结点阈值小波包变换语音增强新算法

人耳频率分辨率是非线性的,而小波包算法有灵活的时频分析能力,可较好的模拟人耳基底膜的频率分析特性。本文提出了一种新的基于结点阈值的小波包变换语音增强算法。采用Bark尺度小波包对含噪语音进行分解,在语音信号的子带层次上进行阈值操作,并采用软阈值方法进行阈值处理。采用谱熵法估计结点噪声。实验表明,该算法在多种噪声,尤其是有色噪声和非平稳噪声条件下均有较好的语音增强效果。     

分数阶小波包时频域的信号去噪新方法

为了提高信号去噪的效果,提出了一种基于分数阶小波包变换(FRWPT)的信号去噪新方法。该方法根据输出信号信噪比的大小,用迭代法寻找分数阶小波包变换的最优分数阶p值,通过分数阶小波包变换将带噪信号映射到最优分数阶小波包时频域内,对变换后的信号进行窄带通滤波,最后通过分数阶小波包逆变换对信号进行重构,实现分数阶小波包时频域内的信号去噪。以带噪Bumps信号和语音信号为例的去噪实验结果表明,采用该方法去噪后的信号信噪比明显提高,在抑制噪声的同时可以有效保持细节信息。     

小波包正交校正法用于近红外光谱的干扰消除

提出了一种扣除背景和噪声干扰的新方法-小波包正交校正法.首先将原始光谱进行离散小波包变换,消除噪声及部分背景信息,然后采用正交信号校正法滤除与分析物浓度无关的全部信息.与单纯的离散小波包变换及正交信号校正方法相比,小波包正交校正法能有效地扣除背景和噪声干扰,使模型具有更强的抗干扰能力,提高了模型的预测精度.用该法对牛奶样品的近红外光谱进行处理,并将扣除干扰后的数据采用偏最小二乘法建立校正模型,其脂肪、蛋白质和乳糖的预测均方根误差分别为0.086 5%、0.093 6%和0.111 5%,实现了牛奶样品常规组分的定量分析,进一步证明这种算法是切实可行的.     

基于完全抗混叠DTCWPT和包络谱熵的轴承故障诊断

针对经典小波包和双树复小波包(dual tree complex wavelet package transform,DTCWPT)能量泄漏和频率混叠的缺陷,提出完全抗混叠的DTCWPT改进算法,该算法解决了经典小波包存在负频率以及经典小波包和DTCWPT滤波器频率不完全截止问题。根据高斯白噪声频率充满整个频带的特性,通过小波包变换对高斯白噪声进行分解,利用频带能量泄漏的定量分析方法,验证了改进DTCWPT具有完全的抗频带能量泄漏特性。将改进DTCWPT方法和包络谱熵引入到轴承故障诊断中,该方法的核心是:对轴承振动信号进行改进DTCWPT变换得到不同尺度的分解信号,分别计算各分解信号的包络谱熵,合并熵值较小的几个分量信号的包络谱,最后根据合并的包络谱来检测轴承故障。该方法在消除经典小波包变换和DTCWPT频率混叠和能量泄漏的同时还解决了小波包分量选择盲目的问题。最后应用轴承故障试验数据对该方法进行试验验证,结果表明:改进DTCWPT结合包络谱熵选择的方法能够很好提取出轴承故障特征频率的基频、倍频,提高了轴承故障的诊断效果。     

基于小波包变换和小波阈值消噪的语音特征提取

为了实现强噪声背景下语音信号的特征提取,根据小波变换的多分辨率特性,以及与人耳耳蜗滤渡相一致的特性,利用小波包变换,在各语音特征频率段上,提取出包含丰富的非平稳信息的语音特征;并在小波包分解去噪的基础上,构造了模糊阈值函数,利用小波模糊阈值去噪,得到了信噪比较高的语音信号.研究结果表明,小波包变换和小波阈值去噪,较好地消除了强噪声背景下的噪声,并有效地提取出了语音信号特征.     

