基于小波变换的车门运行模态分析

高速列车车门是评价高速列车安全性的一个很重要的部件,它对高速列车的密封性及噪声控制有很关键的作用。模态分析是结构动态设计,振动和噪声控制及设备故障诊断的重要方法。传统的传递函数模态分析方法的特点是同时利用激励和响应信号进行参数识别,而基于环境激励下的模态参数识别方法仅根据系统的响应就可以进行参数识别。其中,基于小波变换的模态分析方法非常有前景,它利用其良好的时频分辨能力以及带通滤波性质可以使系统自动解耦,然后从自由振动信号的小波变换谱图的小波脊线出发识别模态参数。本文利用基于小波分析的运行模态分析方法,对高速列车车门进行模态参数识别,效果良好。     

基于Morlet小波变换的MPSK信号调制识别

文中利用了MPSK信号经Morlet小波变换后的相位特性,提出了一种识别MPSK信号的方法。Morlet小波有良好的时频局部特性,与Hilbert变换相比,MPSK信号通过Morlet小波变换后获得了信噪比增益,因此可以更精确提取信号的瞬时相位。受加性高斯白噪声污染的MPSK信号经Morlet小波变换后,相位的概率密度函数可以用Tikhonov函数近似,由近似函数利用相位的统计性质识别MPSK信号。以已有的一种识别算法为例识别MPSK信号,仿真结果表明：在正确识别率为0.9时,采用Morlet小波变换,所需信噪比低约3dB。     

基于经验小波系数模态分解的太赫兹成像纵向分辨增强

为了提高太赫兹成像探测的纵向分辨率,提出了一种基于连续小波的经验模态分解的纵向分辨率增强新方法。首先先对样品的频域信号进行连续小波变换处理,获得其相对应的连续小波变换系数;然后对获得的连续小波系数进行经验模态分解,将其自适应地分解为一系列的本征模式函数和一个残差信号,并提取其中第一阶本征模式函数为成像参数进行三维重构,获得最终的三维本征模函数图像,以此来提高太赫兹检测图像的纵向分辨率。为验证方法的有效性,采用150 ～220 GHz高频太赫兹调频雷达成像系统分别对两种含内部脱胶缺陷的夹层结构复合材料进行成像检测并利用提出的方法进行处理,得到了纵向分辨率被有效增强,清晰度被有效提高的检测结果图像,这为未来的太赫兹计算机断层扫描成像和太赫兹无损检测应用研究提供了新的思路。     

基于自适应小波尺度选择的生物雷达呼吸与心跳分离方法

当使用生物雷达进行生命体征参数提取时,由于心脏跳动产生的位移形变很小,回波较为微弱,而呼吸带动的胸腔起伏回波强度较大,基于简单傅里叶变换的周期性信息检测,往往无法有效提取心跳信号。采用小波变换的方法可以较好地分离出含有心跳、呼吸运动信息的信号分量,但小波尺度的选择对于不同的场景存在细微差异,影响到了分离的效果。针对这一问题,该文采用Morlet二进小波变换,提出了一种基于信噪比阈值定标的自适应小波尺度选择方法,有效解决了不同场景的呼吸心跳分离问题。最后通过实测结果验证了算法的准确性和可行性。      

改进的Morlet小波在信号特征提取中的应用

小波分析提取数字调制信号调制特征是一种比较有效的分析方法。本文通过分析Morlet小波中各参数对提取调制特征性能的影响，提出一种改进的Morlet小波变换(MMWT)，并将其用于信号调制特征提取。计算机仿真表明，基于MMWT的特征提取性能优于基于Morlet小波变换的方法，且具有良好的抗干扰能力。     

基于改进阈值的小波分解和经验模态分解的人体脉搏信号滤波算法研究

脉搏信号是反映人体健康状况重要的信号之一,对于医生诊断病情有重要的指导意义。本文分析了脉搏信号中噪声的特点,针对不同种类的噪声,结合小波变换和经验模态分解算法在滤波方面的优势,给出基于改进阈值的小波分解和经验模态分解的人体脉搏信号滤波算法,滤除脉搏信号中的各类噪声。与传统的滤波方法相比,基于小波和经验模态分解的人体脉搏信号滤波算法具有较好的滤波效果。本文网络版地址:http://www.eepw.com.cn/article/233868.htm     

利用调和最小二乘提高阻尼识别精度的ITD法

ITD模态识别方法[1]可以不用系统的输入信息识别系统的模态参数,同时避免了数据变换(FFT变换[1])而引起的截断误差,但是识别的模态参数常常很不精确,且阻尼比的识别精度很差.采用调和最小二乘算法,并且在此基础上对阻尼比分两步进行识别.通过理论推导和算例验证得到:提出的算法能显著的提高阻尼的识别精度.     

