基于提升模式的非抽样小波变换及其在故障诊断中的应用

由于传统离散小波变换在分解信号时采用抽样操作，使原始信号的部分时域特征不能保留在分解结果中；另外，分解结果的平移可变，使得分解结果不能完美地描述故障的时域特征。为了克服上述缺陷，根据非抽样小波变换的原理，提出一种基于提升模式的非抽样小波变换框架。首先，通过信号变换方法去除提升小波变换的剖分环节，得到提升模式下的非抽样小波变换框架；在此基础上，建立提升模式下非抽样小波变换与抽样小波变换的预测器和更新器之间的转换关系，提出非抽样提升小波变换的分解和重构算法。采用这种非抽样小波变换从齿轮箱的振动信号中有效提取幅值调制和瞬态冲击的摩擦故障特征。     

双树轮廓波变换域的磁共振图像降噪

为了改善磁共振(MR)图像的质量,提出一种基于双树轮廓波(DT-Contourlet)变换的MR图像降噪算法。研究了MR图像的噪声分布模型,认为这种噪声服从莱斯分布,从而推导了MR模平方图像的噪声参数估计方法。通过分析DT-Contourlet的塔型双树方向滤波器组结构,明确了DT-Contourlet不仅能保持轮廓波灵活的方向选择性,而且克服了传统轮廓波不具有平移不变性的缺点。在DT-Contourlet变换域,通过计算方差一致性测度,用局部自适应窗口估计阈值萎缩因子,对MR模平方图像的变换系数进行阈值萎缩。最后,经过DT-Contourlet反变换,实现了MR图像的降噪处理。实验结果表明,用本文算法降噪的MR仿真图像的峰值信噪比(PSNR)优于传统算法;与基于小波和轮廓波的方法相比,不同噪声方差下的PSNR平均提高了2.13dB和0.91dB。从视觉效果来看,该算法能在有效抑制MR图像噪声的同时,更好地保持图像的细节信息。     

非平稳振动信号分析中Hilbert-Huang变换的对比研究

Hilbert-Huang变换是一种信号分析新方法，特别适合于对非平稳信号进行分析。介绍该方法的基本理论，并利用它对一个典型的旋转机械非平稳振动信号进行分析。然后通过与利用短时傅里叶变换和小波变换所得到的分析结果的对比，研究Hilbert—Huang变换在分析一般非平稳振动信号中的优势和缺陷。最后结合实际应用中遇到的问题，简要论述Hilbert—Huang变换中的经验模态分解在分析频率成分非常靠近的复杂信号时的不足和原因。研究结果表明，Hilbert—Huang变换和其他方法相比，具有分辨能力强、自适应分解、物理意义清晰、信息完整、形式简洁和易于精确分析等优点；同时也存在具有端点效应、实时性稍差和难以将复杂信号中特别靠近的频率成分分解为独立的本征模分量的缺陷。     

基于移不变抗混叠轮廓波变换的混合统计模型图像降噪

针对抗混叠轮廓波变换缺乏平移不变性的缺陷,构造出具有近似移不变性的抗混叠轮廓波变换。在此基础上,在变换域提出一种混合统计模型图像降噪方法。该方法充分利用变换域信号系数层间层内相关性强、噪声系数无层内相关性且在小尺度下存在较强的假层间相关性的特点,采用混合统计模型对小尺度信号系数进行估计,从而避免了非高斯双变量模型放大噪声系数的风险。实验结果表明,提出的去噪法能克服轮廓波变换中的频谱混叠,避免重构图像出现"划痕"和边缘模糊现象,得到的峰值信噪比(PSNR)值分别比轮廓波硬阈值去噪、轮廓波变换域HMT去噪和抗混叠轮廓波变换域硬阈值去噪平均高2.87,1.32和1.36 dB,在有效去噪的同时,具有较好的图像边缘和细节保护能力。     

