频率切片小波变换在爆破振动信号时频特征精确提取中应用

基于频率切片小波变换(Frequency Slice Wavelet Transform, FSWT)技术研究爆破振动信号时频特征提取新方法。采用FSWT进行爆破振动信号分解,得到在全频带下的时频分布。在此基础上据其时频能量分布,选择时间、频率切片区间进行细化特征分析,通过信号特征频率切片区间信号重构,实现爆破振动时频特征分离及提取。通过与传统的STFT、WPT、WVD等算法进行对比分析表明,FSWT算法具有良好的时频聚集性、任意频带分量特征提取的灵活性及准确性。将FSWT算法引入爆破振动效应分析领域,可为爆破振动信号时频特征精确提取奠定基础,具应用前景较好。     

基于小波变换的轧辊磨床振动信号分析研究

针对实际测试项目,介绍了用于轧辊磨床振动测量的信号采集系统的硬件组成及信号采集方法。简述了振动信号分析的理论与方法,采用基于小波变换的信号分析方法对磨床振动信号进行分析,能同时兼顾高频与低频段的频谱特性,提高特征频率的提取精确度,进而提高系统故障诊断的可靠性。     

基于小波变换的轧机振动信号降噪技术研究

由于轧机振动信号受到强烈的噪声干扰,给故障特征的有效识别和准确提取带来很大困难。直接采用频域分析方法诊断早期故障的收效甚微。利用小波分析的“带通滤波”特性,可以将信号按照特定的频段进行分解,分解后的单层重构可以将噪声与可用信号进行成功分离;根据预先设定的阈值对高频分解系数处理后进行全局重构同样可以达到消噪的目的。对于现场采集的轧机振动信号,多种方式的消噪结果表明,含有故障特征的低频信息被成功提取。     

基于小波变换的图像特征点提取方法

图像教据的无序激增使得基于内容的图像检索技术成为一个研究热点。为克服普通颜色特征不考虑颜色的空间分布的缺点,提出一种基于小波变换的图像多分辨率分块特征点提取方法。     

基于同步挤压小波变换的振动信号自适应降噪方法

振动信号在噪声影响下,特征提取十分困难。为此应用同步挤压小波变换(Synchrosqueezing Wavelet Transform,SST)对振动信号进行降噪,针对分解后本征模态分量(Intrinsic Mode Function,IMF)的选取问题,提出一种基于瞬时频率复杂度和自相关系数峰度值的同步挤压小波变换降噪方法。算法首先对原始信号进行SST信号分解并提取小波脊线生成固有模态分量,然后对生成的分量进行Hilbert变换得到瞬时频率曲线,再根据瞬时频率的复杂度选择相应的合成分量重构信号。为了进一步消除噪声影响,该方法同时采用了自相关系数峰度阈值法对筛选后的分量进行二次剔除,最终实现对原始信号降噪的目的。试验最后通过不同标准方差的噪声仿真信号以及物流机械传送设备振动信号验证该方法的可行性和有效性,同时将该方法与基于集成经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)和小波变换的方法进行比较,结果表明该方法的降噪性能要优于其他方法。     

基于小波包变换的爆破振动信号能量熵特征分析

爆破振动信号是典型的短时非平稳随机信号。应用多分辨率特点的小波包变换对爆破振动信号进行多层分解,得到信号能量分布的细节信息。根据建立在概率统计基础上的信息熵概念,推导得到爆破振动信号能量熵计算方法。分析了4种类型爆破振动信号的能量熵,熵值由大到小为:隧道爆破、管道爆炸、台阶爆破、塌落振动。结果表明,能量熵能够反映不同类型爆破对振动信号的影响。提出将能量熵作为爆破振动信号的新特征量,为爆破振动信号特征提取、不同爆破类型振动信号识别和爆破振动预测提供一种新思路。     

基于提升小波包变换的发动机缸盖振动信号特征提取

为了从发动机缸盖振动信号中快速提取反应故障状态的特征参数,给出了提升小波包变换算法及其移频算法,依据信号时频特性,定义了标准化相对能量,并给出了特征向量提取方案.方案同时选取多个完整工作循环数据进行提升小波包分解,将各频带内系数进行阈值量化,利用各频带系数直接求取标准化特征向量,同时做到了消除波动影响、降噪、使故障特征更加敏感.通过实例验证了方法的有效性与优越性.     

基于经验模态分解及小波变换的炸药NQR信号处理

为解决炸药NQR信号去噪问题,针对NQR信号非线性与非平稳性特点,提出基于经验模态分解及小波变换联合的信号去噪方法。据实验测试的黑索金NQR信号对所提方法进行去噪性能分析。结果表明该方法在保留信号有用信息的前提下可有效去除噪声,从而提高信噪比、克服小波阈值去噪与直接EMD去噪缺陷,自适应性良好,为有效的炸药NQR信号去噪方法。     

旋转叶片振动信号的小波变换去噪处理

在旋转叶片叶尖定时测振系统中,叶片多处于大噪声工作环境,为了保障振动位移的高精度测量,需有效解决叶片振动信号的去噪问题.提出采用具有时频局部分析特性的小波变换方法对振动信号进行去噪,建立了叶尖定时测振系统的仿真模型.针对仿真信号的特征,对小波变换的小波基、阈值估计及小波分解尺度进行了参数优化,实现了宽频白噪声的有效滤除.并与传统的滤波和Savitzky-Golay(SG)平滑算法进行对比,结果表明小波变换去噪方法在去噪效果和减小振动位移测量误差上均具有明显优势,有较好的实际工程应用价值.     

