三种具体信号的连续小波变换

从连续小波变换的定义出发,利用连续小波变换的公式,分别选择harr小波与marr小波作为母小波,给出了信号门函数、单边指数函数、阶跃函数在给定小波基下的连续小波变换的表达式,从它们的连续小波变换的表达式和相应的小波变换图形来看,得出了同样的信号在不同的小波基下的小波变换完全不一样的结论,解决了当前有关小波分析方面的专著中,都没有给出具体信号的小波变换的表达式。     

小波变换在弱信号检测中的应用

简要介绍了短时傅里叶变换及小波变换理论,并用此理论分析了强噪声背景下雷达弱信号检测方法,给出了相应的基函数及离散算法,最后给出了计算机模拟结果.     

新型小波阈值函数的仿真及应用

提出了一种新型小波阈值函数.借助于典型信号和高斯白噪声叠加形成测试信号,对传统小波阈值函数、改进小波阈值函数及新型小波阈值函数的去噪效果进行对比仿真研究.结果表明,采用新型小波阈值函数所得到的去噪信号,其信噪比和均方差均最优.此外,将新型小波阈值函数用于滚动轴承的实际振动信号的去噪研究,从去噪信号的时域信号对比及信噪比来看,该函数具有较好的去噪效果,使信噪比得到了较大提高.     

三种具体信号的连续小波变换

从连续小波变换的定义出发，利用连续小波变换的公式，分别选择harr小波与marr小波作为母小波，给出了信号门函数、单边指数函数、阶跃函数在给定小波基下的连续小波变换的表达式，从它们的连续小波变换的表达式和相应的小波变换图形来看，得出了同样的信号在不同的小波基下的小波变换完全不一样的结论，解决了当前有关小波分析方面的专著中，都没有给出具体信号的小波变换的表达式。     

墓于小波变换的随钻测试数据降噪方法研究

为消除随钻测试装置采集信号中的噪声,给工程人员提供准确的现场信息,提出了基于小波变换的方法对随钻测试数据进行降噪处理.首先,根据含噪声的随钻测试数据模型建立起小波变换降噪的基本流程.其次,在对含噪信号的小波变换特性分析的基础上,运用自相关函数对其在小波变换尺度空间中进行白噪声检验,确定小波最优分解层数.在分析对比小波降噪阈值的不同选取方式后,采用广义交又确认理论来计算最优降噪阈值,从而在对信号降噪的同时还最大程度地保留了信号的有效特征成分.最后给出了基于该方法小波变换的随钻测试数据降噪的详细步稼,对实侧的钻压和扭矩数据进行了小波降噪,取得了良好的降噪效果,为钻井工程后续分析提供了可靠的数据支撑.证明了本方法的优越性.     

基于小波变换的内燃机瞬时转速信号的分析

使用非线性离散序列的小波变换 (DTWT)对同时存在高频噪声和高斯白噪声的内燃机瞬时转速信号进行去噪 .通过对此信号进行频谱分布的分析 ,用Donoho的阈值去噪法去除高斯白噪声之后 ,根据小波变换的多分辨率思想 ,提出了仅使用小波变换的尺度系数进行小波反变换来去除高频噪声 ,然后运用小波反变换来恢复内燃机瞬时转速信号的方法 .实验结果表明 ,此方法能够较精确的去除噪声 ,恢复内燃机瞬时转速信号 .     

