基于大数据分析的低频电磁信号光纤传感检测装置设计

为了提高低频电磁信号光纤传感检测能力,提出一种基于大数据分析的低频电磁信号光纤传感检测装置,采用光纤传感器进行低频电磁信号采集,构建低频电磁信号的时频特征分析模型,提取光纤传感检测的低频电磁信号谱特征量,采用大数据融合方法进行光纤传感检测的低频电磁信号谱特征融合,构建光纤传感检测的低频电磁信号时频分解模型,采用快速分数阶傅里叶变换实现低频电磁信号光纤传感检测和噪声分离,结合盲源检测结果,提高对低频电磁信号的光纤传感检测能力。仿真结果表明,采用该方法进行低频电磁信号光纤传感检测的准确性较高,联合感知能力较强,信号的主瓣展宽较高,说明检测的抗干扰性较好。     

基于小波包变换的电力系统谐波分析

传统的基于傅立叶变换的谐波检测方法不具有时间分辨能力,小波和小波包变换因其良好的时间局部化特性,成为电力系统谐波分析的有力工具.本文分别用小波变换和小波包变换对电网谐波信号进行了检测,小波包变换建立在小波变换的基础上,可以实现信号频带的均匀划分,能更好地提取信号的时频特性.仿真结果显示两种方法均能有效的分离基波和谐波,小波包变换能根据要求分离任意次谐波,仿真分析中指出了两种分析方法的缺点.     

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。     

小波盲源分离算法的仿真及FPGA实现

提出了一种基于小波变换的盲源分离方法,在理论分析和仿真结果的基础上,给出了FPGA的实现方案.针对传统盲分离算法对源信号统计特征敏感的弱点,该方法在小波变换域实施盲分离算法.同时,在分离过程中引入了空域相关滤波,使本文方法具有抗噪特征.将该方案应用于多接收天线系统中的多跳频信号的分离应用中,仿真结果证明了该方案的可行性和有效性.     

小波与FastICA结合的阻抗胃动力信号处理方法

研究一种用于多通道体表阻抗胃动力信号采集与信息提取的处理方法.运用作者研制的四通道阻抗胃动力检测系统进行健康人阻抗胃动力信号采集实验.将小波变换的多分辨率特性和FastICA算法的盲源分离特性相结合,把采集的四通道阻抗胃动力信号经小波变换分解重构后作为ICA输入,再经FastICA算法实施盲分离,实现阻抗信号分离与胃动...     

一种阈值自动设定的小波变换边缘检测方法

边缘检测是提取图像特征的重要手段,本文提出一种阈值自动设定的双阈值小波变换边缘检测方法。小波变换具有良好的时频局部化特性和多尺度分析能力,获得的边缘信息丰富,采用二维静态小波变换算法,计算出局部模极大值点,但其中除了边缘点外,还混有噪声信号,本文根据边缘与噪声的特征自动计算出阈值,实现了噪声与边缘的分离,强边缘与弱边缘的分离,并通过实例验证了算法的有效性。     

基于ICA和小波变换的轴承故障特征提取

应用独立分量分析方法和小波变换分离轴承的振动信号，提取其状态特征。并对信号进行自相关预处理，突出信号的非高斯成分，较好地满足独立分量分析的前提条件，即源信号统计独立。采用基于负熵的快速独立分量分析（ICA）算法，成功地分离出了信号的一些独立成分。对ICA处理后的分量信号进行小波变换，完成信号检测，消噪，频带分析，以获取故障信号特征，确定故障的位置和强度。研究结果表明，独立分量分析方法和小波变换能提取明显的轴承故障信号特征。     

基于二进小波的相合束广义特征分解盲源分离算法

针对盲源分离算法中用相合束广义特征分解法提取源信号,滤波法需根据源信号选择滤波器,时延法不能分离3个以上的源信号,而离散小波变换法的分离效果不够理想,本文提出基于二进小波变换的相合束广义特征分解算法,二进小波的正交性有利于增强信号的非高斯性,并且二进小波在分解时没有进行下抽样,小波基之间存在一定冗余,更好地保留了源信号的信息.仿真结果表明,该算法能更准确地分离4个源信号的混合,且该算法简单易实现,分离速度快.     

