基于小波包分解和PCA-Attention-LSTM的舰船辐射噪声识别技术

为了改进舰船辐射噪声分类系统的性能,进一步提高识别准确率,文章提出了一种基于多特征的小波包分解在长短期记忆(LongShort-TermMemory,LSTM)网络中分类的方法。该方法首先通过小波包分解技术,分频段提取舰船辐射噪声的多种特征,将提取的特征利用主成分分析法(Principal Component Analysis, PCA)进行数据降维,通过添加注意力机制(Attention Mechanism)算法的LSTM网络,对辐射噪声结果分类,提高了学习效率和识别准确率。为了更精细地提取特征,分频段提取了舰船辐射噪声的时频域特征、小波变换特征和梅尔倒谱系数等特征,并将分频段与不分频段的特征、多特征与单一特征、不同信噪比间的算法性能进行对比。实验结果表明,基于小波包分解和PCA-Attention-LSTM的模型可以有效地提高舰船辐射噪声分类的性能,是一种可行的分类方法。     

基于小波包能量谱的滚动轴承振动噪声检测方法

针对轴承振动与噪声源零件识别与检测问题，利用小波包分解的方法来分析轴承的振动噪声信号：根据待测轴承振动信号特点，确定小波包分解的小波函数及分解层数，得到了轴承振动信号在频域的信息；通过构造小波包能量谱来分析各个频段上振动信号的特征，根据各个小波包空间能量值的大小判断轴承振动的剧烈程度；通过小波包重构算法对轴承振动噪声贡献较大的小波包空间进行重构，得到具有较高信噪比的重构信号，便于进行频谱分析。结果表明，本文的检测方法可以较准确的识别出新出厂轴承中振动噪声的主要来源，对于后期实现轴承静音降噪具有重要意义。     

基于小波包和1(1/2)维谱的舰船辐射噪声频域特征提取及融合

舰船辐射噪声频域特征提取是舰船目标识别的关键技术之一。为提高舰船目标识别率，采用小波包和1 1/2维谱对舰船辐射噪声进行多小波包空间调制谱和噪声谱特征提取及融合研究。并用提取的特征对五类舰船目标辐射噪声进行了分类识别实验，结果表明所提特征具有很好的分类识别效果。     

基于小波包变换的减速机降噪方法研究

在小波包降噪的基础上,提出了一种对小波包降噪后的残差信号进行频谱分析和统计分析的新方法．该方法首先对原始振动信号进行小波包降噪,然后根据降噪后的振动信号和原始振动相比的差值提取残差信号,最后通过对残差信号进行频谱分析提取产生噪声信号的特征频率,通过对残差信号的统计量分析判断设备运行状况。实例验证了小波包降噪和小波包降噪后残差统计分析的正确性。     

基于HVD小波包降噪编码深度学习的风电机组智能诊断研究

针对风机齿轮箱轴承振动信号非线性非平稳性对故障诊断的干扰问题,提出一种基于降噪编码器深度特征学习和希尔伯特振动分解(hilbert vibration decomposition, HVD)的智能故障诊断方法。引入峭度评估指标,对HVD分量进行模态选择,并以小波包提取分量能量熵构造特征向量,实现数据预处理。构建层叠降噪编码器(stacked denoising autoencoder, SDAE)模型完成信号的特征学习和故障分类。采用两个轴承数据集进行算法验证,试验结果表明,提出的基于HVD小波包降噪编码方法(HWSDAE)能高效地识别故障信号,具有突出的故障诊断性能,单次最高诊断准确率高达100%,平均诊断准确率可达99.49%,相比未经预处理的轴承数据输入SDAE模型提高了13.52%的故障诊断精度。     

小波包分析在齿轮故障诊断中的应用

基于小波包对信号的高分辨率分解和重构能力,把信号分解到不同频段,然后选择有效频段进行故障信号重构,分离出故障信息。通过对含有周期冲击的信号进行分解处理,展示了小波包分析在特征提取中的优点。通过对减速箱齿轮故障信号进行降噪、分解处理,表明该方法可以有效地提取故障信号中的周期冲击成分。     

基于小波包变换的汽车发动机降噪方法研究

利用小波包变换理论及小波包降噪原理,对汽车发动机含有噪信号进行小波包降噪,有效的提取其中的信号特征.通过对降噪后残差的频谱分析和统计量分析,得到噪声信号的特征频率.通过计算机仿真和实例分析对小波包降噪方法进行验证,表明小波包分析在汽车发动机降噪中有效性.     

基于光学体全息和小波包分解的虹膜识别实现

在光电混合的体全息系统上实现虹膜识别.利用小波包分解生成特征图像,并且穷举找到具有较高识别率的小波包节点组合.耗时的特征图像生成和图像存储都是事先进行的,光学体全息凭借其多通道和高并行性可以实时地完成特征提取和相关.计算机对采集到的相关结果进行后处理,通过选择合适的窗口和归一化可以进一步提高识别率.模拟识别率可达98%,实验中的最高识别率为91%.实验结果证明了方案的可行性,并为今后向实用化方向发展奠定了基础.     

