地震波形信号小波去噪研究

从小波变换的基本原理出发,讨论了如何选择合适的小波函数及适当的阈值,以实现非线性非平稳地震信号的去噪算法。利用多尺度小波分解对地震波形数据进行了分析,在MATLAB中实现了对地震信号的去噪算法。分析比较了基于傅里叶变换和基于小波变换的两种算法对实际地震信号的去噪效果。结果表明,对于非线性非平稳地震信号的噪声消减,小波变换去噪算法显著优于傅里叶变换去噪算法。     

基于小波变换的脉象信号特征提取方法

为了较好地区分正常人与心脏病人的脉象信号，利用小波变换奇异性检测功能与多尺度分辨特性，提出了两种提取脉象信号特征的方法：连续小波变换法和二进小波变换法。在此基础上，构造了两种特征向量：小波变换系数的尺度——主波峰值和小波变换的尺度——能量值。经过对临床采集的235例脉象信号的处理与分析统计，所得数据具有较好的重复性与稳定性，可以作为用于脉象信号识别的特征向量。     

小波包分解在迎角传感器信号预处理中的应用

针对基于四象限压力传感器阵列的迎角测量方法中传感器信号受到干扰的问题,讨论了在其预处理中应用小波包变换进行信号分离提取的方法。根据小波包分解理论,对信号进行小波包分解,信号中频率不同的部分落在不同的尺度上,剔除反映干扰的变换尺度,提取出有用信息。结果表明,该方法可很好地提取信号的主要特征信息,也有效地去除了确定性干扰和随机噪声,与传统的信号滤波方法相比较具有明显的优点,同时为后续的信号处理奠定了基础。     

由小波变换模极大值重构信号的改进解析迭代算法

在分析了经典的重构算法的不足之后，以小波变换的多孔算法电路为依据，提出了一种改进的解析迭代新算法，由信号的各个分解尺度上的小波变换的模极大序列和最大分解尺度上的离散逼近信号，通过迭代直接重构信号。该算法不需要进行小波反变换，也不需要对最大分解尺度上的离散逼近信号进行重采样，而且投影算子是解析形式的，克服了非解析形式投影算子计算量大、程序复杂等缺点。数值仿真试验证明了该算法信号重构的精度较高，收敛速度较快。     

Hilbert-小波变换的齿轮箱故障诊断*

采用希尔伯特—小波变换对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用小波变换分解获得振动响应信号的各层高频信号小波系数和低频信号小波系数,对小波系数进行重构获得具有不同特征时间尺度的各高频信号和低频信号;再对分解的信号进行希尔伯特变换获得时频信息谱以提取系统的统计特征信息,实现监测齿轮运转工作状态,及时发现齿轮的早期故障,提高机械运行的安全性。仿真研究结果表明,小波变换分解和希尔伯特边际谱方法在故障信息诊断方面是可行和有效的,提高了故障检测的可靠性。     

基于小波变换的血压信号特征提取方法研究

该文针对传统的人体血压信号特征提取方法的不足,提出了一种了基于小波变换的人体血压信号特征量提取方法。人体的血压信号是一种非平稳的低频信号,使用Marr小波对人体血压信号进行小波变换的时间一尺度分解,可以得到人体血压信号的模极大值曲线;通过选择合适的分解尺度,可以有效地滤除噪声,对人体血压数据进行消噪处理;进一步滤除奇异性极大值点,可以提取出动脉波动位置和动脉波动幅度信息。文中给出了算法的完整实现,并利用实际采集的人体血压数据验证了该算法,得到了波峰模极大值点和心脏跳动所发生的精确时刻,为人体血压信号的参数识别奠定了基础。     

数字通信信号小波变换尺度选取问题研究

利用小波变换检测信号奇异性时,往往选择特定的尺度因子来进行,但是目前对于尺度因子选取问题研究的很少。文章以经均方根升余弦脉冲成形的ASK信号提取瞬时包络为例,对小波变换尺度选择问题进行了研究。首先利用Haar小波变换系数的模来提取ASK信号瞬时包络,并与传统的基于Hilbert变换提取法进行了比较;然后重点对小波变换的尺度因子选取问题进行了研究,从改善信噪比的角度对最佳尺度因子选取进行了推导,并通过仿真验证了算法的可行性。     

多分辨率分析在HRV信号分析中的应用

根据HRV信号的随机特性,采用小波变换中的多分辨率分析算法对其进行分析,旨在提取海洛因吸毒者HRV信号的异常信息.基于小波变换的HRV信号的尺度谱携带有人体健康状况的重要特征信息,应用多分辨率分析法,对22例海洛因成瘾者和22例正常人的HRV信号进行6尺度分解,计算尺度系数和各小波系数的能量,除Cd3(0.5～1Hz)和Cd4(0.25～0.5Hz)频段外,成瘾者能量的均值要大于正常人对应的值.研究结果表明,小波包变换是提取海洛因吸毒者HRV信号中异常信息的有效工具.     

