小波分析在化学信号处理中的应用

小波分析具有其它许多信号处理工具所不具有的优点,它可同时提供信号在时域和频域的特征,具有分辨率高,结果准确度高的特点,广泛应用于化学信号的平滑滤波、数据压缩、重叠信号的解析方面。本文介绍了小波分析的基本原理及其在化学分析中的应用。     

基于小波分析的水泵机组振动故障诊断

介绍了小波分析的基本原理、多分辨率分析的特点以及与Matlab相结合后在故障信号分析方面所具有的灵活、简洁直观等优势,并通过具体的信号分析,探讨了其用于故障诊断的可行性及其在定位信号成分的情况下相对于传统的傅里叶分析的优越性,且通过小波系数的分析和处理,可消去原始信号中与故障无关的信息、定位突变点、奇异性检测等,结合水泵机组振动故障的研究,提出小波分析用于故障诊断的基本步骤,在清楚水泵机组振动故障信号特征的情况下,能有效地进行水泵机组的故障诊断.     

基于小波多分辨率分析法的电能质量检测

提出了应用小波多分辨率技术进行电能质量检测的方法,并利用重构信号进行了谐波补偿。受扰信号经小波分解形成多频带分量,能够确知干扰发生时刻及受扰程度;选取频带信号,经重构产生补偿分量,可用于补偿受扰信号。针对电压暂降、暂态干扰及电力谐波,应用Daubechies小波进行多分辨率分析。仿真表明所采用的方法在时域和频域具有良好的检测性能,能够刻画出信号的奇异性变化的特点;对谐波检测进行了信号补偿分析,对该法用于实时检测的效果给出了结论。     

小波理论与时频分析Ⅱ:算法,实现与应用

本文是小波理论与时频分析的第二部分。主要讨论小波变换的算法，实现及其在信号分析中的应用。首先，讨论了多分辨信号分析的基本理论；然后讨论了信号的多分辨率分解与重建算法及其相应的实现方案；最后就小波理论在计算机视觉、子带编码、数据压缩及滤波方面的应用作了较为详细地说明。     

小波多分辨率分析及其在自适应消噪中的应用

针对自适应消噪中存在的问题,提出一种基于小波多分辨率分析的自适应消噪算法,利用小波多分辨率分析理论,把信号和噪声正交分解于不同的频率范围中,从而减少了自适应滤波器的阶数,提高了算法的收敛速度和稳定性。选择若干不同频率尺度上信号作线性组合,对组合后的信号进行自适应谱线增强,保存了信号的高频信息。仿真实验结果证实了该算法的正确性,且在实际消噪应用中取得良好的效果。     

改进型小波多分辨率分析及小波梳状滤波器

为克服小波多分辨率分析在高频段频率分辨率低的缺点,提出一种改进型小波多分辨率分析算法,并在此基础上给出一种新型小波梳状滤波器(WCF)的实现方法.改进型小波多分辨率分析算法对高频段进行逐级细分,得到一系列窄带的共轭正交滤波器(CQFs)及其输出信号序列.利用共轭正交滤波器的频率响应特性,将这些窄带滤波器通道组合成WCF.理论分析与仿真结果均表明,WCF在各频段都具有相同的频率分辨率,并能够检测子频带交界处的频率分量.WCF不仅易于实现,而且可以根据问题需要设定子带带宽,得到足够高的频率分辨率,适用于时变和非平稳信号时频特征的检测.     

几种时频分析方法的比较及应用

地震信号属于非平稳信号,常规傅立叶变换方法不能刻画任一时刻的频率成分,无法对其进行全面的分析。时频分析方法将一维时域信号变换到二维的时频平面,全面反映地震信号的时频联合特征。本文介绍了短时傅立叶变换、连续小波变换、Wigner-Ville分布、Cohen类分布四种时频分析方法,通过理论合成信号试算,从时间分辨率、频率分辨率,以及对多频率成份信号适应能力等方面阐述了这四种方法的优缺点,进一步分析比较了这四种方法的特点及应用效果。     

基于广义S变换的测井信号时频谱分析

S变换虽兼备短时傅里叶变换和小波变换的优点,但基本小波固定,在薄互层识别方面受到较大限制。广义S变换,通过引入λ,p两个参数对S变换中的高斯窗函数进行改造,时频分辨率得到了明显提高。本文在对广义S变换方法原理进一步研究的基础上,应用VC++在Qt平台上编写了广义S变换时频分析程序,并构造平稳信号和非平稳信号进行了对比分析,凸显了广义S变换的时频聚焦性。最后,应用该方法对实际测井信号进行了时频谱分析,取得了良好效果。     

基于小波分析的船用捷联陀螺信号滤波方法

提出了基于小波分析的陀螺信号的滤小方法,利用Daubechies四阶正交小波及其优良的信号多分辨率分析特性,对陀曼输出信号进行尺度小波分解,去除由噪声引起的细节项,从而消除其中的噪声干扰,仿真试验表明了该方法的优越性,对于提高对准精度,缩短对准时间具有重要意义。     

小波分析在突变信号检测中的应用

本文探讨基于小波变换模最大值沿尺度演变的信号突变检测的基本原理与方法,在不同尺度上分析和处理信号的各种频率成分,使信号的奇点、突变点放大,提高信号的分辨率、信噪比.提出通过二进小波变换检测信号奇异点的实用技术,有效地检测出滚动轴承故障发生的起始点,为在线故障诊断做出了有益的探索.     

