一种基于多尺度线调频基的稀疏信号分解方法

在线调频小波路径追踪算法和稀疏信号分解的基础上,提出了一种基于多尺度线调频基的稀疏信号分解方法.该方法采用多尺度的线调频基函数对信号进行投影分解,通过从不同的时间支撑区内投影系数最大的的基函数集合中寻找出使分解信号能量最大的基函数组合,逐次获得分析信号中能量最大的信号分量.该方法可以有效地分解出频率变化呈线性或曲线型的多分量信号,且不存在二次型时频分布的干扰成分,具有良好的时频聚集性和较高的频率拟合精度,非常适用于机械振动非平稳信号的分解.将该方法与EMD方法进行了比较,验证了方法的有效性.     

刀具磨损声发射信号小波分析中小波基的选取

针对在用小波理论分析刀具磨损声发射（AE）信号时选取不同的小波基对分析结果有重要影响的问题,通过对小波基性质和刀具磨损AE信号特点的研究,从理论上分析了小波分析中刀具磨损AE信号处理中小波基选取的方法。在试验验证过程中,根据信号在小波包分解前后遵循能量守恒的原理,用四种小波基对刀具磨损AE信号进行三层小波包分解。以经小波包分解后AE信号各频带上的频带能量为特征参数,比较四种情况下特征参数的变化,验证了理论分析的正确性。     

基于FRFT的改进多尺度线调频基稀疏信号分解方法

针对全局搜索基函数计算量大的问题,提出了基于分数阶傅里叶变换(Fractional Fourier Transform,FR-FT)确定基函数的改进多尺度线调频基稀疏信号分解方法。通过解析信号的FRFT消除实信号FRFT结果中的对称项,两级搜索FRFT幅度谱确定信号的最佳基函数,检验该方法的计算效率和抗噪性能,并采用该方法分解频率呈曲线变化的多分量非平稳信号。试验结果表明:对解析信号进行FRFT能有效消除实信号FRFT结果中的对称项;基于FRFT确定基函数速度快、精度高、抗噪能力强,与频偏大小、频率变化快慢无关,不需先验知识,有效克服了全局搜索方法计算量过大的问题;基于FRFT的改进多尺度线调频基稀疏信号分解方法能快速、准确地分解频率呈曲线变化的多分量信号,适合于旋转机械瞬变工况下非平稳信号的瞬时频率估计与目标分量隔离分析。     

基于傅里叶分解-小波包分析的爆破信号去噪方法

针对由于爆破现场施工环境复杂,爆破振动信号包含大量高频噪声的问题,提出一种基于傅里叶分解(FDM)联合小波包阈值方法的降噪方法.首先,基于傅里叶分解理论将爆破振动信号分解为若干傅里叶固有频带函数(FIBFs);然后,分别计算分解所得模态分量与原始信号的相关系数,使用相关系数法筛选出优势分量,将筛选所得优势模态分量进行重构;最后,利用小波包阈值方法对重构所得信号进一步降噪,得到最终纯净的爆破振动信号.结果表明:引入的新方法兼具傅里叶分解及小波包分析的优点,与现有常用方法相比,傅里叶分解-小波包分析联合降噪方法信噪比(10.3940)最高,均方根差(0.0889)最小,所得时程曲线更为平滑,去噪效果更好,为类似爆破振动信号去噪提供新的途径.     

小波变换在信号处理中的应用

介绍了常用小波基函数和连续小波变换，重点将小波变换应用到信号的去噪、分解和重构信号分析中。通过仿真实验可见小波变换已成为信号处理中行之有效的方法，必将在信号处理中起着重要作用。     

提升小波包最优基分解算法及在振动信号降噪中的应用

提升小波包最优基分解,是影响提升小波包应用效果和效率的关键.提出了一种先序分解后序搜索的提升小波包最优基分解算法,该算法提升小波包先序分解和最优基后序搜索同时进行,只保留当前发现最好基下的分解系数,及时释放冗余存储窄间,具有更高的空间效率,更适于信号在线处理.对算法进行了描述,并与自上而下完全分解、自下而上搜索算法进行了比较.将其应用于发动机缸盖振动信号降噪,取得了满意的效果.     

