小波变换的流体压力信号自适应滤波方法研究

为了有效地消除流体压力信号中的噪声,提出了一种基于小波变换的自适应滤波算法,该算法针对信号和噪声经小波变换后在不同尺度上的特征不同,先对信号进行小波多尺度分解,然后对各尺度分解的信号分别选用不同的滤波参数,进行自适应滤波处理,并用该方法对液压系统运行中采集的压力信号进行降噪处理.试验结果表明,该方法比普通的自适应滤波方法能更有效地消除流体压力信号中的噪声.     

基于小波理论的动平衡信号滤波方法研究

动平衡是旋转机械必须解决的一个基本共性问题,传统动平衡方法主要从硬件的滤波和离散傅里叶变换算法来提取振动的基频信号,但傅里叶变换算法无法分析信号显著局部特征,硬件滤波容易受干扰。采用小波理论的软件滤波方法,以ATmega64芯片为核心来实现振动信号的滤波,并取得很好的效果。     

角加速度信号自适应小波的去噪方法

针对多扰动、大负载环境下角加速度计输出信号中含有脉冲噪声和高斯白噪声的情况,提出一种改进的离散小波阈值法与中值滤波算法相结合的角加速度计信号自适应去噪算法。首先,使用中值滤波对原始信号进行去除脉冲噪声的预处理;其次,使用分解层数的自适应确定方法与改进的阈值选取准则,通过离散小波阈值去噪法去除高斯白噪声。仿真结果表明,该算法能够有效地提高信噪比,降低最小均方误差。实验结果表明,该算法既能去除分子型液环式角加速度计信号中噪声,又能很好地保留真实信号中的高动态部分。     

基于离散平稳小波的改进自适应降噪方法

提出一种基于离散平稳小波的改进自适应降噪方法.首先,利用离散平稳小波的冗余特性,解决离散二进小波变换降噪方法在奇异点存在振荡效应的问题;其次,针对传统小波阈值降噪算法忽略尺度系数噪声影响的不足,利用噪声强度估计各分解层阈值,对尺度和小波系数同时进行自适应降噪;最后,将此方法应用于不同信噪比下典型信号的降噪对比试验.仿真结果表明:该方法在消噪的定性和定量指标上,整体优于传统离散二进小波方法,消噪效果改善明显.     

非平稳背景噪声下声音信号增强技术

在电力电缆故障精确定位中声磁同步法由于具有精度高与抗干扰能力强的优点而得到广泛的应用,但放电声音信号的有效检测是其难点。由于小波包变换在检测正常信号中是否含有瞬态异常现象方面具有独特的优势,自适应滤波器具有对信号和噪声的先验知识需求少的特性以及遗传算法具有不依赖于具体问题的优点,提出了一种基于小波包变换分解信号、自适应滤波估计噪声与遗传算法寻优重构相结合的声音信号增强算法。实验研究表明,该算法精确性高、鲁棒性强,尤其适用于电缆故障点放电声不明显时声音信号提取的情况,从而解决了电缆故障精确定位中对背景噪声要求高、识别范围小的问题。     

非平稳信号瞬时特征提取的谐波小波方法

分析了非平稳信号的瞬时特征(瞬时频率和瞬时相位),对非平稳信号进行谐波小波变换,建立非平稳信号的谐波小波系数与该信号的瞬时特征之间的关系,提出非平稳信号瞬时特征提取的谐波小波模型和提取方法.通过算例中的线性调频信号和应用实例中的轴承座振动信号的验证表明,该模型与方法具有较好的抗噪能力,对非平稳信号的瞬时特征具有更高的分析精度,能实现非平稳信号中特殊成分的瞬时特征提取.该方法能通过傅里叶变换实现其快速算法,具有算法简单、快速的特点,实现非平稳信号瞬时特征的实时分析.     