复解析小波变换与振动信号包络解调分析

阐述解析小波变换用于振动信号包络解调分析的理论基础。在解析小波傅氏频谱为一实值函数的条件下,论证一个解析小波的虚部是其实部的Hilbert变换,因而简洁地推论出“Morlet组合小波、谐波小波、谐波组合小波也是一类解析小波,它们的实部和虚部构成一对Hilbert变换对”,可用于故障调制振动信号的包络解调分析;另外,还论证了“解析小波变换系数的实部与虚部构成一对Hilbert变换对”的结论。最后,以谐波组合小波为例分析滚动轴承故障振动信号。     

基于小波变换的主动水声信号检测

信号检测是水声信号处理领域的研究重点之一。文章通过对水下航行器自噪声特性的研究，发现其具有1／f衰减特性，同时利用小波变换对1/f信号有类似K—L展开的作用，提出了一种基于小波变换的信号检测方法，对1/f噪声背景下的主动水声信号进行了检测；文中详细推导了相应的检验统计量及其统计分布特性；同时，将该方法与匹配滤波器、能量检测器的检测性能进行了比较，仿真试验结果表明了本方法的有效性。     

基于小波变换的水声信号滤波方法

为更好地改进低信噪比水声信号的滤波效果,本文针对小波滤波算法展开研究.对小波变换系数使用最大后验概率估计算子进行去噪,达到对原始水声信号滤波的目的,去除大部分的噪声;对含噪信号使用可变阈值函数的小波阈值滤波,进一步提高信噪比.文中给出了两种滤波方法的算法,通过对仿真信号和真实水声信号的滤波实验表明:本文方法比常用的滤波方法均方误差更小,更有利于提取水声信号的特征并进行分类识别.     

基于经验小波变换的干耦合超声检测Lamb波信号分析

为提取出干耦合Lamb波检测信号中的有用信息,采用经验小波变换(empirical wavelet transform,EWT)对检测信号进行分析。首先定义一组经验尺度和经验小波函数,根据傅里叶变换结果对信号频谱进行分割,提取出围绕中心频率具有紧支撑特性的不同频段;然后通过选择合适函数,建立紧支撑的小波框架;最后对信号进行经验小波变换,得到不同的分解模态。针对玻璃纤维复合材料板的干耦合Lamb波检测实验结果表明:采用EWT方法能够分解出信号中不同的固有模态,揭示信号的频率结构,区分缺陷的大小,反映Lamb波传播特性。与经验模态分解(empirical mode decomposition,EMD)方法相比,EWT方法计算量小,分解模态少,没有虚假和无法解释的分量,显示该方法的优越性。     

基于小波变换的高分辨率信号频谱分析方法

本文介绍了一种基于小波变换的高分辨率频谱分析方法，该方法对信号频谱分辨率有明显的改善效果，尤其是在短数据采样点上，仍然具有较高的频谱分析效果，适合于快速变化信号的频谱分析。     

基于小波变换的电力系统突变信号检测

电力系统发生故障的同时会伴随有暂态信号的发生,这些信号会对系统的运行产生严重的影响,因此对这些突变信号进行检测就显得很有必要。本文利用小波变换具有时一频局部化的特点,根据小波变换系数的模极大值点方法,通过对电力系统暂态信号进行三层分解,准确实现了突变信号的检测。最后通过MATLAB仿真结果验证了小波检测的正确性和可靠性。     

基于相关小波变换的信号相位差估计

0引言在雷达、声纳、生物医学和超声学等众多领域,精确地估计由空间上分开的传感器接收到的两列信号间的传输延迟具有重要意义[1]。目前,用于估计两列同频信号间相位差的方法主要有:相关分析法、希尔伯特变换、离散时间傅里叶变换(DTFT)[2]和小波分析方法[3]等。当源信号是确定信号的时候,基于DTFT的方法具有最佳的延迟估计[2],但     

基于小波变换的滚动轴承故障信号分析

借助于实验所用滚动轴承正常运行、单点故障尺寸长度为0.007in(1in=2.54cm)、单点故障尺寸长度为0.014in和单点故障尺寸长度为0.021in 4个状态的数据,通过在Matlab中使用短时傅里叶变换和小波变换工具对滚动轴承正常运转时和滚动轴承内圈滚道有裂纹缺陷时的信号进行处理比较。发现对轴承信号进行短时傅里叶变换处理,并对频率进行归一化处理,结果只能粗略反应信号的频率成分,而对轴承信号做bior 2.4小波变换处理,在时间域与频率域都可以反映,且其具有自适应时频特性。两相比较,基于小波变换的滚动轴承故障信号分析对于滚动轴承故障信号具有较明显优势。     

基于分数小波变换的信号降噪新方法

简要介绍了分数小波变换的基本思想及在信号处理方面的特点.利用不同信号在分数小波域具有不同的相关性的特点,提出了一种基于分数小波变换的信号降噪新方法.分析了该方法的降噪特性,同时比较了小波包直接降噪和该方法的降噪效果.结果表明,该方法能够有效降低振动信号中的背景噪声.     

基于振动信号提取柴油机低频排气噪声特征研究

针对柴油机低频排气噪声的频率与强度很难准确地用理论计算等困难，试验研究了柴油机排气管内低频排气噪声信号与排气管壁上振动信号的相互关系。结果表明，低频范围内，振动信号与噪声信号几乎呈现周期性的安全相干，在相干频率处振动信号能反映排气噪声的类周期性。     

采用小波变换实现振动信号数据野点的剔除

在履带车辆振动信号数据处理中,野点的存在会产生虚假的谐频成分。利用小波变换将振动信号分解为近似分量和细节分量,利用莱特准则对细节分量进行野值判别,然后用加权系数法计算新的值替代含野值的细节分量,重构信号。试验数据处理结果表明,该方法能最大保留有用信号信息,实现野值剔除。