小波变换在煤田地震勘探中的应用

煤田地震勘探方法是以水平叠加技术为中心的,在分辨率要求甚高的采区地震勘探中,水平叠加剖面的分辨率无法达到勘探精度的要求,针对这一问题,介绍了小波变换的基本原理及其时间－频率局域化性质。通过理论模型研究,证明小波变换可以同时提高地震资料的信噪比和分辨率,从而进一步提高勘探精度,将小波和于实际地震资料的处理,在分解后的高尺度剖面上,能有效地保护地震信号中的高频成分,提高地震剖面的分辨率,从而能校准确地识别小波层与计算煤层厚度。     

小波变换在心电信号处理及特征提取中的应用

首先利用小波变换方法,滤除心电信号中各种干扰,包括工频干扰、肌电干扰和基线漂移等.再用基于haar的连续小波变换方法对R波峰值进行特征提取.然后根据医生的临床经验需要,提出了一种交互式提取ST段的方案.最后对心电信号发生器产生的心电信号进行实验,实验结果表明:用连续小波变换方法对R波峰值进行定位准确度可达到99.84%,用交互式方法对ST段特征点的定位比较准确,采用小波变换方法滤波对低频基漂也有较好的滤波效果,能克服信号-噪声频带重叠.     

基于小波变换的图像压缩技术

详细阐述了连续小波变换和一维，二维离散小波变换理论，分析了小波变换的优点以及小波变换用于图像编码压缩的特点和实现方法，并对一些改进的小波图像编码压缩方法作了简要介绍。     

小波变换在地震信号分辨处理中的应用

研究多尺度理论及利用小波滤波器系数的相关算法。在用小波变换提高地震记录的分辨率和信噪比的具体实现过程中,利用相邻地震道有效信息之间具有较强的相关性,而噪声之间相关性很弱．基于此相关性对地震记录进行小波分解系数的优化调整,再由调整后的系数进行重构,得到了高信噪比和分辨率的地震记录,实现了在保留高频有效成分的同时抑制了噪声。     

基于小波变换的图像增强方法研究

利用不上波变换后特有的图像数据结构,将小波分析与传统的增强方法遥机地结合起来,进行了图像增强方法的探讨和研究。实验结果表明,该方法对原图像中较模糊,对经度差的细节得到增强,纹理清晰、层次感强,其处理结果比传统的图像增强方法令人满意。     

小波变换在地震信号降噪中的应用

为了去除地震信号的噪声,提高其分辨率,本文采用小波分析方法对地震信号进行处理。通过采取合适的小波函数和阚值,对信号进行多尺度分解,取得的降噪效果较为理想。在对地震信号进行降噪的同时,尽可能的还原真实信号,说明小波变化作为一种卓越的数学分析工具,具有较为精确的局部分析能力。     

小波分析在振动状态监测中的应用

目的 研究小波分析在振动和状态监测领域中的应用。方法 运用工程语言对小波分析进行解释，分析了其在振动状态监测领域中的一些典型应用，包括信号消噪和颇带分离等方面的应用。提出了小波能量谱和小波包络谱分析方法。结果 用该方法可进行精确故障识别。结论 小波分析在振动状态监测中应用前景非常广阔，所提方法简单易行。     

小波降噪在轴心轨迹特征提取中的应用

旋转机械的轴心轨迹包含着丰富的反映其运行状态的信息,但由于各种噪声的干扰,实测的轴心轨往往非常混乱,以致难以从中获得有用的信息。利用小波及小波包分解与重建以及小波变换模极大值随尺度变化时截然不同的性质来实现轴心轨迹消噪,结果表明利用小波降噪提纯轴心轨迹,效果良好。     

小波变换在电能质量扰动检测与定位中的应用

论述小了波多分辨率信号的分解原理,提出了采用小波多分辨率信号分解的电能质量暂态干扰检测新方法.给出了电压下凹、短时断电、冲击信号等电能质量干扰检测与时频分析的仿真实验.结果证明,该方法对暂态电能质量的检测是有效的.     

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。     

基于状态空间重构与K-L变换的特征提取

提出一种基于状态空间重构与K—L(Karhunen-Loeve)变换相结合的特征提取方法。先对实测回波信号用状态空间重构方法进行特征提取，然后用K—L变换对提取的高维特征进行特征压缩；并用此方法对回波信号进行特征提取。仿真结果表明该方法具有较好的分类效果。     

小波变换在视觉诱发脑电信号提取中的应用——提取视觉诱发脑电信号的新方法之三

利用数据序列分解与重构的Mallat快速算法导出了可用于视觉诱发脑电（VEP）信号提取的小波去噪算法,并在大量提取VEP的仿真研究的基础上进行了;临床实际应用实验.数字仿真和临床应用结果均表明,用小波变换方法可以在大幅减少视觉刺激次数的前提下识别VEP的潜伏期P₁₀₀。     

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。     

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,提取水下回波信号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.     

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.     

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。     

基于小波包法与CSSD的P300特征提取方法

针对P300电位信号微弱、抗干扰能力差、识别率低等问题,提出一种小波包变换(wavelet packet transform,WPT)与共空域子空间分解法(spatial subspace decomposition,CSSD)相结合的特征提取方法,即WPCSSD法.首先,对脑电信号进行叠加平均以提高信号的信噪比;其次,使用小波包法对脑电信号进行滤波,并依据P300电位的有效时频信息重构脑电信号;然后,求取其AR模型功率谱,并基于CSSD法构造空间滤波器,获得能体现P300电位时-频-空特征的特征向量;最后,以支持向量机为分类器进行分类.实验结果表明:本方法具有较强的抗干扰能力和自适应能力,在国际BCI竞赛数据集上获得了95.22%的分类正确率,证明了本方法的正确性和有效性.