基于小波包分析和频带能量分解的齿轮点蚀故障识别

当齿轮发生点蚀故障时,振动信号中齿轮固有频率的频带能量有较大提升.根据这一特点,提出一种利用小波包分析和频带能量分解对点蚀故障进行识别的方法,并通过实验验证其有效性.     

多重自相关函数在微弱正弦信号检测中的应用

研究了一种用于微弱正弦信号检测的新方法,该方法利用了正弦函数的特殊性质,在信号未知的情况下,通过多次自相关运算成功的检测出埋没于强大噪声中的微弱正弦信号．分别讨论了多重自相关法在白噪声背景下、有色噪声背景下,单一正弦信号、多个正弦信号等情况的检测效果,并给出了具体的仿真结果,此方法在频率测量中具有极高的准确性;在幅度测量上,精度略低,但通过多次测量取平均值,仍可达到预期的精度．与以往的弱信号时域处理方法比较,多重自相关检测方法具有理论推导简单、物理意义明确等特点,应用前景广泛。     

小波分析用于电力设备绝缘在线监测中信噪分离的研究

文章利用小波分析可进行时域与频域同时局部分析,频域窗口随信号的变化自动调整的特点。将小波分析应用于电力设备绝缘在线监测这类具有较大背景干扰情况下的信号处理,选择合适的小波基对混有噪声的信号进行变换,以实现信号与噪声的分离。并利用小波变换的快速算法对信噪分离作了仿真计算,讨论了小波分析在线监测等领域的应用前景。     

超声检测中弱信号的提取方法

针对超声界位检测中回波信号弱、信噪比低的问题,分析了超声回波检测中信号和噪声干扰的特征,介绍了窄带滤波、同步迭加、相关分析等有关弱信号提取的方法．     

Signal modulating noise effect in bistable stochastic resonance systems and its analog simulation

1 INTRODUCTIONSince stochastic resonance (SR) was presentedby Benzi et al[1]to explainthe periodic recurrent iceages ,this phenomenon has continuously attractedconsiderable attention. The termof SRdescribes aphenomenon whereby the response of a nonlinearsystemto a periodic signal can be amplified and op-ti mized by the assistance of noise .Stochastic resonance was first discussedin thecontext of bistable systems . Fauve et al[2]per-formed the first experi ment of stochastic resonancewit…     

一种低复杂度的正六边形星座信号的解调算法

针对正六边形星座调制信号(HSC)解调算法未达最优,提出了一种基于非正交矢量投影的HSC低复杂度解调算法. 在典型正六边形星座结构的基础上,分析计算了正六边形信号矢量的投影系数和算法的运算复杂度,研究了噪声对接收信号的影响,并结合高斯-勒让德数值分析方法给出了信噪比门限. 结果表明,该解调算法正确运行的复杂度约为基向量投影解调算法的30%.     

基于小波变换心电信号去噪方法

小波变换基于模极大值的去噪方法具有非线性及自适应特性,而且特别适合于进行非平稳的微弱信号及具有较多奇异点信号的消噪,这种信号特点恰好是心电信号最突出的特征,也是常规信号处理方法遇到的最大难题。本文简述了小波变换模极值去噪方法在心电信号处理中的应用,并证实这种方法可以在信号消噪的同时有效地改善信噪比,并同时提高信号的分辨率。     

1/f类分形信号的小波去噪方法

提出了一种用基于分形信号在不同尺度下小波系数方差来估计噪声方差及分形信号参数的新方法,进而从加性白噪声背景下估计出1/f类分形信号。仿真实验结果表明:该方法简单可靠,有效可行,且事先不需要知道分形信号参数及加性白噪声的统计特性,并对信噪比估计误差有很好的鲁棒性。     

Pulse Signal Recovery Method Based on Sparse Representation

Pulse signal recovery is to extract useful amplitude and time information from the pulse signal contaminated by noise.It is a great challenge to precisely recover the pulse signal in loud background noise.The conventional approaches,which are mostly based on the distribution of the pulse energy spectrum,do not well determine the locations and shapes of the pulses.In this paper,we propose a time domain method to reconstruct pulse signals.In the proposed approach,a sparse representation model is established to deal with the issue of the pulse signal recovery under noise conditions.The corresponding problem based on the sparse optimization model is solved by a matching pursuit algorithm.Simulations and experiments validate the effectiveness of the proposed approach on pulse signal recovery.     

分段经验模态分解的直流漂移消除方法

在低频模拟信号采集及处理电路中,常常存在着噪声与直流漂移的问题影响信号的测量。为了从原始信号中准确去除直流漂移分量及存在的噪声从而获得有用信号,提出了一种基于分段经验模态分解直流漂移消除的方法,并通过合适且有效的去噪方法处理使得采样信号更加真实准确。首先,对信号进行经验模态分解,求取本征模态函数分量的局部极值点进行区间分段,之后分别对每一段信号再次进行经验模态分解,选取每一段信号的低频分量重构出该段信号的直流漂移分量。最后,利用自相关函数筛选出噪声占主要成分的本征模态函数分量进行能量分析,将所有分段整合,得到去除直流漂移且降噪之后的信号。本研究通过仿真对此方法进行了说明,比较了该方法与多项式拟合、小波分析、高通滤波等方法的效果。并对微创外科手术机器人力传感器的应变信号进行了处理。实验结果表明：按照已有数据计算可将信噪比提升到6.39 dB以上,均方根误差有明显减少;该方法能够有效消除应变信号中的直流漂移,并且也能达到降噪的目的。