Savitzky Golay-WPT在滚刀主轴振动信号降噪中的应用

为消除滚齿机在加工过程中,滚刀主轴振动信号因环境影响而产生的噪声信号,提出一种基于Savitzky Golay -WPT的信号降噪方法。对原信号进行计算,得其最佳小波包分解树;根据最佳分解树,进行小波包变换（WPT）,得小波包系数;利用阈值函数对小波包系数进行筛选;结合最小二乘拟合方法对小波包筛选后系数进行重构。结果表明：与传统小波包和CEEMDAN相比,所提方法降噪性能分别提高3135%和2271%;在实际加工数据中,与传统小波包方法对比,该方法可减少中心频率周边干扰,使中心频率特征更突出,降噪效果更明显。     

基于小波变换的X射线焊缝缺陷图像处理

以MATLAB图像处理软件为平台，以小波变换为分析工具，应用了三种小波变换的基本理论，包括：基本的小波分析，小波包树分析和快速提升小波分析，对图像进行了初步的处理，实践证明能够对一些图片进行较为理想的处理。     

基于小波变换的X射线焊缝缺陷图像处理

介绍了射线检测焊缝缺陷图像的性质。以Matlab图像处理软件为平台,以小波变换为分析工具,应用了三种小波变换的基本理论,即连续小波分析、小波包树分析和快速提升小波分析,对焊缝缺陷图像进行了处理,得到了较为理想的处理效果。最后总结了不同小波分析方法的优缺点。     

基于小波变换的相控阵全聚焦图像去噪

针对相控阵全聚焦技术的成像背景噪声问题,提出了一种基于小波变换的相控阵全聚焦图像去噪声方法。利用离散小波变换将全聚焦图像信号分解到小波域,变换后的高频子带系数采取无偏似然估计的自适应阈值处理。对处理完的高、低频子带系数进行小波逆变换,重构全聚焦图像。试验结果表明,该方法能有效去除全聚焦图像的背景噪声,保留被检工件内部的真实缺陷信号。     

改进小波降噪算法在轴承缺陷图像的应用

针对传统Bayes阈值不能随小波分解尺度变换以及提高传统算法图像降噪效果的问题,文章提出一种改进的基于小波维纳滤波与Bayes自适应阈值估计图像降噪算法,该算法在多层小波变换的基础上,对小波分解后的第一层细节系数进行维纳滤波处理,对其他层细节系数进行改进Bayes软阈值估计算法处理,最后对处理后的小波系数进行重构,得到降噪图像。实验结果表明,该方法在图像峰值信噪比(PSNR)定量指标上优于传统的小波Bayes软阈值估计图像降噪方法,并将该方法成功的应用于轴承缺陷图像的降噪预处理以及轴承缺陷图像边缘检测中,达到了图像降噪的优化效果。     

一种工业无损检测超声图像降噪方法

针对传统的工业无损检测超声图像散斑噪声降噪方法,不能很好的保持图像边缘和细节,提出了一种新的基于粗集与小波的工业超声图像降噪方法.该方法通过考察散斑噪声的统计特征,利用粗集中的等价关系将工业超声图像划分为若干子图,对子图进行对数变换后完成小波变换,采用自适应阈值函数处理小波系数,应用小波逆变换和指数变换得到降噪后的子图,将降噪后的子图进行叠加得到最终的降噪图像.通过新算法在实际工业超声图像中的应用,实现了在保证降噪效果的同时能够较好地保持图像边缘及细节特征,验证了算法的有效性.     