小波方法在油井液面检测中的应用

油井液面回波检测是石油探测的重要内容，它决定后续石油开采的成功与否。由于信号幅值小，干扰多，因而采用常规时、频域滤波方法往往不能收到良好的效果。针对这一问题，本文利用信号和干扰在小波变换下的不同变化特性及小波变换的变焦特性设计了小波去噪算法，并根据实际要求选定了小波基和分解尺度，给出了使用小波去噪方法前后的实际结果。对这些结果进行的分析比较表明，小波方法在大幅提高信噪比的同时，也保持了信号的位置信息，因而适合此类信号检测问题。     

基于小波变换的心音信号滤波方法研究

为了准确提取心音信号,心音信号消噪是实现心血管疾病无创诊断的前提,传统的心音信号消噪方法在消除噪声的同时,也滤除了心音的有用信息.利用小波变换多尺度多分辨率的特点对心音信号进行分解,将不同频带的信号展现在小波分解的不同尺度上,根据心音信号的频率分布特点,通过选择重构系数可消除心音信号中的干扰分量,并对不同小波的消噪效果以及同一小波不同分解层数的消噪效果进行仿真对比研究.结果表明,在haar、db6、sym8、coif5四种常用小波中,db6小波对心音信号的消噪效果最明显,证明其中采用db6小波进行5层分解可以获得最佳消噪效果,并对临床采集的228例心音信号进行消噪实验,db6小波均获得了很好的效果.     

连续小波变换在传感器故障诊断中的应用

小波变换在信号分析与处理中有良好的局部性质.主要研究基于连续小波变换极值点的方法在传感器故障诊断中的应用.对输入信号输出信号进行连续小波变换,利用该变换求出输入输出信号的奇异值,然后去除由于输入突变所引起的极值点,则其余的极值点对应于传感器的故障.在MATLAB平台下,仿真结果表明,该故障诊断方法可以有效地进行故障检测和定位.     

基于改进阈值函数的分数阶小波图像去噪

为了消除噪声对图像的影响并较好地保留图像细节信息,提出一种基于改进阈值函数的分数阶小波图像去噪方法。该方法通过分数阶小波变换将含噪信号进行多尺度分解,采用改进的阈值函数对各层分数阶小波域系数进行处理,对处理后的系数进行重构得到去噪后的信号。仿真实验表明,相比已有的软阈值、硬阈值和均值加权法,本文方法去噪后的图像信噪比较大、均方误差较小,取得了满意的视觉效果,是一种实用的去噪方法。     

基于小波-互相关算法的地层钻探诊断

钻探工程中需要依据钻头钻进不同地层产生的振动信号信息,实时判断钻头钻进目标层的时刻。时域波形图和传统的时域互相关在低信噪比时无法有效提取钻头进入不同地层的时延信息。提出了小波-互相关算法,将参考信号和待测信号分别进行小波变换后再进行频域互相关,提取待测信号相对于参考信号的时延信息,进而实时判断钻头钻进目标层的时刻。仿真和试验均表明：小波-互相关算法与传统的时域互相关相比,能实时地提取钻头钻进不同地层的时延信息,具有更好的时间定位和抑噪能力。     

基于小波变换的电生理信号压缩采样与重构

压缩感知是一个新兴领域,该理论可对信号以低于奈奎斯特采样率的速率进行成比例压缩采样,用来降低数据存储。本文基于压缩感知和小波变换,设计并实现了神经动作电位信号的压缩与重构。首先在小波域构造了64位神经动作电位信号的稀疏矩阵,然后设计了64位神经动作电位信号的2：1压缩矩阵与OMP（OrthogonalMatchingPursuit）重构算法,并通过编程仿真实现,可以完成信噪比较高的压缩信号的高精度恢复。仿真结果表明,重构信号与原信号的关键值相对误差小于15％。     

On-line tool condition monitoring system with wavelet fuzzy neural network

In manufacturing systems such as flexible manufacturing systems (FMS), one of the most important issues is accurate detection of the tool conditions under given cutting conditions. An investigation is presented of a tool condition monitoring system (TCMS), which consists of a wavelet transform preprocessor for generating features from acoustic emission (AE) signals, followed by a high speed neural network with fuzzy inference for associating the preprocessor outputs with the appropriate decisions. A wavelet transform can decompose AE signals into different frequency bands in the time domain. The root mean square (RMS) values extracted from the decomposed signal for each frequency band were used as the monitoring feature. A fuzzy neural network (FNN) is proposed to describe the relationship between the tool conditions and the monitoring features; this requires less computation than a back propagation neural network (BPNN). The experimental results indicate the monitoring features have a low sensitivity to changes of the cutting conditions and FNN has a high monitoring success rate in a wide range of cutting conditions; TCMS with a wavelet fuzzy neural network is feasible.     

