基于离散小波变换的水下回波信号尾波包络特征提取

提出一种水下目标回波的特征提取方法．该方法在离散小波变换的基础上。基于回波信号中的散射成分可以对水下底质进行分类的理论基础，提取水下回波信手尾波包络特征作为识别特征矢量，构成基于尾波包络特征的特征空间，再采用最佳鉴别矢量法将特征空间进行特征压缩，最后利用最小距离分类器对目标回波进行分类．实测数据结果表明，采用这种方法得到的包络特征是一种稳健、有效的特征，能够获得较高的正确识别率．     

基于小波变换的声波信号包络提取

包络提取是声场层析成像的关键,考虑到希尔伯特变换法在提取声包络信号中毛刺多等缺点,提出了一种小波变换法来提高包络提取的精度.计算机仿真结果表明,用该方法提取包络的效果比希尔伯特变换方法效果好.     

基于小波变换的声波信号包络提取

包络提取是声场层析成像的关键，考虑到希尔伯特变换法在提取声包络信号中毛刺多等缺点，提出了一种小波变换法来提高包络提取的精度．计算机仿真结果表明，用该方法提取包络的效果比希尔伯特变换方法效果好．     

基于小波变换的包络分析

把小波理论应用于包络分析，介绍了小波包络方法，并把这一方法推广到组合小波包络分析，详细讨论了高斯平顶频窗组合小波的构造和参数选择方法。由于小波分析本身具有时、频域局部化特性，因此小波包络分析不需要配以滤波环节即可提取所需频率范围信号的包络；又由于可以通过改变参数来调节小波频窗的形状、位置和宽度，因此小波包络分析有着很大的灵活性，而且软件实现容易。     

基于复解析小波变换的信号包络检测

水声信号中的低频线谱成分是目标声信号的一个重要特征量,在水声信号检测、识别和分类中起着重要的作用。为了提取水声信号中的线谱成分,本文利用复解析小波变换兼具带通滤波和包络提取的特性提取信号包络。仿真和实测数据分析表明,与传统的Hilbert变换提取信号包络算法相比较,基于复解析小波变换的信号包络提取算法可以完全抑制所分析通带以外的噪声,从而提高了信号包络的信噪比。     

基于小波变换的光纤振动信号特征提取与识别

本文主要研究光纤安全预警系统振动信号特征提取及振源识别问题.采用小波多分辨分析技术,从多尺度分解的角度出发,依据小波变换的分层分解关系和时频特性提取振动信号的细节信息,用来反应不同频带上振动信号的能量分布特征,在此基础上采用支持向量机对振动信号进行分类识别.测试结果表明,与现有方法对比,本方法具有准确率高的优点,为光纤振动信号的识别提供一种高性能的实用方法.     

小波分析在信号包络提取中的应用

包络分析是机械测试和故障诊断领域的常用方法 ,本文利用小波的频带分离特性和噪声的小波变换特性 ,将希尔伯特变换和小波分析结合起来 ,提高了提取信号包络信息的精度 ,并通过实例说明了这种方法的有效性     

基于小波变换的EEG信号癫痫棘波检测

基于小波变换的多分辨率、相对带宽恒定、良好的时频局部化特性,一种利用连续小波变换对实测的脑电信号进行癫痫棘波分解并检测的方法,能够方便而有效地对脑电信号中的癫痫棘波进行检测.     

基于时间-小波能量包络谱的滚动轴承特征提取

研究了传统包络谱方法在滚动轴承故障诊断中不能准确提取故障特征的问题,提出了一种基于能量和包络谱相结合的时间-小波能量包络谱分析法。用两种方法对滚动轴承各部位采集到的数据进行了分析对比,结果表明,时间-小波能量包络谱分析法比传统包络谱方法能更好和准确地提取出滚动轴承故障的特征频率。     

小波级数变换的一种离散小波变换算法

小波文献中，离散小波变换多由子带分解或拉普斯塔形分解等引出，本文从连续小波变换及小波级数变换出发，通过对采样过程的分析导出了离散小波变换的定义，离散小波变换是唯一便于Ｘ数值计算的小波变换，本文提出了一种以离散小波级数变换的算法，该算法较之Ｏ＇Ｒｉｏｕｌ的类似算法相比，可取得更好的计算精度。     

基于小波理论的故障特征提取

在对齿轮进行故障诊断时,采样信号不可避免地受到各种噪声和干扰的污染,所测信号属于典型的非平稳信号.信号的降噪和特征提取是齿轮状态监测和故障诊断的关键环节.小波理论对于非平稳信号的处理非常有效.在MATLAB环境下,利用小波理论对减速器齿轮箱的采样数据进行去噪实验和分析,提取齿轮大周期故障的特征指标,为进一步进行故障诊断奠定基础.     

