基于双谱估计的小波包调制信号识别研究

小波包调制是一种全新的多载波调制方式。根据小波包调制信号的非线性和二次相位耦合性特点,该文利用双谱分析方法,对小波包调制信号进行参数化双谱估计,并提取特征参量,实现对小波包调制信号的识别。仿真结果表明,该方法具有良好的识别性能。     

基于小波和小波包的脉搏波处理

在脉象信号中,随机噪声严重影响有效信号的特征提取,必须进行消噪处理.通过分析小波变换和小波包的算法原理,用小波变换和小波包对脉搏波进行去噪处理.仿真结果表明,小波包算法具有良好的去噪性能,消噪效果明显优于基于小波变换的去噪算法.     

小波和小波包变换在心电信号去噪中的应用

小波（包）变换软阈值去噪方法具有非线性和自适应性,特别适合非平稳微弱的生物医学信号的去噪,而心电信号恰具有该特征。利用MIT／BIH数据库中没有噪声的胎儿心电的信号作为有用信号并混合高斯自噪声作为干扰来验证小波（包）软阈值去噪的效果。验证结果表明小波（包）软阈值算法去噪效果很好,能有效去除干扰。     

波和小波包变换在心电信号去噪中的应用

小波(包)变换软阈值去噪方法具有非线性和自适应性,特别适合非平稳微弱的生物医学信号的去噪,而心电信号恰具有该特征。利用MIT/BIH数据库中没有噪声的胎儿心电的信号作为有用信号并混合高斯白噪声作为干扰来验证小波(包)软阈值去噪的效果。验证结果表明小波(包)软阈值算法去噪效果很好,能有效去除干扰。     

基于Hermitian小波的时间-小波能量谱滚动轴承故障诊断方法

针对滚动轴承早期故障微弱特征难以提取的问题,提出了一种基于Hermitian小波时间-能量谱的滚动轴承故障诊断方法.该方法针对轴承故障振动信号具有奇异性的特点,首先利用Hermitian小波对原始信号进行连续小波变换;再根据小波变换的结果求取信号能量在时间轴上的分布情况,利用谱峭度指标作为选择最佳累积尺度的标准,得到时间-小波能量分布;最后对时间-小波能量分布进行谱分析得到时间-小波能量谱以提取故障特征.利用时间-小波能量谱对仿真信号和轴承外圈及内圈点蚀故障信号进行分析.结果表明:该方法可有效地提取出强噪声环境下微弱故障的特征成分,并与普通的时间-小波能量谱作对比,特征提取效果更为明显,非常适用于滚动轴承早期故障诊断.     

小波包分析在滚动轴承信号消噪处理中的应用

对滚动轴承的故障特点进行了分析.根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性,提出了小波包分解和重构用于滚动轴承信号消噪处理的概念及其算法,建立了滚动轴承加速度信号实时测试系统.通过实验研究得出,用小波包分解并通过重构可使分解后的数据长度不变,使分解层数不受限制,证明小波包分析方法应用于滚动轴承信号消噪的有效性,并取得了较好的效果.     

双树复小波包和谱峭度在齿轮故障诊断中的应用

针对故障齿轮振动信号的非平稳和调制特性,提出了基于双树复小波包变换和谱峭度的齿轮故障诊断方法.首先,利用双树复小波包变换将原始振动信号分解为若干个不同频带的信号分量,选择与原始信号相关系数大的分量进行阈值降噪并重构;然后,对降噪后的信号利用谱峭度所得的峭度图选择最佳的带宽和频带中心进行相应的带通滤波处理;最后,将带通滤波后的信号作平方包络和傅里叶变换,即可得到信号的包络解调谱,从而提取故障特征信息.通过对试验和工程实际的齿轮故障信号分析表明:双树复小波包变换和谱峭度结合的方法可有效地提取齿轮故障特征信息,进而实现故障识别,验证了方法的可行性和有效性.     

基于小波系数统计的非高斯噪声背景下语音流检测

在实际生活中,非高斯噪声很普遍,对信号的影响也很大,是语音信号处理中的难题.大部分强噪声信号都是非高斯的,在强噪声背景下,由于语音信号受到较大的干扰,甚至被噪声淹没,传统的基于短时的能量、过零率、相关以及平均幅度差等检测算法效果都不理想.根据小波变换的特性和语音时域信号的分布特征,提出了一种非高斯噪声背景下语音流检测算法.对含噪语音进行小波分解,观察各层小波系数的统计特征,提取它们的不同特征,从而进行了语音流检测.大量实验表明该算法具有较高的检出率和较低的误检率,可以消除噪声的影响实时处理语音信号.该算法有一定的创新性,在处理非高斯噪音方面很有实用性.     

基于LabVIEW的行星齿轮箱故障分析系统设计

针对行星齿轮箱在低速重载的工作环境易导致关键部件发生故障的问题,本文提出了"小波包-峭度-包络"分析方法,基于LabVIEW开发一套行星齿轮箱故障分析系统,系统可读取多种格式的信号数据进行时域显示和频谱分析。通过小波包分解将信号分解到不同频带上,以小波包系数的峭度值作为频带选取准则,对小波包系数峭度值最大的频带进行包络谱分析,搭建行星齿轮箱故障模拟实验台,对采集的太阳轮、行星轮和齿圈故障信号进行分析,成功识别出故障。实验分析结果验证了方法的有效性和系统的可行性。该研究对行星齿轮箱运行过程中实时监测和早期故障识别具有重要意义。     