基于HHT的新一代GPS动态测量误差分析和滤波技术研究

针对新一代GPS的轮廓信号和几何误差成分特点,引入一种具有自适应能力的非平稳信号分析新方法——希尔伯特-黄变换(Hilbert-Huang Transform,HHT)用于轮廓滤波和几何误差成分分析。研究了HHT中固有模态函数(Intrinsic Mode Function,IMF)的特点,指出各阶IMF分量按特征时间尺度从小到大的顺序排列,构建了基于经验模态分解(Empirical Mode Decomposition,EMD)的滤波器并将其用于轮廓滤波。分析了EMD分解中剩余项的特点,根据各阶IMF的瞬时频率和幅值函数以及Hilbert-Huang谱,确定了各周期性分量以及非周期性趋势项。几何误差仿真信号分析结果表明,与小波神经网络方法的相比,HHT方法获取的初始阶段信号更好;对实测轮廓曲线,采用HHT和小波变换进行了滤波试验验证,结果表明HHT方法获取的轮廓曲线更平滑。     

基于HHT的新一代GPS动态测量误差分析和滤波技术研究

针对新一代GPS的轮廓信号和几何误差成分特点,引入一种具有自适应能力的非平稳信号分析新方法——希尔伯特-黄变换(Hilbert-Huang Transform,HHT)用于轮廓滤波和几何误差成分分析。研究了HHT中固有模态函数(Intrinsic Mode Function,IMF)的特点,指出各阶IMF分量按特征时间尺度从小到大的顺序排列,构建了基于经验模态分解(Empirical Mode Decomposition,EMD)的滤波器并将其用于轮廓滤波。分析了EMD分解中剩余项的特点,根据各阶IMF的瞬时频率和幅值函数以及Hilbert-Huang谱,确定了各周期性分量以及非周期性趋势项。几何误差仿真信号分析结果表明,与小波神经网络方法的相比,HHT方法获取的初始阶段信号更好;对实测轮廓曲线,采用HHT和小波变换进行了滤波试验验证,结果表明HHT方法获取的轮廓曲线更平滑。     

约束抽样Hough变换的光纤端面精确定位

为提高经光纤传输后光束方向的稳定性,提出了一种新的光纤端面精确定位方法。该方法针对光纤端面光能量中强模间噪声干扰的特点建立了约束抽样Hough变换,可实现对噪声的去除和对轮廓的准确提取,并根据轮廓的特征把特征点分为基元类和噪声类,对两类点分别进行约束抽样Hough变换,可显著减少存储所需要的内存空间,有效抑制噪声对轮廓的干扰,准确得到属于轮廓的特征点。根据各特征点对轮廓的贡献,采用弦长加权拟合法对轮廓点进行处理,从而得到轮廓的中心位置。实验结果表明,该方法对光纤端面的定位不确定度优于0.2 pixel,成像物镜放大倍数为10时,定位不确定度优于0.4 μm。     

基于WNN的环形球栅扭矩传感器的信号解调

针对常用方法对环形球栅扭矩传感器信号的解调效果不明显的状况,提出基于小波神经网络的解调方法.利用非抽样小波变换的时频局部化特性和平移不变性,对预处理后的传感器信号进行多分辨率分解,并在神经网络的干预下进行小波重构.构建了小波神经网络模型,并在LabVIEW中编程实现了该算法.在测试平台中分别对同向转动机械轴、来回换向转动机械轴以及对机械轴敲击时所对应的传感器信号进行解调实验,其结果表明解调的效果好,可靠性高.     

非抽样多小波和Hilbert-Huang时频分析在行星减速器早期故障诊断中的应用

提出一种改进相邻系数方法和非抽样多小波变换融合的降噪方法,使用Hilbert-Huang时频分析作后处理,并将其应用于行星减速器早期故障诊断中.行星减速器具有故障响应微弱、振动的强烈非平稳性和明显的非线性、低频特征频率污染等特点,使得现有中心轴固定的传统齿轮箱诊断理论与技术不能有效解决行星减速器的故障诊断难题.非抽样多小波变换具有时间平移不变性,可以降低或消除信号中奇异点附近急剧振荡的Gibbs现象;改进相邻系数方法具有随分解层变化的邻域区间长度和灵活的阈值选取方式,能够准确提取出非平稳信号中的早期微弱故障特征信息;Hilbert-Huang时频分析可以更直观地表征信号中的非平稳、非线性特征.对实际信号的分析结果表明,该方法可以准确提取出行星减速器存在早期齿面点蚀损伤时的微弱故障特征.     

