基于小波数据压缩技术的故障特征提取

文中基于小波数据压缩技术．提出了一种基于小波多分辨分解的特征提取方法。首先．研究了小波基函数的选择方法；然后，基于选择的小波基，应用小波数据压缩技术实现故障数据特征提取；并将其应用于导弹故障诊断的特征提取过程中。通过对几种典型的故障信号的分析实验，验证了基于小波多分辨分解的特征提取方法的有效性。     

基于小波变换的直升机声目标特征提取

简要地介绍了小波变换的原理和性质以及它在直升机声目标特征提取当中的应用。主要论述了利用小波变换进行信号分解与滤波、目标特征提取等方面的应用,最后给出了计算机模拟仿真结果,结果表明,利用本文所提出的信噪分离方法和目标特征提取方法可以在低信噪比情况下准确识别目标。     

希尔伯特-黄变换与小波变换在故障特征提取中的对比研究

研究了希尔伯特一黄变换( HHT)和小波变换(WT)在故障特征提取中的应用。以电源系统三相短路故障为例,针对无畸变和有畸变两种故障电压信号,采用HHT和WT提取故障特征。对比了仿真结果并分析了WT存在的问题。得出对于故障造成信号包络变化但频率基本不变的信号,HHT比WT的故障特征提取更有效。     

基于小波包分析的战场被动声目标特征提取

针对战场环境存在噪声干扰的情况,提出了一种基于小波包分析的声目标特征参数提取方法.该方法将小波包分析和Mel倒谱分析相结合,提高了特征参数的鲁棒性.实验结果表明,在噪声条件下,基于小波包分析的平均识别率比MFCC参数提高6.78%,在信噪比为5dB时,识别率仍能达到94.5%.     

基于Hilbert-Huang变换的发动机振动信号特征提取

基于Hilbert-Huang变换与小波分析相结合的故障特征提取方法,先利用小波分析方法将缸盖振动分解在低、中、高三个频段,然后对各个频段的信号进行EMD分解,对得到的IMF分量做Hilbert变换,得到各个频段的Hilbert谱.再根据发动机冲击响应的特点,将Hilbert谱沿频率轴积分,然后在时间-幅值平面上投影成二维的频带能量分布图,突出故障信息.实例表明,通过各频段、各冲击响应能量分布的变化,可实现故障的判断和定位.     

小波包降噪在发动机燃油压力信号处理中的应用

研究信号的小波包变换与小波变换的不同之处,以及在离散小波分解的基础上怎样实现小波包分解.国产传感器所测得的燃油压力信号信噪比低、不平稳,使用小波包降噪效果明显.为利用国产传感器进行燃油系统故障诊断提供了一条途径.     

基于提升小波的超声信号降噪方法

针对经典小波在逼近信号时产生的细节信号会被当做噪声滤除的问题,提出了基于提升小波的超声信号降噪方法。该方法用剖分、预测、更新,把信号进行单层分解,然后把分解后的高频系数和低频系数同时进行阈值函数处理,再进行小波重构。相对于传统的一代小波,该算法不依赖于傅里叶变换,计算简单,可有效节约内存。仿真与实验结果表明:该算法可以有效地提高信噪比,降低原始信号中所含有的噪声,并可以起到数据压缩的效果。     

小波包分析在飞控系统测试信号处理中的应用研究

介绍了小波包分析的分解和重构算法；利用小波包分析对飞控系统的原始数据进行消噪预处理；基于“能量-信息”的数据信息辨识思想，应用小波包分析技术提取数据特征。给出一种飞控系统故障诊断方法。     

基于小波变换的连续波雷达测量噪声模型与降噪

针对外测数据测量噪声的特点，建立了基于小波变换的测量噪声模型，并运用小波技术对噪声进行滤波降噪处理。通过对实测数据的处理验证，结果表明该方法对精度提高较明显。     

基于小波包变换的多传感器跟踪算法

文中提出一种基于小波包变换的多传感器跟踪算法,与基于小波变换的跟踪滤波算法相比,文中的算法避免了高阶矩阵运算,有效地解决了数据过长的问题,简化了滤波过程,并且不需要考虑小波系数的噪声特性,有较好的滤波性能。     