基于正交小波包的水下宽带回波特征提取与识别

水下目标的自动识别是水声设备智能化的关键技术之一。在对目标回波进行正交小波包分析的基础上，提取信号在各分解子空间的能量以构成回波的特征空间。给出了两种衡量各特征识别能力的准则，而且基于这两种准则解决了小波包分析中的频率重叠问题，用它们对莱蒙湖(又名日内瓦湖，Geneva Lake)湖底4类沉积物的反射回波进行了特征提取和分类，比较了两种准则所提取特征的分类结果，得到了较为满意的效果。     

提升小波包在滚动轴承故障特征提取中的应用

为从滚动轴承振动信号中提取出故障状态信息的特征,针对信号的特点和提升小波包变换性质,采用提升小渡包最优分解法获得故障敏感特征频带,对各频带进行标准化向量特征构造,提取出各个频带的故障特征。结果表明,滚动轴承故障信号的敏感特征频带能量集中明显,故障特征得以有效的提取出来。     

小波包分解在超声检测缺陷回波信号处理中的应用

超声检测过程中,由于缺陷回波是一种含噪瞬态脉冲信号,很难有效地将其与各种噪声“分离”开来。介绍一种基于小波包分解的缺陷回波多尺度空间能量特征提取方法,对焊缝超声回波信号进行了特征提取,并采用基于距离的类别可分性判据对提取结果进行了评价。     

基于小波包变换的眼电信号特征提取及分类

眼电信号是人机交互系统中的一种重要的信息源,该文提出了一种眼电信号特征提取与分类算法。首先研究小波包变换,提出以小波包分解系数作为眼电信号特征,通过支持向量机进行分类识别。在实验室环境下,采用该方法对6名眼部功能正常测试者的样本数据进行分类,平均识别率达到96.83%,具有很高的实用价值。     

正交小波变换在钻削刀具状态特征提取中的应用

为了精确地提取钻削刀具状态特征,系统地阐述了正交小波变换的概念和小波多分辨分析的方法,并对不同刀具状态的振动信号进行分解和重构处理,获得了振动信号在不同频段的重构分量,根据各个频段重构分量在不同刀具状态下的变化特点,进而提取高频段重构分量的功率谱的频域统计值以及[313 Hz~625 Hz]频段重构分量的局部极大模线对应的平均Lipschitz指数作为监测特征.实验结果表明:采用上述方法可有效实现刀具状态特征信息提取,较其它方法更加适用于钻削刀具状态监测.     

基于小波提取特征的SVM目标识别

基于小波变换提出了一种特征提取及特征选择的方法.通过对小波系数绝对值化,减小了特征的分布范围;对小波进行自适应的过滤提取了目标的主要特征,增加了特征的聚类程度.本文通过SVM分类器对该方法进行验证并与其他方法比较.实验证明该方法有效的提高了目标的识别率,降低了误识别率.     

运用各向异性小波变换进行图像特征提取

在图像信息提取中,为实现任意方向、任意尺度对图像进行小波分解,在各向异性小波变换中增加了衰减因子和旋转因子的新算法,运用Matlab编程实现该算法,可准确地提取图像任意方向的趋势和细节特征,是一种高效的图像特征提取算法.     

基于DWTMFC特征参数提取的心音身份识别

心音信号是临床上有用的心脏疾病诊断工具,是一种很好的用于身份识别的方法,而在基于心音识别的系统中,提取反映用户个性特征的参数是关键问题之一.该文将Mel倒频系数的提取方法中的Mel滤波器组用小波变换后的信号频谱拼接来替代,以此提取了新的参数DWTMFC,并用矢量量化模型进行验证.实验结果表明DWTMFC参数的性能在矢量...