形态非抽样小波与灰色关联度的轴承故障诊断

文中针对滚动轴承振动信号的强噪声背景以及故障样本不易大量获取的问题,提出了一种基于形态非抽样小波与灰色关联度的滚动轴承故障诊断方法。形态非抽样小波克服了传统形态小波由于采用抽样方式分解而造成的信息丢失问题,具有良好的特征提取和抗噪性能。灰色关联度分析方法对小样本模式识别问题具有良好的分类效果,适用于滚动轴承的故障模式识别。文中首先利用差值形态滤波能够提取信号冲击成分的特点,提出一种多尺度形态非抽样小波方法提取滚动轴承故障特征,然后将形态非抽样小波分解后近似信号的归一化特征能量作为特征向量,最后通过比较待识别样本与标准故障模式的灰色关联度来对故障模式进行分类。实例表明该方法可取得良好的效果。     

Gear fault identification and localization using analytic wavelet transform of vibration signal

The aim of this present work is to identify and localize the defect in gear and measure the angle between two damaged teeth in the time domain of the vibration signal. The vibration signals are captured from the experiments and the burst in the vibration signal is focused in the analysis. The enveloping technique is revisited for defect identification but is found unsatisfactory in measuring the angle between two faulty teeth. A signal processing scheme is proposed to filter the noise and to measure the angle between two damaged teeth. The proposed technique consists of undecimated wavelet transform (UWT), which is used to denoise the signal. The analytic wavelet transform (AWT) has been implemented on approximation signal followed by a time marginal integration (TMI) of the AWT scalogram. The TMI graph time-axis is mapped onto the angular displacement of the driver gear. The measurement is shown to identify the first and the second defective teeth impact on gear meshing, which is visible as sharp spikes in the TMI graph. An attempt is also made to replace the approximation from UWT with Intrinsic Mode Function (IMF) derived from the Empirical Mode Decomposition (EMD). The present experimental work establishes the proposed method of measuring and localizing multiple gear teeth defect using vibration signal in the time domain.     

基于抗混叠轮廓波变换系数分布模型的去噪算法研究

针对轮廓波变换存在频谱混叠致使其难以获得理想的去噪效果这一问题,本文提出一种基于抗混叠轮廓波变换系数分类的混合模型图像降噪算法.该算法通过计算变换系数的尺度间相关性,将系数分为重要系数和非重要系数两类,并对二者分别采用广义非高斯二元变量分布与零均值高斯分布建模,在Bayes框架下对原始图像进行估计.实验研究结果表明,以Barbara图像为例,当噪声方差σ=30时,本文算法不仅峰值信噪比(PSNR)超过Contourlet-HMT模型去噪2.72 dB,且主观视觉效果上亦均优后者,同时还具有较高的计算效率.     

基于Contourlet变换遥感图像增强

摘要：提出一种基于Contourlet变换的空间域增强和变换域增强相结合的遥感图像增强算法。首先对原图像进行拉普拉斯塔式变换（LP）得到原图像的细节图像并将它和原图像线性相加实现空间域增强;然后对空间域增强后的图像进行Contourlet变换得到不同尺度和不同方向上的变换系数,构造非线性增强函数对变换系数做增强处理实现变换域增强;最后对增强处理后的变换系数进行Contourlet反变换,实现最终的图像增强。试验结果表明：与应用于遥感图像传统增强算法相比,此算法可以得到更好的增强效果。     

GEARBOX FAULT DIAGNOSIS USING ADAPTIVE WAVELET FILTER

Vibration signals from a gearbox are usually noisy. As a result, it is difficult to find early symptoms of a potential failure in a gearbox. Wavelet transform is a powerful tool to disclose transient information in signals. An adaptive wavelet filter based on Morlet wavelet is introduced in this paper. The parameters in the Morlet wavelet function are optimised based on the kurtosis maximisation principle. The wavelet used is adaptive because the parameters are not fixed. The adaptive wavelet filter is found to be very effective in detection of symptoms from vibration signals of a gearbox with early fatigue tooth crack. Two types of discrete wavelet transform (DWT), the decimated with DB4 wavelet and the undecimated with harmonic wavelet, are also used to analyse the same signals for comparison. No periodic impulses appear on any scale in either DWT decomposition.     

