小波统计方法提取想象运动诱发脑电特征

针对想象单侧肢体运动会导致同侧和对侧运动皮层脑区EEG信号分别出现事件相关同步(ERS)和事件相关去同步(ERD)现象,提出了一种小波变换结合统计分析的左右手运动想象诱发脑电特征提取方法.将采集的多导脑电信号进行预处理;利用db5小波,分别对左右手运动想象C3、C4导联的脑电信号能量进行6尺度小波分解,并按所需频段重构;计算不同尺度小波分解系数能量的均值、方差和相关系数,将这三个特征能量对应相加,并对C3、C4导联的能量做差,得到左右手运动想象脑电的特征向量.结果表明,该方法提取的特征向量可以较好地反映运动想象脑电事件相关同步和去同步的特点.     

基于小波变换的交通图像特征提取

小波是一种用于多层次分解函数的数学工具。作为现代分析学开拓的一个新领域,目前小波变换已经广泛应用于信号处理、图像处理、模式识别、语音识别、量子物理、地震勘测、流体力学、电磁场、CT成像、机器视觉、机器故障诊断与监控、分形以及数值计算等等工程领域。因此,就应用小波变换理论解决交通图像特征提取的问题,做简单的分析。     

双谱分析在往复泵故障诊断中的应用研究

针对当机械系统发生故障时,非线性特征更为突出的特点,提出了基于双谱分析的往复泵故障的振动诊断方法,研究了利用阀箱上振动信号的双谱,尤其是双谱沿f1=f2的切片谱识别泵阀故障,诊断实例表明,采用双谱分析可有效抑制振动信号中的噪声,得出比传统功率谱分析更明显的泵阀故障特征,可有效识别往复泵泵阀的初期故障。由于该方法仅利用阀箱上振动响应信号的双谱分析即可完成对泵阀不同类型故障的正确识别,故更为简单和实用。     

基于小波能谱熵的信号消噪方法

以表面肌电信号和脑电信号为例,提出了一种基于小波能谱熵的生物电信号消噪方法.将信号进行多尺度小波分解,对分解后各尺度的高频小波系数分区间计算小波能谱熵,根据能谱熵的分布特性确定滤波阈值,最后由低频部分小波系数和滤波后的各尺度上的高频小波系数重构得到消噪后的源信号.该方法具有阈值选取自适应性,操作方便.实验结果表明,基于小波能谱熵的消噪方法能有效滤除信号中的绝大部分噪声,且能较好地保留源信号的细节信息.     

高斯小波—最大熵谱分析及其应用

充分利用小波和现代谱分析的优点,提出了一种新的谱分析方法——高斯小波-最大熵谱分析方法。文中介绍了该方法的分析步骤,并应用于减速机的故障诊断。该方法实现了在机械故障诊断中不同频带范围内零部件故障信息的分离和提取。     

基于线调频小波路径追踪的阶比双谱分析方法

为了将双谱用于转速波动下的齿轮故障诊断,提出一种基于线调频小波路径追踪的阶比双谱分析方法。该方法首先将分析信号的时间跨度在不同尺度下进行等分,形成不同的时间支撑区,然后用多尺度线调频基函数对信号进行投影分解,通过从不同的时间支撑区内投影系数最大的基函数中寻找出使分解信号能量最大的基元函数组合,获得信号包含的能量最大的信号分量,进而得到齿轮啮合频率分量的估计,最后将啮合频率除以齿轮的齿数得到齿轮的转速信号,根据提取的转速信号对时域振动信号进行等角度重采样,对重采样信号进行双谱分析即得到阶比双谱。仿真分析表明,该方法能在低信噪比条件下准确提取转速信号,从而使得双谱估计能合理应用于转速波动下的齿轮故障诊断,应用实例进一步验证了阶比双谱的有效性和优越性。     

视听诱发脑电特征提取与大脑认知机理分析

为探索视听跨感觉大脑认知机理,基于Stroop效应设计视听觉刺激实验范式,利用Neuroscan40导联脑事件相关电位仪,连续动态采集视听诱发脑电信号,采用独立成分分析方法去除眼电伪迹,AR模型结合相干平均方法提取诱发脑电P300特征．通过对P300电位幅值和潜伏期的分析,研究视听觉诱发大脑认知的信息整合规律、交叉干扰作用和注意竞争效应．实验结果表明,大脑在视听双通道刺激下,更容易整合信息,具有视觉为主、听觉为辅的协同补偿作用,且视觉对听觉有较强的交叉干扰作用以及视觉为主导的竞争效应．该研究成果可以应用于神经信息处理、脑认知科学和脑一机交互系统中．     

基于小波变换的射线图像疵病特征提取方法

本文讨论了小波变换在射线图像疵病特征提取中的应用，通过各尺度图对应不同频段的特性来识别信号的趋势项，并且利用有效信号和噪声在小波变换下的不同规律进行信噪分离，最终达到特征提取的目的，实验表明上述方法具有良好的特征信息提取效果。     

基于少次相干平均和样本熵的视听诱发脑电特征提取

针对脑电信号的非平稳性和非线性,采用少次相干平均结合样本熵的方法对视听诱发脑电信号进行特征提取.首先,对预处理后的脑电信号进行15次相干平均,获得视觉、听觉及视听觉诱发脑电的时域特征信号;然后,将该特征信号做为原始信号输入,构成m维矢量序列,计算相关导联在靶刺激、非靶刺激和自发脑电状态的样本熵值;最后,比较分析单一视觉、听觉和视听刺激下,不同状态脑电样本熵值,文中阐明了视听觉诱发下,大脑认知的复杂性和信息耦合性.结果显示:只进行少次相干平均即可有效提取视听刺激模式下脑电的样本熵特征量,减少了因长时间视觉刺激引起神经疲劳导致的误差.同时,靶刺激的出现可使脑电样本熵值增大,表明中枢神经系统与外周刺激发生信息耦合,导致了大脑系统复杂性的提高.该研究可以应用于神经认知科学和脑-机交互系统中.     