基于小波包和LMS自适应降噪的柴油机振动诊断

由于柴油机振动信号的特征频带和噪声频带存在重叠现象,利用小波阈值消噪时难以选取合适的小波阈值,针对该问题提出一种基于小波包的LMS自适应滤波降噪方法。该方法将小波包与LMS自适应滤波相结合,首先利用小波包变换对信号进行多层分解,然后以噪声干扰对应尺度上的第一层“细节”分量及最大分解尺度上的逼近分量重构信号,将重构后的信号作为LMS自适应滤波器原始输入信号,再以小波包最大分解尺度上的高频细节信号作为自适应抵消器的参考输入信号,进行LMS自适应滤波降噪处理。仿真计算和工程应用表明,该方法参数设置较少,易于控制,不涉及小波阈值降噪中阈值的选取问题,对比试验信号的分析验证了方法的有效性,将该法应用在柴油机振动诊断中提高了故障识别率。     

α尺度多重双正交小波包的L2(R)分解

小波包的方法能对高频信号进行小波分解,给出了频域带更精细的划分。本文研究α尺度多重双正交小波包的性质,讨论α尺度多重双正交小波包的分解,给出L^2(R)的双正交基。     

局域判别基空间能量的水声目标特征提取

考虑水声信号的非平稳性及时变性,对信号进行小波包分解。不同的小波包基可以反映不同的信号特性,基于距离准则,求取小波包局域判别基,在局域判别基的基础上,提出通过求取局域判别基的各子空间的能量,形成特征矢量的特征提取方法。利用Fisher准则函数进行特征选择,得到识别特征矢量,针对识别特征矢量设计神经网络分类器,对三类目标进行分类,验证实验表明,基于这种方法提取的识别特征矢量在水声目标分类识别中是有效的。     

一种基于奇异值的小波包改进算法

为提高小波包降噪精度,提出一种小波包和奇异值结合的改进算法。首先选取合适的小波基函数进行小波包分解,对小波包系数进行奇异值分解,然后重构信号,最后仿真验证该算法的有效性。结果表明该算法可以有效地滤去噪声信号,同时可以保留信号中的高频成分,降噪效果优于小波包降噪。     

小波域降噪方法及其在历史音频保护中的应用

提出基于小波包变换的自适应多阈值音频降噪法,从小波包最佳分解树的各个终端结点选择不同的最佳阈值。而最佳阈值的选取是基于贝叶斯理论,并且采用折中阈值函数。实验和应用表明,相比小波包全局阈值降噪算法,此种降噪方法能使降噪后的音频保留尽可能多的原始音乐信号,较好地适合听众的听觉效应,满足历史音频资料数字化保存的需要。     

基于小波包分析的拉索损伤声发射信号特征提取

结合显式有限元和小波包分析技术开展了拉索损伤声发射信号特征提取的仿真分析。采用ANSYS/LS-DYNA模拟得到拉索损伤声发射信号的仿真信号,基于小波包能量谱对拉索声发射的有限元仿真信号进行了特征提取,从小波包分解层次、特征频带数量的选择及特征参数的噪声鲁棒性三个方面开展了讨论分析。结果表明:(1)通过选择适当的小波包分解层次,小波包能量谱可以精细地反映信号的特征;(2)选取少数特征频带就能使得小波包能量谱反映声发射信号的特征信息;(3)基于小波包能量谱的特征参数具有良好的损伤敏感性及噪声鲁棒性,能在强噪声影响下实现对拉索不同损伤类型的判别。     