听觉小波包在舰船噪声分解与重构中的应用

舰船噪声的分解和重构对于舰船噪声特征提取与听音分析都具有重要作用。采用多分辨分析理论对噪声进行分解和重构只能对低频进行精细化处理,但对高频却难以达到理想效果。正交小波包分析可以在任何欲处理的频带内进行可允许的任意层次分解,但分解的小波包树的结构难以确定,没有明确的构造导引方法。将Bark频率群的理论引入小波包树结构的选择,提出构造听觉小波包树结构的方法,构建了基于db6小波的采样率为44.1 kHz的听觉小波包。采用该听觉小波包结构对四型舰船噪声信号进行分解、子带加权和重构,频谱分析和听音分析都表明重构噪声特征更加清晰。     

基于小波包分解的应力波无损检测分析方法

描述了基于小波包分解的应力波也损检测分析方法。通过对应力波信号进行熵标准下的最优小波包分解和对一定节点分解系数对应信号成分加以重构，提取实测信号所包含的对应于缺陷部位的应力波反射特征信息，再现了反射波信号在时间轴上的规律性，消除季由实测信号直接读取存在的潜在错误。数值模拟试验显示了方法的合理性，在此基础上，进行了对桩基和锚杆工程质量检测的实际应用研究。本文研究工作对于分析那些无法直接判读反射波信息的测试信号，显示出独特的吸引力，提高了应力波无损检测方法的可靠性。     

考虑温度梯度的模态应变能法海洋平台损伤检测研究

针对导管架式海洋平台,研究了海水温度梯度对结构整体损伤检测方法之一的模态应变能法的影响。以一个导管架平台为模型,考虑温度对钢材弹性模量的影响,建立了该平台在模拟的海水温度梯度下的有限元模型。通过使用模态应变能法对该模型进行损伤检测,总结了温度梯度对基于模态应变能法的海洋平台损伤检测的影响规律。结果表明温度梯度会使该方法损伤定位能力变弱,对结构冗余度越大的构件影响越大;同时会使损伤程度识别精度降低,构件结构冗余度越大、损伤程度越小,影响越大。     

基于LP与小波包的复杂机电系统监测序列混沌降噪方法

针对流程工业生产系统监测数据存在强噪声和混沌性的特点,提出了一种局部投影方法(Local Projection Method)与小波包方法相结合的信号降噪方法。该方法先利用局部投影方法从动力学系统嵌入流形的角度进行多次迭代降噪,并根据关联维数来判定迭代终止;再利用小波包方法从频率的角度进行降噪,抑制高频噪声的干扰,取得了较好的降噪效果。用Lorenz时间序列进行仿真验证,对仿真时间序列加入不同程度的噪声,对比分析小波包、局部投影与该方法降噪后的相空间、SNR值和最大Lyapunov指数,证明了该方法对于中高强度噪声具有更好的降噪效果。并将该方法用于某压缩机组的实际监测数据降噪,评估三种方法的降噪效果,进一步验证了该方法的优越性。     

基于小波包的胃电信号消噪处理的研究

对胃电信号进行了快速傅立叶分析、功率谱分析,并重点进行了小波包分析,利用小波包变换所具有的优良时频分析特征和多尺度传播特性,消除胃电信号的噪声,从而提高了胃电信号的信噪比,为胃电信号的深入研究提供了良好的基础.     

水下航行器空化噪声偏度和峰度分析

空化是水下高速航行器在进行总体设计时需要考虑的重要因素。对空化产生的噪声特性进行研究有助于水下航行器航行性能和目标检测能力的提高。文章首先介绍了空化噪声的形成机理和数学模型,然后基于实测数据对空化噪声相应的统计特性进行了分析,计算了典型的单个声脉冲形式的空化噪声的概率分布、偏度和峰度,对比分析了无空化发生与空化发展比较充分条件下实测空化噪声的偏度和峰度特性。结果表明,在空化充分发展时水下航行器空化噪声具有明显的非高斯特性,其偏度和峰度值明显大于理想高斯噪声或者实际的海洋环境噪声。有利于提高空化条件下水下航行器对目标辐射噪声检测的准确性以及检测系统的环境适应能力。     

基于小波包的调频波解调软件方法

提出了基于小波包的调频波解调方法 ,通过对各种调频信号进行时频分析 ,给出了信号的时间—频率谱图 ,能有效地检测到瞬时频率和获取调频信息 ,该方法可广泛应用于动态测试和软件无线电等领域     

基于小波包时频图特征和卷积神经网络的水声信号分类

水下声信号分类是水声学研究的一个重要方向.一个有效的特征提取和分类决策方法对水声信号分类技术至关重要.文章将鱼声、商船辐射噪声和风关噪声三类实测的水声信号在小波包分解的基础上提取时频图特征,并搭建了一个七层结构的卷积神经网络作为分类器.研究结果表明:三种水声信号的小波包时频图特征结合卷积神经网络在不同测试集可达到(98...