基于小波分析的电力信息通信过程不良数据辨识研究

传统的电力通信过程不良数据辨识方法的消噪能力较差,导致辨识效率较低。为此,本研究基于小波分析设计了新的电力信息通信过程不良数据辨识方法。根据小波变换的奇异性对电力信息通信过程进行局部奇异性检测,根据检测结果,结合神经网络算法区分正常数据和不良数据。然后采用软阈值和硬阈值去噪方法消除不良数据中的含噪信号,在计算噪声强度后,将某一尺度内的小波变换系数的平方由小到大排列,并计算似然估计向量,再根据向量中的最小值和最大值删除信号中的噪声部分。实验结果表明：该方法能够有效提高消噪能力、增强辨识效率。     

基于连续小波变换的电表绕组故障检测方法研究

为有效保障电力电表的稳健运行,基于连续小波变换技术,设计了电表绕组故障检测方法。首先,采用混合模块化多电平特征分析方法分析电表绕组故障特征,并建立电表绕组的等效电路模型;结合混合模块化多电平换滤器(MMC)拓扑分析方法,获得电表绕组的等效电路拓扑结构。然后,提取电表绕组故障的谱特征量,以局部自均压和功率因素为控制自变量,完成电表绕组故障特征的连续小波变换及分解。最后,进行故障特征聚类和属性分布式挖掘,提高电表绕组故障特征检测和信息挖掘能力。仿真结果表明,该方法对电表绕组故障的检测精度较高,对绕组故障特征的辨识度较好,可提高对电表绕组故障的诊断能力。     

Blind separation of audio signals using trigonometric transforms and wavelet denoising

This paper deals with the problem of blind separation of audio signals from noisy mixtures. It proposes the application of a blind separation algorithm on the discrete cosine transform (DCT) or the discrete sine transform (DST) of the mixed signals, instead of performing the separation on the mixtures in the time domain. Wavelet denoising of the noisy mixtures is recommended in this paper as a preprocessing step for noise reduction. Both the DCT and the DST have an energy compaction property, which concentrates most of the signal energy in a few coefficients in the transform domain, leaving most of the transform domain coefficients close to zero. As a result, the separation is performed on a few coefficients in the transform domain. Another advantage of signal separation in transform domains is that the effect of noise on the signals in the transform domains is smaller than that in the time domain due to the averaging effect of the transform equations, especially when the separation algorithm is preceded by a wavelet denoising step. The simulation results confirm the superiority of transform domain separation to time domain separation and the importance of the wavelet denoising step.     

基于多特征提取的人脸检测

针对单一特征在人脸检测方面的不足,提出了一种基于多特征提取的人脸检测算法。利用肤色信息分割出候选人脸区域,并对其进行小波分析,降低维数。进行离散余弦变换,取出部分系数作为频率域特征。对变换后的重构图像利用奇异值分解和局部二值模式提取代数特征和纹理特征,将这三方面特征融合成新的特征向量。这样既降低了维数,又综合了三方面的特征优势,保证了利用支持向量机分类,定位人脸的效果。实验结果表明,该方法具有较高的检测率,且鲁棒性较好。     

基于特征点密度的DCT域盲检测数字水印算法

针对数字水印图像遭受几何攻击问题,提出了一种融合图像不变特征和频域稳定特性的强鲁棒数字水印盲检测算法。通过构造自适应尺度不变特征变换(SIFT)算法和Harris角点补位法,利用在不同尺度空间获取的特征点的密度自适应地调整水印信息嵌入到离散余弦变换(DCT)域的强度;将图像子块的特征向量集进行Arnold置乱,生成密钥文件,与隐秘图像的特征向量做双向特征匹配,获得几何失真参数并进行图像恢复性校正,以盲检测的形式提取IDCT反变换域水印信息。从实验结果来看,该算法比使用离散小波变换(DWT)和离散傅里叶变换(DFT)的峰值信噪提高13%,水印相似度提高11%,说明该文算法在获得较好的不可见性的同时,对几何攻击和常规信号处理均具有良好的鲁棒性。     

基于小波变换的图像盲分离

以图像盲分离为背景,给出如何在小波变换下对盲源图像进行快速独立分量分析.通过探讨小波域中算法的的收敛特性,证实了小波域中算法能完美实现分离的原因,并通过实验验证了算法的有效性.     