基于小波变换和自适应中值滤波的图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。该文尝试把小波变换与自适应中值滤波这两种去噪方法相结合,对同时含有高斯噪声和椒盐噪声的图像进行了去噪研究。实验结果表明,此方法在去除噪声的同时也较好地保留了原始图像的边缘信息,效果不仅优于单一的小波变换或普通中值滤波的方法,更优于将小波变换与普通中值滤波相结合的方法。     

混凝土泵活塞位移小波滤波方法研究

通过选择合适的小波基和阈值规则,对混凝土泵工作过程中的活塞位移测量信号进行小波分解和滤波处理,有效去除了活塞位移测量信号中的噪声,取得了良好的滤波效果,为混凝土泵实时监控和故障诊断提供处理和识别依据     

煤矿钢芯输送带缺陷信号非平稳强噪声滤波研究

煤矿钢芯输送带缺陷电磁检测信号易受到煤矿工况中非平稳强噪声影响,因此,提出一种改进阈值小波的变步长LMS自适应滤波算法对缺陷信号非平稳强噪声进行滤波。该方法首先运用改进阈值小波多尺度分解后的高频信号作为自适应滤波的参考噪声信号,然后运用变步长LMS自适应滤波方法对缺陷信号进行滤波。该方法克服了小波软、硬阈值的缺陷和固定步长LMS自适应滤波中收敛速度和稳态误差对步长因子要求不一致的矛盾。并与改进阈值小波滤波方法进行了对比,结果表明:该方法具有更好的滤波效果,能有效地滤除缺陷信号中的非平稳强噪声。     

基于谐波小波的自适应滤波在高精度动平衡检测系统中的应用

为满足高精度动平衡测量的要求,以提高不平衡量及其相位的提取精度为研究目标,利用谐波小波的相位锁定和窄带分析能力,设计了谐波小波自适应滤波器,发展了一种能够在强变频率结构背景噪声干扰下确保高精度提取幅值和相位的自适应方法.仿真与实际应用表明,该方法适合动平衡测量,完全满足高精度和实时性的要求,具有充裕的应用潜力.     

小波变换对突变信号峰值奇异点的精确检测

研究了小波变换对突变信号峰值奇异点的精确检测机理和方法,采用了离散小波变换的直接算法,避免了塔式算法在本检测方法中的某些局限性。通过模拟算例和应用实例的验证,证明即使在有严重噪声干扰的情况下,该方法也很容易实现对突变信号峰值奇异点的准确检测和精确定位,具有相当高的定位精度（其误差不大于1个采样点）和分析精度（不存在累积误差）,同时具有较高的实时性。     

小波变换对瞬态信号特征信息的精确提取

研究了瞬态信号小波变换的相位特性和小波特征。采用了小波脊线的分析方法,详细分析了瞬态信号的小波脊线与瞬态信号的瞬时特征和特征信息的对应关系,建立了瞬态信号特征信息的精确识别模型和特征参数的精确提取方法。通过工程应用实例的验证,该方法对瞬态信号(特别是信噪比较低的弱信号)特征信息具有相当高的定位精度(误差不大于1个采样点)和识别精度(不存在累积误差),其算法简单、准确,且有较快的收敛性,可实现实测瞬态信号特征信息的实时分析。     

RESEARCH OF WAVELET TRANSFORM INSTRUMENT SYSTEM FOR SIGNAL ANALYSIS

0INTRODUCTIONSincethecoddleofthe1970's,abatchOfcompanieslikeHPinU.S.A.havedevelopedvariousdynamicsignalanalyzersbasedonFrsandhavebeenusedinavarietyofsignalmeasurementsandanalysissuchasstmcturalmodelanalysis,statemonitoringandfaultsdiagnosisofeqUipmentandnoiserealtimeoctaveanalysisetc,thisresultsinbigprogressofdynamicsignalanalysis.However,theFFTdefinedbyRiemafmintegTationisonlyabletoanalyzestaystatistical(smooth)signalsbutinefficienttonon-staystatistical(non-smooth)signalswhicharealso…     

液压泵故障的小波变换诊断方法

分析了小波变换的时 -频局部化特性及基于多分辨分析的信号小波分解重构算法 ,研究了信号局部奇异性在小波变换下的特性。根据故障信号和噪声的局部奇异性在小波变换下的模极大值在不同尺度上的传播特性不同的特点 ,并利用小波分解重构算法 ,对泵壳振动加速度信号进行了分解、去噪和重构。大大改善了监测信号的信噪比 ,对故障特征信号进行了时域定位 ,提取了故障特征频率。     

