基于经验小波变换的结构损伤特征提取

为了更好地提取结构损伤特征信息,提出了基于经验小波变换(EWT)和希尔伯特变换的振动信号分析方法。首先,用EWT对结构损伤加速度振动信号的频谱进行自适应分割,然后提取不同的调幅-调频(A M-AF)分量,最后对其进行希尔伯特变换,获取瞬时频率。仿真和工程实验结果表明:经验小波变换相对于经验模态分解(E MD)可以更好地提取信号的各个特征分量,为信号时频处理奠定基础,且分解的模态少,不存在虚假模态。同时,EWT与Hilbert的结合更进一步验证了该方法的有效性。     

同步挤压小波变换提取地震信号瞬时属性

地震信号瞬时参数的准确提取对于研究地球介质的岩性构造、油气储藏等具有重要意义。针对用传统时频分析方法提取地震信号瞬时参数对噪声敏感、可靠性不强等问题,提出了利用同步挤压小波变换(SST)提取地震信号瞬时参数的方法。该方法是一种连续可逆的时频变换工具,首先结合时频谱重排的思想,得到同步挤压小波变换量值,然后计算出实信号对应的解析信号,接着求取瞬时参数,最后与传统的Hilbert变换方法进行比较,通过仿真信号试验和实际地震资料的应用表明,SST提取的地震瞬时参数抗噪性更强、可靠性强,尤其对于瞬时频率的提取。     

闪变FFT检测算法的误差分析及修正

快速傅里叶变换(FFT)是在实际应用中测量闪变最常用的一种算法, 但是传统的快速傅里叶变换算法对于测量含多个调幅波所引起的闪变结果与国际电工委员会(IEC)推荐的测量闪变的方法相比不够准确, 存在比较大的误差。为了准确测量闪变, 提出了一种基于改进的快速傅里叶变换算法。以单频率调幅波和双频率调幅波为闪变检测输入信号, 对FFT法检测闪变的各实现环节与IEC方法进行对比分析, 发现FFT检测算法所得的瞬时闪变值与IEC所得的瞬时闪变值有一定的差距, 从而找出FFT检测法的误差来源, 通过修正瞬时闪变值来达到准确检测的目的。通过MATLAB仿真分析可以看出, 基于改进FFT的闪变检测结果与IEC法基本一致, 达到IEC闪变测量精度要求。该检测方法实现简单, 并且可以拓展应用于含三个及以上的调幅波的闪变检测。     

基于磁场调制的磁流体动力学角速度传感器

为改善磁流体动力学角速度传感器输出信噪比,提高传感器的测量分辨力,提出了一种基于磁场调制的磁流体动力学角速度传感器,采用交变磁场作为载波信号对输入传感器的角速度信号进行调幅,设计了磁路、μＶ级微弱信号预处理电路和数字相敏检波系统。仿真与实验结果表明设计的磁路能够产生幅值恒定的交变磁场,磁感应强度有效值和均匀性满足传感原理需求,电路仿真结果表明预处理电路可有效规避低频噪声干扰,数字解调系统提取信号后,信号频率误差小于0.6％,幅值误差小于0.15％。     

光纤陀螺信号误差分析与滤波算法的研究

针对光纤陀螺信号漂移误差和噪声的影响,采用Allan方差法对光纤陀螺的各项随机误差成分进行了分离和计算.然后结合陀螺稳定平台系统研究了滑动滤波、小波变换阈值滤波两种直接对陀螺输出信号进行数字滤波处理的方案.最后对某陀螺惯性稳定跟踪转台中使用的光纤陀螺信号的测试和统计分析结果表明,采用Allan方差法能够有效地分离和辨识陀螺零漂信号中的各项噪声源随机误差系数和误差大小,采用的小波变换阈值滤波的去噪效果明显.     

Hilbert—Huang变换在谱分析中的应用

本文对Hilbert—Huang变换（Hilbert-Huang Transform）理论做了仿真研究，并通过仿真实验对非平稳信号作经验模式分解（Empirical Mode Decomposition），得到它的固有模态函数（Intrinsic　Mode　Function）分量；对各个分量作Hilbert变换，得到瞬时频率，并构造希尔伯特谱-时间-频率的时频分布图。通过与短时傅立叶变换（Short　Time　Fourier　Transform）、小波变换（Ｗavelet　Tramform的分析比较，Hilbert—Huang变换方法更能反应原始数据的固有特性，有更好的时频聚集性，更适用于对突变信号和非平稳信号的处理。     

采用小波变换和三点法的频率测量

讨论了在电力系统保护和控制中对基波信号中的间谐波进行小波变换来计算基波频率,但检测结果有少许误差;三点法也是检测频率常用的方法,它通过任意三个等间隔采样点提取正弦信号频率,合理的选择检测点之间的间隔可以使误差最小。运用小波变换与三点法结合可以高精度的对基波频率进行检测,仿真验证了方法的可行性。     

呼吸音信号的包络特征提取方法

针对时变宽带的呼吸音信号,在分析传统Hilbert变换方法提取包络的缺点基础上,提出基于复小波变换的呼吸音信号包络特征提取方法。选取Morlet复小波,以适当的尺度对预处理后的呼吸音数据进行变换得到包络,提取包络的统计量和能量作为特征,构造BP分类神经网络的输入矢量,经训练识别取得较好分类效果。研究表明该文的特征提取方法是行之有效的。     

基于脊波变换的生态景观线特征提取模型仿真

传统的线特征提取方法在对提取生态景观的线特征时,缺少对生态景观图像进行变换处理过程,导致提取时间较长、提取结果均方误差及相对误差较大.于是研究设计了基于脊波变换的生态景观线特征提取方法.通过脊波变换对生态景观图像进行处理,达到较好的降噪效果,从而获取具有直线和超平面奇异性的信号数据.再结合SIFT法对生态景观线特征展开提取,生成尺度空间并形成特征向量.实验结果表明:上述方法的线特征提取耗时较短,且提取结果的均方误差及相对误差较小,证明该方法取得了较为理想的提取结果.     