基于小波变换方法的非接触圆度误差检测

针对圆度误差非接触检测过程中噪声对原始信号产生干扰的问题,提出采用小波变换进行信号降噪处理;讨论了小波理论中的快速变换算法及阈值降噪法的基本原理和处理实测信号的具体步骤;分析了基于小波变换的最小二乘圆法评定圆度误差的算法,并推导了其理论模型;运用Matlab小波工具箱通过实验说明了小波分析处理圆度误差的方法和效果。     

冗余小波包改进及其在齿轮箱故障诊断中应用

针对小波包分解广泛存在频率折叠、频带重叠与频带错位缺陷,分析了其产生的根源,并以此提出了一种改进的冗余小波包分解算法。该算法通过交换偶数位置子带小波包分解后的两子带顺序来消除频带错位缺陷,通过引入两算子依据傅里叶变换滤波原理分别从频域滤去低、高频子带理论频率范围外的频率成分来避免频带重叠缺陷。分别使用仿真信号与某直升机中减速器疲劳试验的故障数据对该算法进行了仿真验证与试验验证。分析结果表明:相对于Mallat小波包算法和通常的冗余小波包算法,改进的冗余小波包分解算法确实成功消除了频率折叠、频带重叠和频带错位等三类缺陷,因此该算法能更有效地提取淹没在强噪声和其他强干扰背景下微弱故障特征,具有一定的工程应用价值。     

基于排列熵的小波包改进去噪算法研究

为了弥补传统小波包阈值去噪算法去噪参数选择完全依据人为经验的缺陷,引入对信号噪声含量变化敏感的排列熵算法,提出一种新的基于排列熵的小波包阈值去噪方法。对含噪信号进行小波包分解得到相应的小波包系数序列,并对其进行排列熵计算,通过分析小波包系数排列熵的变化规律来确定小波包分解层数与阈值以达到最优去噪效果。采用该方法对滚动轴承振动信号进行去噪分析,结果表明该方法去除噪声较为彻底,与其他参数去噪结果进行对比,验证了该方法的有效性。     

基于样本熵的改进空域相关去噪算法

针对传统的小波空域相关去噪算法存在噪声与信号系数误判以及终止滤波迭代过程的阈值确定困难等问题,提出了1种基于样本熵的改进空域相关去噪算法。考虑到不同频率段的小波包系数中噪声含量的不同,对不同小波包节点系数分别进行归一化相关系数计算与去噪迭代,且对每1次迭代后的小波包节点系数进行样本熵计算,选取当各节点小波包系数样本熵取最大值时做为终止迭代条件,认为此时的小波包系数全为噪声系数。对仿真信号进行分析,结果证明了该方法的有效性;将该方法应用于故障滚动轴承振动信号去噪中,能够较好地还原信号的特征频率,取得了较其他传统算法更好的去噪效果。     

OFDM水声通信系统语音信号的小波包消噪方法

在阐述和构造了正交频分复用（OFDM）水声通信系统的基础上,利用小波包分解与重构对OFDM水声通信系统进行语音信号消噪处理。小波包分解方法依据信号与噪声小波变换系数分布特性不同来进行,首先将语音信号分层,确定最佳小波包分解树,再进行阈值量化,完成小波包分解,并对所得阈值进行消噪处理,最后利用小波包逆变换重构传输信号。计算机仿真结果表明在OFDM水声通信系统中利用小波包分解方法对语音信号进行处理,可有效消噪,并可较为完整地保存有效信号。     

小波分析及其在机械诊断中的应用

从工程应用的角度提出了对于小波分析的理解，给出了小波函数和尺度函数之间的关系和信号分解的小波变换。利用小波包算法分析了两种典型的机械故障。结果显示，小波包的分析方法较传统的窗口傅里叶变换和维格纳分布更加有效。     

基于EMD和支持向量机的柴油机故障诊断

为了解决传统小波或小波包变换方法对柴油机振动信号频率分辨率不高、易受邻近谐波分量间交叠影响的缺陷,提出了一种基于经验模态分解和支持向量机的故障诊断方法。该方法首先对振动信号进行经验模态分解,分别提取能量最大的几个基本模式分量的小波包特征;然后采用支持向量机在每个独立的特征子集中进行训练,并按该子集对应的基本模式分量的能量权重进行加权融合。试验中将该方法应用于6135型柴油机的故障诊断,结果表明,针对每个基本模式分量分别进行故障分析是可行的,能够对6135型柴油机常见故障模式进行准确识别。     