新的基于小波变换的振动信号消噪方法

噪声消除是小波变换最成功的应用之一,其基本思想是将信号的小波变换系数与给定的门限比较,保留比门限大的系数,而将其他的置零,然后进行小波重构。这种小波变换消噪方法很可能将信号中一些有用的小能量分量当成噪声消除。根据旋转机械振动信号的循环平稳性特征,提出了一种新的基于小波变换的振动信号消噪方法,并用数字试验信号和碰摩试验振动信号对新消噪方法和Matlab提供的小波消噪方法的性能进行了比较测试。结果表明,在振动信号消噪方面,新方法相比传统的小波消噪方法有更好的性能,能够有效地抑制信号中处于各频段的噪声分量。     

一种提高时域参数识别精度的新方法

在结构损伤识别的时域法研究中,检测的加速度信息中包含结构特征信息和各种干扰信号,积分法计算速度和位移时也可能引入计算中带来的低频信号,使得输出信号严重失真,从而导致反演结构物理参数的失败.为了从测试信息中提取含有结构固有特征的信息,针对小波包分析能对信号频率多层次划分,具有多分辨、高精细的特点,设计一种适用性较强的信号滤波器.该滤波器可根据小波包分解层数,任意确定频率分辨率,选择不同小波包系数,确定滤波频带和频率范围选择.通过剪切型结构物理参数反演模型的算例分析,验证该滤波器具有较好地提取结构特征信息的性能.该滤波器可用于具有此类要求的信号处理.     

奇异值小波降噪法在柱塞泵振动信号处理中的应用

针对小波阈值和奇异值分解降噪法的不足,研究一种新的小波阈值函数。提出一种基于改进阈值的奇异值小波降噪方法,该方法利用奇异值分解技术,将噪声非均匀分布的信号正交分解为噪声分布相对均匀的分量,并对每个分量进行小波阈值降噪,重构降噪后的分量,得到降噪信号。仿真实例证明,该方法与小波软、硬阈值及改进阈值法相比,不仅提高信噪比,而且能够更好地消除高斯噪声。利用该方法对柱塞泵不同状态振动信号进行降噪,结果表明,该方法能有效抑制噪声,为柱塞泵振动信号预处理提供一种更为有效的方法。     

NEW METHOD FOR WEAK FAULT FEATURE EXTRACTION BASED ON SECOND GENERATION WAVELET TRANSFORM AND ITS APPLICATION

A new time-domain analysis method that uses second generation wavelet transform (SGWT) for weak fault feature extraction is proposed. To extract incipient fault feature, a biorthogonal wavelet with the characteristics of impact is constructed by using SGWT. Processing detail signal of SGWT with a sliding window devised on the basis of rotating operation cycle, and extracting modulus maximum from each window, fault features in time-domain are highlighted. To make further analysis on the reason of the fault, wavelet package transform based on SGWT is used to process vibration data again. Calculating the energy of each frequency-band, the energy distribution features of the signal are attained. Then taking account of the fault features and the energy distribution, the reason of the fault is worked out. An early impact-rub fault caused by axis misalignment and rotor imbalance is successfully detected by using this method in an oil refinery.     

SAMPLING PRINCIPLE AND TECHNOLOGY IN WAVELET ANALYSIS FOR SIGNALS

０ＩＮＴＲＯＤＵＣＴＩＯＮＩｎｒｅｃｅｎｔｔｅｎｙｅａｒｓ,ｗａｖｅｌｅｔａｎａｌｙｓｉｓｗｉｔｈｇｏｏｄｌｏｃａｌｉｚａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｎｄｏｍａｉｎ－ｔｉｍｅａｎｄｄｏｍａｉｎ－ｆｒｅｑｕｅｎｃｙｈａｓｂｅｅｎｄｅｖｅｌｏ...     

SIGNAL FEATURE EXTRACTION BASED UPON INDEPENDENT COMPONENT ANALYSIS AND WAVELET TRANSFORM

It is an important precondition for machine fault diagnosis that vibration signal can be extracted effectively. Based on the characteristic of noise interfused during the course of sampling vibration signal, independent component analysis (ICA) method is combined with wavelet to de-noise. Firstly, The sampled signal can be separated with ICA, then the function of frequency band chosen with multi-resolution wavelet transform can be used to judge whether the stochastic disturbance singular signal is interfused. By these ways, the vibration signals can be extracted effectively, which provides favorable condition for subsequent feature detection of vibration signal and fault diagnosis.