基于小波变换的动态称重信号处理方法

针对目前动态汽车衡因货车拖磅称重而导致称重信号异常及称重不准确问题,提出采用小波变换极大值信号重构算法对拖磅称重信号进行处理:首先将拖磅称重信号逐层分解到不同频域和时域,在保持频率不变的条件下,对称重信号逐级求极大值点,得出信号逐级变化趋势;然后将多级称重信号按原离散逼近系数重构成新的称重信号,进而得到车辆称重信息。现场实测表明,采用小波变换极大值信号重构算法处理后的货车拖磅称重数据与正常过磅时称重数据的误差小于1%。     

基于小波域滤波的电子通信信道恶意干扰信号分离方法

针对电子通信信号与恶意干扰信号严重重叠的现象,设计了基于小波域滤波的电子通信信道恶意干扰信号分离方法。在分析信道特征并划分噪声种类后明确噪声信号形式,然后利用小波域滤波算法合理设置分解层数,对信号做分解重构与降噪,再利用极限学习机建立神经网络学习模型。根据干扰信号模型与信道衰减程度提取干扰信号特征,并将特征样本输入到神经网络中,直到输出分离结果。仿真结果表明：该方法能够有效去除信道噪声、降低通信误码率、均衡信道负载。     

基于小波变换的昆虫刺吸电位（EPG）信号去噪研究

昆虫刺吸电位(EPG)信号为研究刺吸式昆虫取食和传毒机理提供了有力的依据,然而EPG信号在采集过程中易受各种噪声的干扰,可利用小波变换将其去除.本文采用小波阈值去噪法,通过实验对比选择不同的小波基函数及阈值,以均方根误差和信噪比为评价指标,确定了coif4小波6层分解,在Stein无偏风险估计准则下,改进阈值量化为最佳去噪方案;实验结果表明,该小波阈值去噪方法可以有效地去除不同干扰.本文研究的基于小波变换的EPG信号去噪为后续分析识别提供了保证.     

改进线性拟合的调制信号载波频率估计算法

为提高基于线性拟合的频率估计算法的抗噪性,根据调制信号的时域特征,在基于最小二乘法的基础上,研究了将随机抽样一致(RANSAC)算法用于载波频率估计。利用RANSAC算法进行直线拟合,来完成调制信号载波频率估计中的参数拟合。以具有单一载波的数字调制方式振幅键控(ASK)和移相键控(PSK)得到的调制信号为研究对象,在Matlab环境下进行仿真实验,结果表明：与基于最小二乘法的方法相比,所提出的载波频率估计方法的误差率明显降低,同时具有较好的抗噪性。     

Multiscale fuzzy Kalman filtering

Measured data are usually contaminated with errors which sometimes mask their important features. Therefore, data filtering is needed for effective utilization of such measurements. For nonlinear systems which can be described by a Takagi–Sugeno (TS) fuzzy model, several fuzzy Kalman (FK) filtering algorithms have been developed to extend Kalman filtering to such systems. Also, multiscale representation of data is a powerful data analysis tool, which has been successfully used to solve several data filtering problems. In this paper, a multiscale fuzzy Kalman (MSFK) filtering algorithm, in which multiscale representation is utilized to improve the performance of fuzzy Kalman filtering, is developed. The idea is to apply FK filtering at multiple scales to combine the advantages of the FK filter with those of the low pass filters used in multiscale data representation. Starting with a fuzzy model in the time domain, a similar fuzzy model is derived at each scale using the scaled signal approximation of the data obtained by stationary wavelet transform (SWT). These multiscale fuzzy models are then used in FK filtering, and the FK filter with the least cross validation mean square error among all scales is selected as the optimum filter. Also, theoretically, it has been shown that applying FK filtering at a coarser scale than the time domain is equivalent to using a time-averaged FK filter. Finally, the performance of the developed MSFK filtering algorithm is illustrated through a simulated example.