基于小波变换的STM图像处理

根据扫描隧道显微镜(STM)的特点，阐述了将小波变换应用于扫描隧道显微镜的降噪、增强及融合的方法，对于STM扫描获得的石墨原子图像，选用不同的小波基函数和分解层数进行分解和重构，结果表明，利用小波变换对扫描隧道显微镜图像进行处理是有效的、可行的，图像质量得到了明显提高。     

超越离合器故障的小波包变换诊断方法研究

论述了小波包分解及其能量谱处理超越离合器故障的原理与方法，应用小波包分解及其能量谱直观地识别出故障的特征频带，并进行了量化分析，结果表明，小波包及小波包分解能量谱比传统的傅里叶分析方法具有更大的优越性及实用价值。     

密码函数的一类递归构造方法

首先利用递归的方法证明了结构形式更为一般的布尔函数的 Walsh谱分解式，然后利用这类布尔函数Walsh谱分解式，给出了密码学和编码学中具有重要应用价值的一些布尔函数，如弹性函数、Bent函数以及满足严格雪崩准则的布尔函数的构造方法。     

柴油机缸盖振动信号分形特征研究

针对柴油机振动信号的非线性特征,将小波变换与分形理论结合;由此进行缸盖振动信号的分析及故障特征的提取,进而对柴油机气阀间隙异常故障进行诊断。随后计算信号小波包频带盒维数、小波变换模极大及信号的多重分形谱。结果表明,这种将分形维数和多重分形谱的结构作为系统的衡量指标和故障的表征参数,使诊断结果简单、现实可行。     

五滚柱式定向离合器故障诊断的小波包变换方法

论述了小波包分解及其能量谱处理五滚柱式定向离合器故障的原理与方法。应用小波包分解及其能量谱直观地识别出故障的特征频带，并进行了量化分析。结果表明，小波包及小波包分解能量谱比传统的傅立叶分析方法具有更大的优越性和价值。     

小波包分解及其能量谱在发动机连杆轴承故障诊断中的应用

论述了波波包分解及其能量谱处理发动机连杆轴承故障的原理与方法,结合传统断火诊断法的思想,应用小波包能量谱直观地识别出故障的特征频带,并进行量化分析,结果证明了这种方法比传统的付立叶分析方法具有更大的优越性及现实的应用价值。     

小波包变换在金属磁记忆信号处理中的应用研究

金属磁记忆技术是对金属部件进行早期损伤检测行之有效的方法.针对磁记忆信号中存在干扰磁场,不利于应力集中区特征信号的识别的问题,运用小波包分解重构的滤波方法。小波包将信号分解到各个不同的频段,截取感兴趣的频段,再重构信号,达到降低干扰信号的目的。仿真分析验证了该方法的可行性。通过对实测磁记忆信号进行小波包分解重构,使得应力集中区的特征更易识别,取得了较好的效果,降低了误判的几率。     

A hybrid approach of wavelet packet and directional decomposition for image compression

In this paper, a novel image compression technique, the combination of wavelet packet transform and directional decomposition is proposed. Wavelet packet transform is an increasingly remarkable image compression approach that outperforms the standard wavelet transform in image coding. The directional filtering coding technique, one of the second‐generation image coding techniques, first introduced the concept of directional decomposition. By placing emphasis on edge detection to preserve edge information to exploit the fact that human visual systems are more sensitive to image edge features, a relatively high compression ratio can be obtained. The approach proposed in this paper decomposed an image into a low‐frequency component and a number of highfrequency components, with the edges on each high‐frequency component in its own direction. By a combined process of Cartesian coordinate rotation transform, interpolation, wavelet packet transform, and a coding algorithm, the image can be reconstructed at an improved visual quality at the same bit rate compared with the common wavelet pyramid algorithm. © 2002 Wiley Periodicals, Inc. Int J Imaging Syst Technol 12, 51–55, 2002; Published online in Wiley InterScience (www.interscience.wiley.com). DOI 10.1002/ima.10010