近海摩托艇信号的模态分解

在非线性非平稳信号的分析、处理以及特征提取中,希尔伯特-黄变换(HHT)是一种高效的自适应分析方法,在工程领域中有着广泛应用。本文利用经验模态分解(EMD)和变分模态分解(VMD)方法对近海摩托艇的水声信号进行对比分析,发现水声信号能量主要集中在低频段。与高频段相比,其振幅相对较大。EMD方法在分析这类信号时,会产生模态混叠,因此不能有效分解信号和提取特征;而VMD方法可有效降低模态混叠现象,能够成功提取其信号特征。研究结果表明,VMD方法在船舶水声信号处理分析及特征提取时更为有效,为复杂水声信号的处理提供了一种可行的技术参考。     

小波分析在电机转子断条故障诊断中的应用

介绍了小波分析在电机转子断条故障中的应用。通过对实际的实验数据进行传统的FFT变换,以及应用小波分析的连续幅值Morlet小波变换,扩展park矢量融合电流小波分析进行研究,小波分析具有良好的时频局部化特性,克服了傅里叶变换不能对信号在时域上进行局部化分析的缺点,能有效提取故障点信息,为问题的解决提供了有效的途径。     

利用小波脊线实现数字调制信号的自动识别

针对含基带脉冲成形滤波的数字调制信号的自动识别,研究了小波脊理论在其中的应用.理论分析表明,不同调制类型的数字信号经过连续小波变换后,会在时频平面上呈现出不同的脊线特征,利用这些特征能够有效识别信号调制类型.在小波脊原理的基础上,还进一步推导出选择Morlet小波参数的标准以及信号的规格要求.实际信号的测试证明了该方法的有效性和可行性.     

低质量指纹图像的自适应滤波

提出了基于BEG算法和小波变换的方法用以增强图像的质量．首先提出了局部图像的梯度估计方法,称之为BEG梯度的最佳估计算法,用来提取图像的纹理方向特征参数．然后,在指纹的局部窗内计算其频率参数．最后,根据这些参数,用Morlet小波滤波器对指纹图像进行自适应滤波．性能测试结果表明,该算法在实际中具有较高的应用价值．     

基于小波变换的PDA信号处理

本文从PDA信号的基本特征出发,提出了基于小波变换思想的PDA信号处理方法,以小波系数表征信号的时-频特性,可同时实现PDA信号的识别和参数提取。     

基于改进Morlet小波的超声回波信号处理

粘结复合材料的超声回波检测信号夹杂了大量的噪声,完全淹没了有用的裂纹缺陷信息,基于时域或频域的分析方法难以判断其是否存在缺陷.在对信号作多尺度分析的基础上,改进了Morlet小波,并基于改进Morlet小波对信号进行了各种分析.当取多个尺度参数时,基于改进Morlet小波变换得到的小波系数都包含有缺陷信号的频率成分,这样便解决了多分辨率分析时多尺度小波系数在分析窄频带缺陷信号时的不足.     

基于微机械连续膜变形镜的闭环实时模式复原

提出了一种基于奇异值分解的波前闭环实时模式复原算法。针对微机械薄膜变形镜（MMDM）控制电极之间交连值大、高阶模式像差校正能力低等不利因素，对闭环实时模式复原算法增加模式复原控制参数g1和g2，分别优化基于变形镜波前模式复原的收敛速度和复原精度，并且通过对变形镜影响函数进行统计分析，针对微机械薄膜变形镜的波前复原校正能力剔除了其中难以校正的模式组合，从而提高了波前复原校正的稳定性和准确度，该方法在自适应光学应用及研究领域具有一定价值。     

Estimation of 1/f signals on the basis of curve fitting

An algorithm is proposed for the identification of fractal signals with wavelet-based models from corrupted data. This algorithm is based on curve fitting and wavelet transformation. It is proved that whenever γ is greater than 0, the algorithm provides an almost consistent estimation. Moreover,the estimated parameters are asymptotically Gaussian distributed. A mean square asymptotic convergence rate of the estimated parameters has also been established. Simulation results verify the efficiency of the proposed algorithm     

基于摄影测量和ERA改进算法的叶片模态辨识方法

在风力机叶片表面排列编码目标,基于双目立体成像原理和图像特征匹配与跟踪方法,可以动态、实时地获得编码目标的空间运动信息。针对噪声污染影响模态辨识的问题,通过奇异值分解(SVD)和Cadzow算法构造了无噪声污染的Hankel矩阵,有效减少由噪声引起的虚假模态。针对模态定阶过程容易出现虚假模态的问题,提出一种改进的特征系统实现算法(ERA)。相比于传统的ERA模态辨识方法,该方法在固有频率的识别上提高了3.6%的精度,获取了更清晰的稳定图。     

Morlet小波变换结合MLP神经网络的齿轮箱故障检测方法

针对变速齿轮箱中的故障检测问题,提出了一种结合Morlet小波变换和多层感知器(MLP)神经网络的齿轮故障检测方法。利用角域技术,将时域中齿轮故障的非平稳振动信号转化为角域中的平稳信号。然后,利用进行Morlet小波变换并从小波系数中提取统计特征。同时根据最大能量与香农熵比来确定连续小波变换(CWT)的最优尺度,以此来缩减特征量,并将小波系数的能量和香农熵作为两个新特征添加到特征向量。最后,利用MLP神经网络对输入特征进行分类,从而检测故障。实验结果表明,该方法故障检测准确率高,且计算速度快。