基于Bandelet变换的金属断口图像识别方法

基于Bandelet变换能自适应跟踪图像几何方向的特点,将Bandelet变换引入到金属断口图像特征提取中,提出了一种基于Bandelet变换的金属断口形貌非线性识别方法。在提出的方法中,利用Bandelet变换提取金属断口图像的Bandelet熵作为特征向量,神经网络作为非线性分类器,对几种典型的金属断口图像进行了识别验证。同时,将该方法与基于传统的小波变换的金属断口图像识别方法进行了对比。结果表明,由于Bandelet变换克服了小波变换在处理金属断口图像时孤立对待边界各点的缺点,得到了比传统的小波变换方法更好的识别效果。     

小波变换在薄膜表面图像信号降噪中的应用

目的：当前,以原子力显微镜为代表的扫描探针显微镜设备可以获取纳米尺度薄膜样品的表面图像,但这些图像存在不同程度的噪声,影响图像质量和信息判断。为了更准确获取这些薄膜表面状态,需要对薄膜样品表面图像数据和信息进行降噪处理。方法结合AFM等设备成像特点以及小波变换的时频局域性特点,在介绍小波变换基本理论和噪声来源分析基础上,提出了一种多层小波分解去噪算法。传统的信号理论是建立在傅里叶变换基础上的,而傅里叶变换作为一种全局性的变化,其有一定的局限性,无法同时表述信号在时域和频域的局部性质,而这些局部特征恰恰是非平稳信号性质最关键的部分。小波变换保留了窗口傅里叶变换局部化的优点,改变了窗口傅里叶变换窗口函数大小固定的缺点。结果原始图像信号的频率在0 Hz到4000 Hz都有分布。通过小波变换后,信号波形更光滑,频谱在500 Hz到2000 Hz之间分布。结论将小波变换应用于薄膜表面图像信号降噪中,通过实验证明通过小波变换可以有效去除信号中的噪声部分。     

基于机器视觉的集成电路板焊点缺陷识别方法

现有的集成电路板焊点缺陷识别方法未对集成电路板二值图像进行边界跟踪,导致集成电路板焊点缺陷特征提取效果不佳,严重影响了集成电路板焊点缺陷识别效果。为此,文中提出一种基于机器视觉的集成电路板焊点缺陷识别方法。获取集成电路板焊点图像,通过傅里叶变换对集成电路板焊点图像缺陷数据进行空间数据转换,得到空间域的复数图像。引用Rician噪声的期望值对集成电路板焊点图像噪声偏差校正,通过高阶奇异值分解方法获取集成电路板焊点图像块硬阈值;对焊点图像进行阈值分割,利用连通链码对二值图像展开边界跟踪,提取集成电路板焊点缺陷特征,通过Adaboost分类算法构建分类器,将提取的特征输入到分类器内,最终实现集成电路板焊点缺陷识别。试验结果表明,所提方法能够准确识别全部焊接缺陷,缺陷识别耗时仅为103 s,焊点缺陷识别效果较好。     

一种微光下车牌图像的去噪和定位方法

车牌识别系统是智能交通的重要组成部分,而车牌定位是车牌识别系统的关键部分,它直接影响到后续的字符分割和识别.根据微光下车牌图像含椒盐噪声的特点和小波变换的集中特性,对微光车牌图像进行小波变换处理,用软阈值法对小波系数进行阈值处理,将得到的高频小波系数进行重构,得到去噪图像;最后对去噪后的车牌图像利用边缘检测法和投影法进行车牌区域定位.实验结果表明:每张车牌平均定位时间为1.78 s,定位成功率达98%.     

钛合金车削加工过程中刀具磨损状态监测的小波包子带能量变换特征提取新方法

在小波包分析的基础上,提出对小波包子带能量特征抽取的新算法.考虑到小波包能量子带的动态特性和统计特性可以作为刀具磨损状态识别特征提取的来源,提出将小波包子带能量相对比率、小渡包子带能量相对比率的变化值、小波包子带能量相对比率的变化值的统计偏差(能量距)作为三个新特征值.建立刀具磨损状态监测实验平台,采集刀具三维力反馈、振动信号作为监测信号.按常规特征抽取方法和本研究中提出的方法抽取特征值,形成网络训练、识别特征值空间.用梯度下降法训练建立BP人工神经网络,对27具四种磨损状态进行识别,验证小波包子带能量变换提取到的特征的有效性.     