经验模态分解滤波器组特性及轴承异音识别

利用经验模态分解滤波器组特性可调整性,结合短时傅里叶变换(STFT)技术识别轴承异音。在研究高斯随机噪声经验模态分解(EMD)的基础上,运用数值方法证实EMD滤波器组特性随判别参数SD改变,指出类似于二进制小波滤波器组特性只是一种特殊条件下的分解现象。根据轴承振动加速度的广谱性质,利用参数SD对EMD滤波器组特性可调性,对滚动轴承振动加速度信号按异音测量要求进行EMD自动频段分解。对前3阶本征模态进行STFT变换,用三维图刻画轴承振动的幅值大小、频率大小、周期和随机分布冲击特性,设定阈值,在时频域上刻画轴承的异音。该方法揭示了轴承异音分布模式,能通过异音识别控制轴承加工质量。     

基于拉普拉斯能量和的循环平移尖锐频率化Contourlet域多聚焦图像融合方法

本文提出基于拉普拉斯能量和的循环平移尖锐频率化Contourlet ( Sharp Frequency Localized Contourlet Transform-SFLCT)域多聚焦图像融合方法。SFLCT 成功减少了原始contourlet在远离支撑区间上出现的混叠成分。但是,SFLCT中的方向滤波器的降采样使得它缺乏频移不变性,容易在图像奇异处产生伪吉布斯现象。因此,本文采用循环平移(Cycle Spinning)来提高SFLCT的频移不变性。同时,本文将多聚焦空域融合方法中评价图像清晰的指标引入到SFLCT变换域,比较证明拉普拉斯能量和具有最好区分变换系数来自于清晰还是模糊图像的能力。因而,我们采用拉普拉斯能量来选择变换域系数,并重构得到融合图像。实验结果表明,针对多聚焦图像融合,所提方法在视觉效果和客观评价指标上都优于典型的空域分块拉普拉斯能量和方法、平移不变小波变换方法、循环平移小波变换方法和循环平移contourlet融合方法。     

Design of high performance QRS complex detector for wearable healthcare devices using biorthogonal spline wavelet transform

A high performance QRS complex detector applicable for wearable healthcare devices is proposed in the present work. Since, higher SNR results in better detection accuracy and lesser number of coefficients reduces the hardware resources as well as power dissipation during on chip implementation. Biorthogonal spline wavelet transform is chosen for the proposed detector as it has high signal to noise ratio (SNR) and uses only four coefficients for decomposition. In the proposed approach, a Biorthogonal wavelet filter bank with fourth level decomposition is first used to separate the different frequency components and then a fourth level wavelet filter bank is used to get the denoised electrocardiogram (ECG) signals. Wavelet filter bank outputs are multiplied and soft threshold method is applied to get the QRS complex peaks by the QRS complex peak detector block. Add and shift multiplier used in the earlier designs has been replaced by a Booth multiplier in our approach to achieve the higher performance. Booth multiplier and QRS complex peak detector blocks have been designed for low hardware complexity, high performance and accurate detection of the QRS complex peaks. Time interval between the consecutive QRS peaks is calculated using the R-R peak time calculator block and the heart rate (HR) by the HR calculator block. Heart Rate Variability (HRV) and arrhythmia are detected based on these heart rate calculations. Proposed design has been tested for its robustness on multiple datasets (namely, MIT-BIH arrhythmia, MIT-BIH noise stress test, and MIT-BIH atrial fibrillation databases). Sensitivity of 99.31%, positive predictivity of 99.19% and the Detection Error Rate (DER) of 1.49% shown by the proposed design makes it preferable for QRS complex detectors used in wearable healthcare devices.     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。