基于小波能量特征的尾流光信号特征研究

针对舰船尾流激光探测的信号检测与分析问题,提出了利用小波域能量特征进行尾流特征分析的新方法。首先设计了变遗忘因子的自适应抵消器滤除水体后向散射信号与系统噪声,有效地选取了含有目标的信号;其次采用小波包分解方法并按频段的能量形成提取目标特征;最后借助主成分分析方法对特征向量进行降维。通过对试验数据的分析表明,提取的特征能有效地揭示不同性质下的尾流后向散射光信号,提高了对尾流分析的能力。     

基于小波变换的连续波多普勒体制无线电引信多普勒信号特征提取方法研究

简单介绍了精确分析目标信息特征的必要性，通过对比小波变换和短时傅立叶变换，说明了小波变换用于分析引信多普勒信号的优势所在，具体论述以Daubechies小波作为基函数，用于引信多普勒信号分析的原因和方法，并在文章的结尾通过仿真给出了直观对比。     

基于小波变换和神经网络的毫米波一维距离像识别

将小波和神经网络理论结合，并将小波神经网络用于毫米波频率步进雷达目标一维距离像识别，提出了基于小波分析的能量特征矢量法，分类识别效果有了很大的提高．     

基于提升算法的3 阶Daubechies 离散小波变换的FPGA 实现

为提高小波变换的计算效率,研究基于提升算法的3阶Daubechies离散小波变换及其逆变换的FPGA实现。简要介绍提升算法的基本原理,给出3阶Daubechies小波变换及其逆变换的提升算法过程,对正变换与逆变换的硬件实现结构进行设计,该结构无需附加内存,且采用流水线技术实现小波系数的快速并行输出,大大节省了传统变换所需的存储空间并提高了计算速度。在Quartus设计软件中对提升算法结构进行仿真,验证了提升结构的正确性。分别使用传统的基于卷积的DB3小波滤波器和设计的DB3提升结构对包含噪声的模拟信号进行小波阈值滤波处理。结果表明:提升结构算法计算复杂度小,在可承受的信噪比范围内,能够快速实现信号的小波变换处理。     

基于小波熵的弹丸激波信号特征提取方法研究

在实验中获取的弹丸激波实测信号,由于受到激波在空气中传播时各种因素的影响,使得获取的信号有很多不确定性,其持续时间难以利用传统的信号处理方法来获取.文中从小波变换的角度出发,通过在尺度域上对信号能量的一种划分,引入了小波能谱与小波熵作为信号特征提取的特征量来反映系统信号的统计特征.实验结果表明,该算法能有效提取弹丸激波信号特征,速度快、准确率高,而且具有对噪声不敏感的优势.     

基于小波和神经网络的红外目标特征提取与识别

研究了小波和神经网络相结合进行目标识别的方法.利用目标信息主要集中在低频部分的特点,对信号进行小波分解,提取在不同频带信号的多尺度空间能量和不变矩作为特征量,再用BP神经网络进行识别.实验结果表明,该方法具有很高的识别率,充分说明了红外图像信号在小波子带上的不变矩及能量分布具有表征目标类别的信息.该方法对于精确制导武器的目标识别研究具有一定的实用价值.     

基于小波变换的电子设备故障诊断技术研究

基于BP神经网络的电子设备故障诊断,以其不需要建立故障诊断模型,易于智能化实现等优势,发展较为迅速,而采用此方法的故障诊断大部分以故障树获得的特征参数为依据;由于电子设备往往由大量的工作模块组成,各组成模块之间相互耦合、联系紧密,仅仅依靠故障树获得的特征参数难以较好地反映设备状态;所以基于这些特征参数的BP神经网络故障诊断往往诊断率较低;将小波分析的方法运用于特征参数的提取中,利用BP神经网络模式识别完成电台故障诊断;最后通过获得的实测数据进行了实例分析,验证了该方法对于提高电子设备故障诊断率,是可行有效的。     

基于小波变换的二阶传感器故障诊断研究

针对难以直接检测实际航空工业过程中的传感器故障问题,提出一种基于小波变换的传感器故障诊断方法。采用连续小波变换对传感器故障进行检测,准确定位故障发生时刻,并对比不同小波基函数的处理效果,对几种典型的传感器故障进行诊断。选取二阶传感器作为仿真对象,利用Matlab/Simulink搭建模型进行仿真验证。仿真结果验证了该方法的准确性。