基于虚拟仪器的表面肌电信号特征提取算法的研究

提出一种基于虚拟仪器的表面肌电信号的特征提取算法。该方法利用虚拟仪器丰富的函数功能,针对肌电信号的非平稳性特征,应用积分阈值法首先去除静息电位,保留最有价值的信号部分,然后利用小波包变换的方法对肌电信号进行小波包分解,根据其投影到不同频段上小波包系数能量的不同,利用能量较大的几组系数重构肌电信号。实验结果表明:该方法能有效地去除静息电位及噪声信号,且保留了肌电信号的细节信息,为肌电信号的模式识别创造了良好的条件。该研究依据虚拟仪器平台,为创建表面肌电信号实时控制机械臂系统提供了研究基础,具有潜在的工程应用价值。     

数字超声系统脉动噪声的估计与消除

采用高通滤波器和小波包变换技术对低碳钢摩擦焊接头进行超声无损检测，研究表明，高通滤波后，信噪比有所提高，但频率滤波器在滤除噪声的同时，也滤除了缺陷信息中所含的低频成分。小波包变换是一种比小波变换频率线性度更好的时频分析方法，能同时兼顾信号的陡变和缓变特征，从而清楚地区分时变信号和长时间的类周期信号。实验证明，小波包换能正地估计出脉动噪声，从而有效地去除之，提高信号的可观察性和信噪比。     

基于小波包变换预处理的铝电解槽针振信息元分析与诊断

简述了小波包变换的基本原理及利用小波包对电压信号进行分解的方法。针对铝电解槽电压波动信号的频谱特点。采用小波包分析方法提取了电压信号的特征向量。将信号分解到8个频段内。进行预处理得到频段能量特征向量。应用BP神经网络建立了特征向量到振针信息元之间的映射。仿真结果表明，小波包分析能够有效地将隐藏在正常电压信号之中的早期弱故障信号提取出来，从而发现槽子的早期不良症状。     

基于时频分析的奥氏体焊缝超声检测信号处理

对奥氏体焊缝超声检测信号处理方法进行了研究.提出一种基于匹配追踪和小波变换两种时频分析方法的信号处理方法,分别从能量和频率的角度区分缺陷信息和材料散射噪声,提高超声检测回波的信噪比.为了验证此方法的有效性,建立了超声检测试验系统,对53 mm厚焊缝试块进行检测试验,采集了含有大量材料噪声的实际检测信号.选用sym8小波...     

小波包变换和能量分析在声发射信号降噪中的应用

材料或结构受外力或内力作用下产生的声发射信号,其频率成分复杂,包括一些能量相对微弱的高频信号和低频干扰信号,而研究中往往只针对某些频率段信号进行分析。小波包变化可以将复杂频率成分的信号分解到不同的频率段,通过频率和能量筛选,可以将感兴趣的相对高能量的频率段信号提取分离出来。以Q235试件拉伸试验中采集到的声发射为例进行小波分析,证实了小波分析方法在声发射信号降噪中的实用价值。     

基于小波变换的双能DR图像融合

为了提高不等厚工件数字射线照相(DR)图像的信息量,将小波图像融合技术应用于两个不同X射线能量下的DR图像的融合。首先,利用小波变换对待融合图像进行多分辨率分解,采用加权平均法提取低频系数;然后利用八个方向掩模计算局部梯度,基于局部梯度选择融合高频系数;最后基于小波融合系数逆变换实现图像的融合处理。利用熵、空间频率等客观参数对融合图像进行评价。结果表明,此方法可以得到理想的融合效果。     

基于小波包和支持向量机的滚动轴承故障模式识别

为了解决对故障轴承的特征提取和故障特征准确分类问题,提出了应用小波包变换和支持向量机相结合进行滚动轴承故障诊断的方法.小波包变换具有良好的时-频局部化特征,非常适于对瞬态或时变信号进行特征提取.而支持向量机可完成模式识别和非线性回归.利用上述原理根据轴承振动信号的频域变化特征,采用小波包变换对其提取频域能量特征向量,然后利用建立的支持向量机多故障分类器完成滚动轴承故障模式的识别.试验结果表明,支持向量机可以有效、准确地识别轴承的故障模式,为轴承故障诊断向智能化发展提供了新的途径.