改进小波包与RBF网络在轴承诊断中的应用

基于故障轴承的特征提取,提出一种基于小波包与径向基RBF神经网络相结合的故障诊断方法,克服了以往常用诊断方法中的小波BP神经网络网络收敛慢、训练时间长、而且常常陷入局部极小点的缺点。采用小波滤波技术对采集到的滚动轴承振动信号进行滤波处理,利用小波包分解获得滚动轴承振动信号的特征向量作为故障样本对RBF网络进行训练,进行了详细的故障诊断试验研究。实验结果表明训练好的RBF网络能够很好地诊断出轴承故障类型,故本方法在旋转机械故障诊断方面具有良好的应用价值。     

基于小波包变换的局部放电包络信号模式识别

为实现GIS故障检测和缺陷的模式识别,针对GIS出现的典型绝缘缺陷及其放电特点,设计了4种常见的GIS绝缘缺陷模型并进行放电试验。对获取的大量超高频包络信号,提出了一种基于小波包变换奇异值分解的时域特征提取方法。该方法首先对包络信号进行小波包变换,构建各尺度的小波包分解系数矩阵,然后对其进行奇异值分解,提取特征向量,在此基础上,采用BP神经网络进行模式识别,结果表明采用此方法获得了良好的识别效果。     

基于全矢小波包能量熵的滚动轴承智能诊断

研究滚动轴承不同状态下的振动信号,使用小波包变换提取信号各频带的能量熵,作为轴承故障的特征,然后使用支持向量机智能诊断轴承不同故障。传统单通道信号诊断方法容易造成误诊,全矢小波包能量熵融合了振动信号双通道的信息,能更准确地反映故障的特征。实验结果表明,采用全矢小波包能量熵比传统单通道方法有更高的诊断精度。     

Gearbox fault detection using Hilbert and wavelet packet transform

Demodulation is an important issue in gearbox fault detection. Non-stationary modulating signals increase difficulties of demodulation. Though wavelet packet transform has better time–frequency localisation, because of the existence of meshing frequencies, their harmonics, and coupling frequencies generated by modulation, fault detection results using wavelet packet transform alone are usually unsatisfactory, especially for a multi-stage gearbox which contains close or identical frequency components. This paper proposes a new fault detection method that combines Hilbert transform and wavelet packet transform. Both simulated signals and real vibration signals collected from a gearbox dynamics simulator are used to verify the proposed method. Analysed results show that the proposed method is effective to extract modulating signal and help to detect the early gear fault.     

基于小波包变换与样本熵的滚动轴承故障诊断

针对滚动轴承振动信号的不规则性和复杂性可以反映轴承故障的发生和发展,提出一种基于小波包变换与样本熵的轴承故障诊断方法。样本熵可以较少地依赖时间序列的长度,将轴承振动信号进行3层小波包分解,利用分解得到的各个频带的样本熵值作为特征向量,利用支持向量机对轴承故障进行分类。对轴承内圈故障、滚动体故障和外圈故障3种故障及不同损伤程度的实测数据进行实验,结果表明该方法取得较高的识别率,具有一定的工程应用价值。     

基于Volterra级数的提升小波变换边界处理及应用

针对现有的提升小波变换容易产生边界振荡和频率混叠的不足,提出了一种将Volterra级数模型和抗混叠提升小波包相结合的信号处理方法.首先对信号两端进行数据延拓,用二阶Volterra级数预测模型对延拓信号进行预测;然后用抗混叠提升算法对信号进行小波包分解.对仿真信号进行边界处理后,信号在边界不会出现振荡现象;用抗混叠提升小波包对信号进行分解不会引起频率混叠现象.工程应用中,从强大的背景噪声中提取出了往复泵柱塞与缸套碰磨产生的微弱振动冲击信号,诊断出了密封盘根过度磨损的故障.