法，用小波变换对故障信号进行预处理，大大减少了神经网络的输入数目，从而简化了神经网络的结构和减少了它的训练时间，并提高了辨识故障类别的能力。对实例电路仿真结果表明，该方法能正确识别各种故障状态，准确率高。     

基于Hermitian小波的时间-小波能量谱滚动轴承故障诊断方法

针对滚动轴承早期故障微弱特征难以提取的问题,提出了一种基于Hermitian小波时间-能量谱的滚动轴承故障诊断方法.该方法针对轴承故障振动信号具有奇异性的特点,首先利用Hermitian小波对原始信号进行连续小波变换;再根据小波变换的结果求取信号能量在时间轴上的分布情况,利用谱峭度指标作为选择最佳累积尺度的标准,得到时间-小波能量分布;最后对时间-小波能量分布进行谱分析得到时间-小波能量谱以提取故障特征.利用时间-小波能量谱对仿真信号和轴承外圈及内圈点蚀故障信号进行分析.结果表明:该方法可有效地提取出强噪声环境下微弱故障的特征成分,并与普通的时间-小波能量谱作对比,特征提取效果更为明显,非常适用于滚动轴承早期故障诊断.     

超声检测缺陷分类的降噪及特征提取问题研究

针对超声检测回波信号中可能具有噪声干扰并难以剔除的问题,提出了利用“小波降噪”对超声信号进行处理的算法和应用“类别可分性判据”评价特征值的方法,并通过实验进行了验证。首先将小波变换用于超 声信号噪声处理,然后利用类别可分性判据对缺陷信号的特征选择进行评价,最后通过RBF网络对获得的超声检波信号进行缺陷分类以验证这种方法的有效性,实验结果表明：小波降噪算法充分利用了超声回波信号的时域、频域信息,不仅降噪效果明显,而且缺陷定位准确;类别可分性判据对缺陷信号的特征提取也起了定量衡量尺度的作用。     

基于小波变换的桩基缺陷识别方法

在反射波法的桩基信号检测中主要归纳为检测幅值突变,当反射信号较弱时,用一般的时域分析法或频域分析法,就无法检测桩身质量问题.用小波分析就可以解决这一问题,小波分析具有时频局部化特点.从理论上说,桩基信号混有反映桩基缺陷的脉冲信号,通过对称小波变换后,在一定的尺度范围内其极值点对应原信号的突变位置或时刻.工程中信号分析如用连续小波变换产生的数据量多,且计算量大,分析复杂.而用离散小波变换可以有效地减少数据量,并能识别工程信号的奇异性(缺陷).论文通过一个在确定位置有微弱幅值变化,进行小波变换后(其中小波为二次B样条小波),可以清楚地识别幅值发生突变的时刻.同时也对工程实际中的一具体桩基用低应变动态检测的数据进行了分析,根据桩的破坏特征及离散小波变换后计算桩身发生缺陷的位置,可以确定本例中的桩有4处发生了离析.并且可以有效地对桩基缺陷进行识别.     

用小波变换检测电力传动系统故障的探索

针对一个电力传动模拟系统利用MATLAB小波工具箱，选用dmey小波作小波母函数，对该模拟系统的正常信号和故障信号进行了多尺度小波分析，通过分析这些小波变换的不同曲线，可以准确地判断出该系统出现了何种故障．可以说小波变换是电力传动系统故障诊断的有效工具．     

子波变换在超宽带雷达中的应用

介绍了连续子波变换的定义和性质:基于子波变换在时域和频域的良好局部化性质;研究其在宽带信号的相关处理和超宽带雷达目标特征提取两个方面的应用,理论分析和试验结果表明,在超宽带雷达信号处理中,宽带相关处理相当于时间尺度域的匹配滤波,采用连续子波变换从频域采样数据中提取目标散射中心是一种较为鲁棒的方法。     

基于小波奇异熵和SOM神经网络的微电网系统故障诊断

针对微电网系统运行方式灵活、拓扑结构多样的特点,基于对小波变换、奇异值分解和泛化信息熵基本理论的分析,揭示了小波奇异熵能够对故障信号给出确定的量度,将小波奇异熵与自组织特征映射(self-organizing feature map, SOM)神经网络相结合,提出一种能够适应微电网系统拓扑结构变化情况的故障诊断方法。 利用PSCAD4.2建立了微电网故障仿真系统,进行故障诊断仿真试验。 试验结果表明:该方法不受故障位置、故障时刻等因素的影响,在微电网系统拓扑结构发生变化的情况下,能实现有效的故障诊断。     

心电信号的小波变换处理算法及仿真

为了有效去除心电信号中的干扰噪声,对信号特征点进行准确标定,采用小波变换的阈值去噪算法和时域峰值定位算法进行心电信号处理.利用bior3.7小波按照Mallat算法对ECG信号进行分解,结合软硬阈值与小波重构的算法对信号进行去噪处理,给出了小波变换与时域峰值定位结合的算法检测各特征点.仿真结果表明小波阈值算法能有效去除心电信号中的干扰噪声,保留心电信号的有效信息,基于小波变换的时域峰值定位算法能准确检测出心电信号中的特征点.     