基于小波变换的信号消噪

采用一种新的阈值确定方法：二次平方损失函数法（QSLF法）,通过对待信号进行小波变换,在小波变换域中,把小波系数进行阈值处理,即：增强属于信号的小波系数,减弱或去除属于噪声的系数,然后进行小波变换的逆变换,虽然会造成在小程度上丢失了一些细节,但只要考虑到抑制干部噪声与所保留信号细节之间的权衡问题,仍能恢复出所期望的待分析信号,计算机模拟实验结果表明：该方法能有效的消除噪声。     

多尺度B样条小波变换去除噪声的一种方法

基于Ｂ样条小波的特点,利用小波变换引出了Ｂ样条小波实现信号分解和重构的实用公式。从理论和实验两个角度分析了不同噪声在小波变换下的传播性：白噪声和尖脉冲由于具有负奇异性和稠密性及方差均随尺度的增大而减少,据此提出一种用小波变换去除随机噪声的新算法。经过实验,与过去常用的均值滤波和中值滤波方法进行对比认为,该方法对白噪声和尖脉冲噪声均有良好的抑制作用,对信号的突变信号和波形都有较好的恢复作用,克服了均     

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.     

小波系数与尺度的关系

在总结了函数空间L2(R)与小波变换系数空间l2的关系的基础上,分析了Cn,α(R)空间的函数的小波变换系数的模极大值随尺度变化的关系,给出了一个比引理的条件较弱的条件,并得到了相应的结论.另外,在小波基函数满足一定正规性,被变换的函数有无穷阶导数的情况时,分析了小波变换系数的模极大值与尺度的变化关系.这为用小波变换分析函数或信号的特性提供了理论基础.     

Damage localization for beams based on the wavelet correlation operator

The continuous wavelet transform (CWT) is one of the crucial damage identification tools in the vibration-based damage assessment. Because of the vanishing moment property, the CWT method is capable of featuring damage singularity in the higher scales, and separating the global trends and noise progressively. In the classical investigations about this issue, the localization property of the CWT is usually deemed as the most critical point. The abundant information provided by the scale-domain information and the corresponding effectiveness are, however, neglected to some extent. Ultimately, this neglect restricts the sufficient application of the CWT method in damage localization, especially in noisy conditions. In order to address this problem, the wavelet correlation operator is introduced into the CWT damage detection method as a post-processing. By means of the correlations among different scales, the proposed operator suppresses noise, cancels global trends, and intensifies the damage features for various mode shapes. The proposed method is demonstrated numerically with emphasis on characterizing damage in noisy environments, where the wavelet scale Teager-Kaiser energy operator is taken as the benchmark method for comparison. Experimental validations are conducted based on the benchmark data from composite beam specimens measured by a scanning laser vibrometer. Numerical and experimental validations/comparisons present that the introduction of wavelet correlation operator is effective for damage localization in noisy conditions.     

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.     

一种基于小波变换的运动估计方法

提出了一种基于运动边缘检测与连续小波变换相结合的运动目标检测与跟踪方法。通过多尺度运动目标边缘检测．提取出运动目标图像能量集中的边缘，得到抗噪性好、边缘连续清晰的运动目标。利用连续小波变换把目标边缘图像序列映射到运动状态参数空间进行分析。实验表明，该算法是对有噪、旋转和遮挡等复杂运动目标进行运动估计的有效方法。     

用连续小波变换识别内燃机噪声源

为了直接利用连续小波变换进行内燃机噪声源识别，提出了一种连续小波变换的改进算法. 研究了信号组成成分的幅值和频率变化对小波系数的影响，根据连续小波变换的基本性质，对连续小波变换后产生的与信号频率有关的衰减系数进行修正，通过对比分析从Matlab6.5的小波工具箱中找出了适合振动噪声信号分析的小波函数.工程信号的分析结果表明，经过对连续小波变换后小波系数的修正，使小波系数的大小能正确反映信号各组成成分的幅值大小，从而可以利用小波系数形成的云图直接进行内燃机噪声源识别.     

一种应用于超声无损检测的广谱反卷积技术研究

为了提高复合材料超声无损检测（UNDT）分辨率,提出一种基于小波变换和粒子群算法（PSO）的广谱反卷积新技术.在利用小波变换多分辨率分析能力对超声反射回波信号消噪,并确定超声反射系数位置集的基础上,采用粒子群优化算法求出相应位置反射系数的幅值,从而消除畸变小波的平滑作用,有效改善检测分辨率.同时,该技术还突破传统方法仅适合于超声回波信号为平稳、检测噪声为白色以及先验知识已知的场合应用的局限性.计算机仿真和实验研究表明,与传统反卷积技术相比,该方法能极大地提高超声检测的分辨率,并体现出较强的广谱适应性和鲁棒性.     