Intelligent fault diagnosis in microprocessor systems for vibration analysis in roller bearings in whirlpool turbine generators real time processor applications

Large steam turbines used for electrical power generation demand governing systems of very high integrity (safety) and availability. The latest generation of electronic governors uses microprocessors in a distributed, two level architecture to achieve the required integrity and availability and in addition provides greater configuration flexibilities and wider facilities than earlier governors. Rolling element bearings are one of the major machinery components used in industries like power plants, chemical plants and automotive industries that require precise and efficient performance. Vibration monitoring and analysis is useful tool in the field of predictive maintenance in small hydro electric power plants. Health of rolling element bearings can be easily identified using vibration monitoring because vibration signature reveals important information about the fault development within them. Numbers of vibration analysis techniques are being used to diagnosis of rolling element bearings faults. This paper proposes a new signal feature extraction and fault diagnosis method for fault diagnosis of low-speed machinery. Initially, the proposed work explores the Continuous Wavelet Transform (CWT) to adaptively remove the exact noises from vibration analysis and then feature extraction is performed by exploiting the noise removed pre-processed data. Statistic filter (SF) and Hilbert transform (HT) are combined with moving-peak-hold method (M-PH) to extract features of a fault signal, and Special bearing diagnostic symptom parameters (SSPs) in a frequency domain that are sensitive to bearing fault diagnosis are defined to recognize fault types. The SF is first used to adaptively cancel noises, and then fault detection is performed by exploiting the optimum symptom parameters in a time domain to identify a normal or fault state. For precise diagnosis, the SSPs are calculated after the signals are processed by M-PH and HT.     

基于门限联合判别的同质网络入侵检测仿真

动态同质网络在路由转发控制中节点分布具有动态性,容易受到病毒入侵,提出基于上下门限联合判别的动态同质网络入侵检测算法。以时间均值和谱密度为网络入侵检测的统计特征量,采用宽平稳随机序列分析方法构建网络入侵的统计信号分析模型,对入侵信号采用相关性检测和同态匹配滤波方法进行降噪和盲源分离处理,结合极速学习方法进行动态同质网络的入侵特征量提取,采用上下门限联合判别方法实现动态同质网络的入侵检测。仿真结果表明,采用该方法进行动态同质网络的入侵检测的准确性较高,抗干扰能力较强,对入侵信息的准确检测概率提升效果显著。     

基于小波消噪和盲源分离的信号奇异点检测方法

研究工业过程故障诊断中的信号奇异点检测问题．采用结合小波消噪的盲源分离算法提取有用的源信号,在分析李氏指数和小波变换的极大值与信号奇异点的关系基础上,分析了信号奇异点检测所用的小波尺度及闯值选择方法．实例分析和比较表明,该方法的主要优势在于它对随机噪声的降噪效果明显,而且能有效地检测出信号的奇异点．     

基于自适应卷积滤波的网络近邻入侵检测算法

深度无线传感组合网络中的近邻路由节点入侵具有载荷快速变化性,难以对新出现的攻击类型和网络异常行为进行有效识别,因此提出一种基于自适应卷积滤波的网络近邻入侵检测算法。在深度无线传感组合网络的传输信道中进行网络流量采集,构建网络入侵信号模型,在时间和频率上分析网络入侵信号的能量密度和攻击强度等特征信息,构建自适应卷积滤波器进行网络传输信息的盲源滤波和异常特征提取;采用联合时频分析方法进行网络近邻入侵特征信息的频谱参量估计,根据频谱特征的异常分布状态进行无线传感组合网络近邻入侵检测。仿真实验结果表明,采用该方法进行网络入侵检测的准确率较高,对未知的网络流量样本序列具有较高的识别能力和泛化能力,且所提算法优于传统的HHT检测算法、能量管理检测方法。     

基于小波与傅里时变换的一类短波盲信道自适应分离算法研究

在军事短波通信信息侦察方面,短波盲信道分离有着至关重要的作用。本文对截获到的短波通信信号在信道个数及信道带宽均不确定、信道频谱理论上不重叠条件下的盲信道分离问题进行研究,将小波分析与傅里叶变换相结合,提出了一种短波盲信道自适应分离算法。仿真试验表明,该分离算法能对短波盲信道进行有效分离,具有分离精度高,抗噪声干扰能力强的优点。