数字通信信号小波变换尺度选取问题研究

利用小波变换检测信号奇异性时,往往选择特定的尺度因子来进行,但是目前对于尺度因子选取问题研究的很少。文章以经均方根升余弦脉冲成形的ASK信号提取瞬时包络为例,对小波变换尺度选择问题进行了研究。首先利用Haar小波变换系数的模来提取ASK信号瞬时包络,并与传统的基于Hilbert变换提取法进行了比较;然后重点对小波变换的尺度因子选取问题进行了研究,从改善信噪比的角度对最佳尺度因子选取进行了推导,并通过仿真验证了算法的可行性。     

Hilbert-小波变换的齿轮箱故障诊断*

采用希尔伯特—小波变换对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用小波变换分解获得振动响应信号的各层高频信号小波系数和低频信号小波系数,对小波系数进行重构获得具有不同特征时间尺度的各高频信号和低频信号;再对分解的信号进行希尔伯特变换获得时频信息谱以提取系统的统计特征信息,实现监测齿轮运转工作状态,及时发现齿轮的早期故障,提高机械运行的安全性。仿真研究结果表明,小波变换分解和希尔伯特边际谱方法在故障信息诊断方面是可行和有效的,提高了故障检测的可靠性。     

基于小波变换和希尔伯特包络分析的QRS波检测算法

提出一种基于双正交小波变换和Hilbert变换的QRS波检测算法。首先，通过双正交小波变换分解与重构，消除高频噪声，同时突出R峰位置，构造出有利于QRS波检测的检测层。然后，对信号求差分和希尔波特变换，进一步抑制P波、T波以及基线漂移等噪声。最后，在计算得到的包络信号上根据自适应阈值及决策规则进行R峰检测。根据MIT-BIH心率失常数据库有标注的临床数据进行验证，QRS波检测结果准确率达到99.01%，同时算法具有不错的鲁棒性和实时性。     

基于传播算子法的某型飞机油箱冲击定位

研究利用阵列信号处理技术实现冲击定位的新方法,通过小波变换提取冲击响应信号某一窄带频率成分,运用传播算子法实现冲击源波达方向估计;根据Lamb波传播特性,用小波变换求出某一中心频率下的对称模式和反对称模式的Lamb波到达同一传感器的时间差,结合对称模式和反对称模式Lamb的速度差就可以估计出冲击源到达传感器的距离,从而实现冲击定位.在航空油箱上的实验表明:该方法能快速、精确地识别出冲击源的位置.     

正弦波调制对谐振式陀螺中谐振信号的影响

谐振式光纤陀螺（R—FOG）是利用光学Sagnac效应实现对转动角速度检测的一种高精度惯性传感器件。理论分析了正弦波调制特性,搭建了光学微谐振腔的调制解调实验系统,实验对比了正弦波、锯齿波、三角波3种调制波形对谐振信号信噪比的影响,得出了正弦波调制效果最好,提高了谐振信号的信噪比。针对不同调制幅度和频率条件下的正弦波调制对谐振信号的影响进行了测试,得出了调制幅度和调制频率对谐振信号的影响,为光学微谐振腔在谐振式陀螺系统应用中相位调制选择最佳的参数提供了参考。     

采用小波变换和盲源分离的电机轴承故障诊断

针对地铁车辆转向架牵引电机轴承故障,提出一种结合小波变换和盲源分离的轴承故障识别方法.首先从原始信号频谱中判断轴承高频共振信号的大致频带范围以确定小波分解层数;其次利用小波分解提取轴承高频共振信号成分;然后利用盲源分离方法从小波分解后的重构高频信号中分离故障特征信号;最后对故障特征信号进行Hilbert解调并通过包络谱分析提取故障特征频率.对上海地铁某型地铁车辆转向架牵引电机进行试验,试验结果证明该方法能清晰、准确地识别轴承故障特征.     

矢量积小波变换

1 矢量小波函数方程Ψ(x)=sum from k=0 to N(C_kΨ(2x-k)) (1)称为尺度方程,它在多尺度分析中起着举足轻重的作用。方程(1)的系数可以是实数亦可以是复数,(1)式的解Ψ(x)称为尺度函数。若式(1)有一个可积解Ψ(x),且是L~2(R)中的一个规范正交基,则从下式Ψ(x)=sum from k=0 to N(-1)~k(C_(N-k)Ψ(2x-k)) (2)     

Hilbert-Huang变换在煤矸界面探测中的应用

为了解决煤矿综采工作面煤矸界面识别问题,将Hilbert-Huang变换应用于煤矸振动信号的特征提取。采用EMD方法可以将复杂环境下的煤矸振动加速度信号分解成固有模态分量,通过分析包含煤矸振动特征的前4个IMF分量,得到局部Hilbert边际谱和局部能量谱,进而发现当顶煤放落时,其振动信号的幅值和能量主要集中在100 Hz至600 Hz的频率范围内;而当煤矸混放时,其幅值和能量则主要集中在1 000 Hz左右,此时100 Hz至600 Hz频率范围内的幅值和能量相对有所减弱。根据上述特征定义特征函数,应用到煤矸界面识别的仿真实验中,取得了很好的识别效果。