心电信号的小波变换消噪方法

人体心电信号微弱,信噪比较低.为了消除心电信号中的噪声,提高心电监护仪的性能和计算机自动诊断效率,人们已提出了多种方法来消除这些噪声.小波变换是一种信号的时间尺度(即时间频率)分析方法,具有多分辨率分析的特点。它对信号具有的自适应性,使其成为数字信号处理领域中的一个重要工具.这里提出了一种采用阈值预处理的小波变换消噪方法,该方法可以降低模极大值消噪算法计算的复杂程度,又可保证心电信息特征不被丢失.试验表明,该方法能较好地实现心电信号的消噪.显然,该方法也适合于信噪比较低的生物信号的处理中.     

MPSK信号小波变换过零特征分析

小波变换提供品质因数Q恒定的滤波器分析，能够精细刻化M电平相移键控（MPSK）信号在码元转换时刻的相位跳变。给出了MPSK信号小波变换后在时间—尺度图谱上小波系数的过零特征。通过构造特殊的数字序列，分析了小波系数过零点分层数与MPSK信号的电平数M的对应关系，详细讨论了MPSK信号不同的相位跳变模式与过零点层次性的内在联系。提出了基于小波变换过零特征的MPSK信号调制类型识别方法。仿真结果表明，MPSK信号小波变换存在显著的过零特征，基于该特征的MPSK信号的类型识别方案是可行的，为软件无线电的实际应用提供了理论参考。     

几种时频分析方法的比较及应用

地震信号属于非平稳信号,常规傅立叶变换方法不能刻画任一时刻的频率成分,无法对其进行全面的分析。时频分析方法将一维时域信号变换到二维的时频平面,全面反映地震信号的时频联合特征。本文介绍了短时傅立叶变换、连续小波变换、Wigner-Ville分布、Cohen类分布四种时频分析方法,通过理论合成信号试算,从时间分辨率、频率分辨率,以及对多频率成份信号适应能力等方面阐述了这四种方法的优缺点,进一步分析比较了这四种方法的特点及应用效果。     

基于连续小波变换和RBF神经网络的气液两相流流型识别方法

针对气液两相流压差波动信号的非平稳特征,提出了以多尺度连续小波变换值矩阵的奇异值为特征矢量的流型识别方法。首先对气液两相流压差波动信号进行连续小波变换,得到初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为流型的特征向量,再结合RBF神经网络形成流型的智能识别方法。对水平管内空气-水两相流4种流型的识别结果表明该方法能够有效地识别流型。     

基于级数优化的小波去噪MAP图像复原方法

介绍了MAP超分辨力复原方法的原理以及小波滤波去噪的原理和具体方法,由于小波变换具有多分辨率分析和在时频(空频)两域都具有表征信号局部特征的能力,基于小波阈值去噪的图像超分辨力复原方法对于低信噪比图像处理具有独特的优越性,证明了其应用于超分辨率复原算法的有效性,并提出了基于级数优化的小波去噪超分辨力复原算法。     

研究生论坛--基于超声射频RF信号的脂肪肝分级量化方法研究

采用时域、频域分析方法和模式识别技术基于肝脏超声射频信号,探讨一种新的脂肪肝分级量化方法,尤其针对目前较难鉴别的轻度脂肪肝。选取肝脏部位感兴趣区域内的超声射频信号,然后利用时域和频域分析技术,提取多个特征量,如期望值、低频小波系数均值和小波模极大值均值。并采用BP神经网络进行脂肪肝识别量化。实验结果表明,期望值、低频小波系数均值和小波模极大值可以有效地描述超声射频信号特征,其中正常肝识别率达90.0%,轻度脂肪肝识别率达86.7%,中度脂肪肝识别率达83.3%,重度脂肪肝识别率达90.0%。实验证明超声射频信号在脂肪肝的诊断中是有意义,为计算机辅助诊断脂肪肝提供了一个新的方向。     

基于小波变换的图像处理技术研究

小波变换由于自身具备的时频域局部化特性,能有效地克服Fourier变换在处理非平稳的复杂图像信号时所存在的局限,已成为图像处理的一种重要手段。在简单介绍小波变换基本原理的基础上,举例说明了小波变换在图像去噪、压缩、增强和融合等方面的应用。实验结果表明：将小波变换应用于图像处理可获得良好的处理效果。