基于小波分析的焊接裂纹金属磁记忆信号特征提取

采用小波多分辨分析和快速傅里叶变换,对焊接裂纹金属磁记忆信号进行了处理,找出了焊接裂纹存在的磁记忆信号的判据特征,并建立了该特征的阈值.现场检测结果表明:采用小波多分辨分析和快速傅里叶变换得出的特征,可以准确判断出裂纹等缺陷是否存在.     

小波变换域双谱分析及其在滚动轴承故障诊断中的应用

工程信号不仅会受到高斯噪声干扰，而且也会受到非高斯噪声干扰。而传统双谱分析方法从理论上仅能抑制高斯噪声，但对非高斯噪声是无能为力的。针对传统双谱存在的不足，将小波变换和双谱分析结合，提出了一种基于小波变换域非参数化双谱故障诊断方法，并应用到滚动轴承故障诊断中。考虑到滚动轴承信号幅值调制特点，在本方法中，对处理信号采用了希尔伯特变换技术，以进行解调。实验结果表明，小波域双谱优于传统双谱，特别是在非高斯噪声情况下，小波域双谱更有优势；研究为滚动轴承故障诊断提供了一种新的有效方法。     

基于提升小波包变换的发动机缸盖振动信号特征提取

为了从发动机缸盖振动信号中快速提取反应故障状态的特征参数,给出了提升小波包变换算法及其移频算法,依据信号时频特性,定义了标准化相对能量,并给出了特征向量提取方案.方案同时选取多个完整工作循环数据进行提升小波包分解,将各频带内系数进行阈值量化,利用各频带系数直接求取标准化特征向量,同时做到了消除波动影响、降噪、使故障特征更加敏感.通过实例验证了方法的有效性与优越性.     

利用小波分析和EMD的机械故障特征提取

故障特征提取是机械设备故障诊断的关键所在。利用小波变换多分辨率分析和经验模式分解的时频特性,将某机械运转机构的振动信号进行分解及重构,得到原始信号在不同频段上分布的详细信息,进而对不同尺度下的细节信号进行频谱分析,通过对比提取出运转过程中的失步故障特征。     

基于集合经验模态分解的脑电信号高阶张量特征提取

为了实现脑机接口系统需要有效的特征提取算法。针对二维主成分分析(2DPCA)的特征提取方法忽略脑电信号(EEG)频域特征的缺点和基于小波分解构建EEG高阶张量时小波参数难以确定的局限性,提出了基于集合经验模态分解(EEMD)构建高阶张量结合多线性主成分分析(MPCA)降维的特征提取方法。设计了3种不同特征提取方法的对照实验,并结合Fisher线性判别分析分类方法取得分类准确率。结果表明:新提出的方法相比基于小波分解构建高阶张量结合MPCA进行降维和2DPCA的特征提取方法,平均识别准确率分别提高4.75%和2.6%,且识别准确率的方差分别减小72.69%和23.86%。该方法在提高单次运动想象脑电信号识别准确率的同时还具有更好的适用性,为实现运动想象脑电信号解码奠定了基础。     

基于小波包变换的爆破振动信号能量熵特征分析

爆破振动信号是典型的短时非平稳随机信号。应用多分辨率特点的小波包变换对爆破振动信号进行多层分解,得到信号能量分布的细节信息。根据建立在概率统计基础上的信息熵概念,推导得到爆破振动信号能量熵计算方法。分析了4种类型爆破振动信号的能量熵,熵值由大到小为:隧道爆破、管道爆炸、台阶爆破、塌落振动。结果表明,能量熵能够反映不同类型爆破对振动信号的影响。提出将能量熵作为爆破振动信号的新特征量,为爆破振动信号特征提取、不同爆破类型振动信号识别和爆破振动预测提供一种新思路。     

基于小波分解的信噪分离

小波分解能够精细地把信号划分到不同的频带范围内,因此可对振动信号在不同频道范围内的特征进行信息分离,本文从设备诊断领域特征识别的应用角度,探讨了基于小波分解的信噪分离方法,并结合具体实例,说明小波分析对机械振动信号处理的实用性及有效性。     

小波分析在针灸针表面缺陷特征提取中的应用

介绍了小波分析在针灸针表面缺陷特征提取中的应用,利用线阵列CCD电荷耦合器件对被检针沿其轴向扫描各个横截面的光强信号,进行数据采集,通过小波平滑检测法对针灸针表面缺陷特征进行提取,在此基础上再分类识别,以判断针灸针的好坏.     

基于盲源分离的运动想象脑电信号特征提取方法的研究

运动想象脑电信号被广泛应用于脑机接口系统中。针对如何准确有效地提取运动想象脑电信号特征的问题,通过分析运动想象脑电信号时域、频域和头皮空间域的特征,提出了以小波变换为预处理,并利用二阶盲辨识算法和信息论特征提取算法相结合获取的空间滤波器,从时域、频域和头皮空间域对运动想象脑电信号进行特征提取的方法。实验结果表明,采用时域、频域和空间域提取特征的方法性能有明显提高,并且将二阶盲辨识算法和信息论特征提取算法相结合获取的空间滤波器能够反映更真实的大脑源活动。