基于EEMD和CWT的挖掘机座椅振动分析

针对某型液压挖掘机座椅振动加速度信号,应用集总经验模式分解(ensemble empirical mode decomposition, EEMD)方法进行处理,提出以能量贡献率与相关性分析相结合的方法,实现本征模态函数(intrinsic mode function, IMF)中冗余项和伪信号的剔除;并应用连续小波变换(continuous wavelet transform, CWT)对各有效IMF分量进行时频分析,实现振源特征提取和定位。试验分析表明:影响驾乘舒适性的分量主要来源于发动机的发火激励和2阶转动激励,同时缸内气体压力循环作用产生的发动机切向、径向激励力也是一个重要的来源。该方法可有效地实现座椅振源信号的分解、筛选及定位,对于研究挖掘机振动舒适性具有一定的应用价值。     

小波变换在轴承故障诊断中的应用

提出一种利用连续小波变换诊断轴承故障的方法。该方法不需要对象的数学模型，具有灵敏度高、仰操能力强、鲁棒性好的特点。     

基于小波变换模极大值的去噪方法研究

小波去噪在信号处理中得到广泛应用。目前常用的方法主要有Donoho提出的阈值法和Mallat提出的模极大值法。模极大值法是一种经典的小波去噪方法,噪声的模极大值的幅度随尺度的增大而迅速减小,而正常信号随尺度的增大而增大,因此利用合适尺度的小波变换,容易把噪声从正常信号中剔除。通过试验说明这种方法对白噪声和脉冲噪声都有很好的去噪效果,并与阈值去噪比较,对于高斯白噪声,信噪比比较低的信号,模极大值去噪要优于阈值法去噪;对于脉冲噪声,脉冲噪声点数较多时,模极大值去噪要优于阈值法去噪。     

连续小波变换识别水轮机故障信号孤立奇异点

针对低频振动信号，给出一种故障信息识别的有效方法。选择双正交样条小波作为基小波，将多尺度分析及孤立奇异点的检测运用到水轮机房轴径向摆度分量信号的故障识别中。结果表明，利用连续小波变换系数模极大值（WTMM）的多尺度分析、根据WTMM曲线的长度、强度及其Lipschitz指数可以定位孤立奇异点；运用最小二乘算法估算李氏指数，即可估算故障点的奇异性程度并取得了很好的诊断效果。     

一种新的MEMS陀螺仪信号去噪方法

为提高MEMS陀螺仪输出信号的去噪效果,将稀疏分解(sparse decomposition)与提升小波变换(lifting wavelet transform)相结合,提出了一种新的信号去噪方法.首先,建立MEMS陀螺带噪信号的误差模型,并利用小波提升正变换计算带噪信号的非稀疏的小波系数;然后,利用稀疏分解理论恢复小波系数的稀疏性;最后,再通过小波提升反变换重构信号,从而达到去噪的目的.考虑到梯度投影(gradient projection)算法具有全局最优解,运算效率更高,将梯度投影思想引入恢复信号稀疏性的过程中,提出了基于梯度投影的稀疏分解算法,给出了利用梯度投影算法进行信号系数分解的具体步骤,大大简化了计算复杂度,同时提升了算法的稳定性.为验证所提方法的性能,进行了MEMS陀螺信号去噪的静态实验和跑车实验.实验结果表明,此种方法在动静态条件下都可以有效地去除MEMS陀螺仪输出信号中的噪声,尤其是在静态条件下的去噪效果要优于小波阈值滤波方法.同时采用的梯度投影算法相比于正交匹配追踪算法和基追踪算法具有更高的运算效率.