小波脊指导离散小波分层的讨论

采用小波分层方法,可以消除畸变条纹中零频对基频的影响.本文从连续小波入手,求解出二维连续小波变换的小波脊尺度因子α的公式,结合离散小波的性质,将这些α作离散化,得到其离散值2k,用数学统计的方法将离散值分组,选择出有效的统计量即包含物体信息最多的层次,对应的k值就是离散小波变换中需要的分层系数.本文方法有效地指定较好的分层层数,实现了自动化操作.     

一种基于小波变换的目标融合跟踪方法

本文在分析小波变换的基础上，将小波分析应用到目标图像的融合跟踪技术上，利用小波的多尺度和多分辨特性，不仅能够获得不同分辨力下的图像序列，进行目标图像融合；还能有效地从信号中提取突变信号。对函数或信号进行多尺度的细化分析。图像边缘用小波变换进行处理和提取并对图像形心进行计算。能够得到较好的轮廓提取效果和形心定位精度，进而说明了小波变换可能成为目标跟踪中较好的数学方法。     

图像边缘检测的二维连续小波变换法

提出一种新的基于二维连续小渡变换的图像边缘检测方法。算法充分利用连续小渡变换探测信号奇异性的能力和小波的多分辨率特性。对图像进行二维连续小波变换后,直接对各个分解层的正的小波系数或负的小波系数利用闽值法初步确定图像的边缘点,然后利用“投票选举法”综合各个尺度的边缘信息。这种方法不需要进行边缘点连接,可以直接得到光滑连续的边缘。实验结果表明,新方法能够准确探测图像中目标的整体轮廓和细节信息,在性能上优于传统的两种边缘检测算子。     

小波域的冲击能量相关技术及其应用

针对传统小波尺度能量谱的不足之处,提出了一种改进型的小波域冲击能量相关技术.首先利用AR时序建模方法,去除振动信号中的周期谐波成分,然后采用连续小波变换将去除周期谐波后的信号分解到每个不同的小波尺度上,并计算不同尺度上小波系数的Teager瞬时能量.在此基础上,利用峭度和循环统计量对不同尺度上的小波Teager能量序列进行尺度筛选,确定能量序列进行尺度积分区间.最后,结合能量序列的时域相关运算,提取出冲击信号的发生周期或频率.结果表明:该方法能降低常规小波尺度能量相关法的误判率,而且在强噪声干扰下能准确地提取出弱冲击信号的发生频率,对旋转机械故障作出准确的判断     

非线性小波变换在故障特征提取中的应用

经典小波变换在不同尺度采用一种小波基 ,不能很好地匹配信号的局部特征 ,因而造成降噪信号丢失了原始信号中部分的有用信息。为了克服上述缺陷 ,提出了一种基于第二代小波变换的非线性小波变换振动信号预处理方法 .应用第二代小波变换的预测器和更新器相互独立的特点 ,根据预测方差最小的选取原则 ,确定每个变换样本的最佳预测器 ,使预测器能够适应信号的局部特征。模拟数据和振动信号的分析表明 ,该方法克服了传统小波降噪方法局部信息丢失的缺陷 ,不仅可以有效地去除信号中的噪声 ,而且能够保留信号的局部特征。作为一种预处理方法 ,在某发电厂的故障诊断中有效地从振动信号中提取了故障特征。     

小波变换在信号处理中的应用

介绍了常用小波基函数和连续小波变换，重点将小波变换应用到信号的去噪、分解和重构信号分析中。通过仿真实验可见小波变换已成为信号处理中行之有效的方法，必将在信号处理中起着重要作用。     

离散时间任意尺度因子小波变换的一种计算方法

传统的小波变换的母小波是连续时间信号，而尺度因子往往选取某一数的整幂次方的形式。本文介绍了一种计算离散信号在任意尺度因子下的离散时间小波变换的方法，并给出了使用这种方法的条件和计算实例。     

连续小波变换快速带通滤波实现算法的研究

针对连续小波变换(Continuous wavelet transform,CWT)计算量较大的问题,提出了一种利用带通滤波实现CWT的快速算法.根据CWT的定义,可将某一尺度下的小波函数看作一带通滤波器的传递函数,于是对信号和小波函数分别进行采样后,再利用快速傅里叶变换实现两个序列的线性卷积,便能求出相应尺度下的小波系数.推导了任意尺度对应的频率与尺度、小波中心频率、信号采样频率、小波函数采样频率之间的关系式,并分析了算法的计算量.仿真和应用结果表明,该法速度很快,精度较高,并且尺度可以任意取值,非常适合于工程应用.     

信号的小波尺度-频率表示及其在机械故障诊断中的应用

基于对信号的连续小波变换特点的分析，提出信号特征的小波尺度一频率表示方法。该方法对污染的脉冲信号和正弦信号的应用结果表明该方法能有效提取强噪声背景下的周期成分。以变速器齿轮的故障诊断为例，用该方法对变速箱齿轮振动信号的尺度-频率表示进行分析，结果表明该方法能非常有效地将不同磨损状况的齿轮振动信号的特征表现出来。     

分形信号的小波分析

本文提出了分形信号的小波分解与重构的一种快速算法。针对分形信号的自相似和长时相关的特点,采取离散小波变换（ＤＷＴ）对分形信号进行多尺度分解,使其成为各尺度上的近似平稳信号,从而可利用通常的Ｗｉｅｎｅｒ滤波＾［５］或Ｋａｌｍａｎ滤波＾［７］方法进行估计,然后再由ＤＷＴ进行多尺度重构,估计出被噪声污染了的原始信号。本文重点对分形信号的ＤＷＴ进行算法设计,并估计了计算复杂度。