亚健康脉象信号的非参数化双谱估计

根据脉象信号的非高斯随机特性,应用双谱估计对其进行分析,提取处于亚健康状态的脉象信号的异常信息,探索亚健康的诊断与治疗评估的客观诊断依据。在信号处理过程中,双谱的相位携带有信号的重要特征信息。采用双谱估计分析法中的非参数化算法对脉象信号进行研究发现,处于亚健康状态的双谱幅值谱峰比处于健康状态的更突出,较大双谱值的分布更为集中。实验结果表明：非参数化双谱估计是分析脉象信号的有效且可行的方法,可以作为识别亚健康状态的方法进行深入研究。     

小波分析在信号消噪中的应用

对小波分析和小波包的基本理论进行了简单介绍,详细分析了基于小波分析和小波包对信号进行消噪的处理技术,并利用MATLAB分别进行了计算机模拟,最后分析、比较了各种消噪方法的效果和优缺点,并结合理论分析和模拟结果讨论了阈值的选取方法和原则。通过本文的分析和模拟结果,我们可以看出,小波分析在信号的消噪中具有独特的优势,并且具有广阔的应用前景。     

基于小波包分析的空间杆系结构损伤诊断

针对结构损伤诊断的需要,采用小波包分析方法提取了结构损伤的特征信号。首先通过小波包分析将振动信号分解到各个频带,然后以各频带能量作为识别故障的特征向量进行损伤识别。数值算例表明,小波包分析具有较强的抗噪声干扰能力,能够有效地识别结构的损伤。     

小波包降噪在风机振动检测中的应用

该文针对小波包变换理论及小波包降噪基本原理,对风机的异常振动加速度信号进行了处理,提取有效的信号特征,滤除干扰.实验结果表明,小波包降噪能够根据实际信号的特征,自适应地选择频带,滤出各种噪声干扰.在此基础上对信号进行频谱分析,可以实现对风机故障的高效诊断.     

基于最优小波包基的降噪方法及其应用

如何有效去除信号中的噪声是地球物理勘探领域中一个较重要的研究内容。如何去除有效数据中的噪声而保持信号的初至相位不发生畸变,常规的频率域或时间域滤波方法均不能较好的解决这个问题,而基于小波包基的信号去噪方法却是一种较好的方法。本文以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,对不同频率的系数采用不同的阈值进行量化,对高频信号采用Stein无偏似然估计的原则计算阈值,而在低频部分则采用以信号能为依据的浮动阈值,利用量化后的小波包系数重构得到去噪后的信号。仿真和实验结果表职,该方法去除噪声的同时并不改变原信号的相位,也不会产生波形的畸变。同时,将该方法利用到超声波数据降噪处理的工程实际中也取得了较好的效果。     

基于小波包分析的结构损伤定位方法

提出了基于小波包节点能量（WPCE）相对变化量的结构损伤定位方法，采用其斜率向量和曲率向量2个指标作为损伤定位的依据，从而做到对于结构损伤的无模型定位，最后通过数值算例验证了该方法的可行性。     

Wavelet analysis method of harmonics and electromagnetic interference in coal mines

In this study we propose an analytical method based on orthogonal wavelet transforms for detecting harmonic noise and Electromagnetic Interference(EMI)from power supply systems and equipment in coal mines. The method will separate interference from signals through wavelet packet decomposition and then accomplish wavelet packet synthesis towards decomposition results after filtering, to remove harmonic noise and electromagnetic interference. Detailed simulation experiments are presented to study, power harmonics and Electrical Fast Transient Burst(EFT/B)interference and to validate the effectiveness of our proposed method. The experimental results show that the proposed method, suitable for mutant and non-stationary signal detection, can accurately analyze harmonic interference and EMI in coal mines, as well as establish EMI source models and perform underground Electromagnetic Compatibility(EMC)prediction analyses.     

小波包变换在电力负荷特征信号提取中的应用

为了给电力系统不良数据辨识提供良好的数据基础,提出了一种新的基于小波包除噪的方法来提取电力负荷特征信号.该方法将不良数据看成是被淹没在大量的噪声信号中特征信号,通过比较小波包除噪法与小波除噪法对信号消噪的效果,得出结论:小波包除噪法有较好的消噪能力,为电力负荷特征信号的提取提供了有效的分析方法.     

基于小波包和改进EMD的脑电信号消噪研究

由于采集到的脑电信号含有噪声,提出了总体经验模态分解(EEMD)的希尔伯特黄变换(HHT)结合小波包分析的脑电信号去除噪声的方法。含噪脑电信号经EEMD分解可以得到一定数量的IMF分量,而且可以解决经验模态分解(EMD)时的模态混叠问题,然后,对IMF分量进行Hilbert变换,分析Hilbert谱,把含噪的IMF部分进行小波包处理,最后,把各IMF相加,可得处理过噪声的脑电。经验证得,单独使用小波包方法消噪和改进EMD消噪,都没有小波包结合改进EMD方法的信噪比高,提高了去噪效果,有利于更精确的诊断医学疾病。     

基于小波包分析的数控机床主轴滚动轴承故障诊断

滚动轴承损伤类故障的分析诊断基础是提取故障信息。利用小波包分析对机床主轴滚动轴承振动信号进行分解,求出各频段的能量,提取了轴承故障的特征频率并对故障进行定位,表明了小波包分析方法在滚动轴承故障诊断的有效性和优良性。     

小波包和GA-BP网络结合的红枣病害识别方法

针对传统人工枣树病害识别费时费力的问题,提出了一种小波包和GA-BP神经网络结合的快速识别方法.通过小波包去噪方法,消除病害图像采集过程中随机噪声产生的干扰,采用小波包分解系数矩阵的奇异值和小波包变换模极大值矩阵的奇异值构造特征输入参数,利用遗传算法优化后的BP神经网络建立红枣病害的识别模型.实验表明,小波包、遗传算法...