基于自适应提升小波包的故障微弱信号特征早期识别

针对齿轮箱故障微弱信号特征识别问题,设计了一种识别该类信号微弱特征的自适应提升小波包方法.该方法以提升方法为基础,构造了提升小波包分解和重构过程算法,并以分解层信号相邻样本点自相关系数的大小作为目标函数,在每个样本点上选择能够自适应匹配信号局部特性的提升小波包算子,将每个分解频带信号进行重构,识别时域故障微弱信号特征.该方法成功地识别出了某齿轮箱发生摩擦故障时隐含在振动信号中的调制波形和周期性冲击脉冲故障微弱特征.结果表明,自适应提升小波包方法对强噪声背景下故障微弱信号特征的识别效果优于经典小波包方法.     

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.     

一种新的MEMS陀螺仪信号去噪方法

为提高MEMS陀螺仪输出信号的去噪效果,将稀疏分解(sparse decomposition)与提升小波变换(lifting wavelet transform)相结合,提出了一种新的信号去噪方法.首先,建立MEMS陀螺带噪信号的误差模型,并利用小波提升正变换计算带噪信号的非稀疏的小波系数;然后,利用稀疏分解理论恢复小波系数的稀疏性;最后,再通过小波提升反变换重构信号,从而达到去噪的目的.考虑到梯度投影(gradient projection)算法具有全局最优解,运算效率更高,将梯度投影思想引入恢复信号稀疏性的过程中,提出了基于梯度投影的稀疏分解算法,给出了利用梯度投影算法进行信号系数分解的具体步骤,大大简化了计算复杂度,同时提升了算法的稳定性.为验证所提方法的性能,进行了MEMS陀螺信号去噪的静态实验和跑车实验.实验结果表明,此种方法在动静态条件下都可以有效地去除MEMS陀螺仪输出信号中的噪声,尤其是在静态条件下的去噪效果要优于小波阈值滤波方法.同时采用的梯度投影算法相比于正交匹配追踪算法和基追踪算法具有更高的运算效率.     

基于小波包变换的EMD算法在超声信号处理中的应用

提出基于小波包变换的EMD算法,并将其应用于超声回波信号去噪.对于采用EMD分解含高斯白噪声的超声缺陷信号存在模态混叠的问题,首先用小波包变换对信号作预处理,再对信号进行EMD分解,最后重构出有用的缺陷信号.实验结果表明:该方法不仅具有很好的消噪效果,而且重构的缺陷信号的波形失真度小,有利于对信号做进一步的定量分析.     

基于自适应小波阈值的超声信号消噪

在铝合金锻件的超声无损检测中为了消除晶粒散射引起的相干噪声，通过建立缺陷回波检测数学模型，提出了一种基于新阈值函数的Stein无偏风险估计自适应消噪方法.利用新的阈值函数得到离散小波变换各尺度下的小波系数，对小波阈值进行最小均方误差意义上的迭代，基于小波系数估计值进行离散小波反变换以得到信号的估计值，通过反复迭代运算得到缺陷回波的最优消噪模型.对含缺陷铝合金锻件的超声信号处理实验结果表明，与常用的固定硬、软阈值相比，自适应消噪方法能够更好地去除散射噪声及增强缺陷信回波信号.     

基于小波消噪和自适应滤波的FECG提取

应用小波分析和自适应滤波消噪相结合的方法提取胎儿心电(feta electrocardiogram,FECG)信号.对样本信号对软阈值去噪和硬阈值去噪进行了对比分析,发现软阈值去噪较好.把去噪后的信号作为自适应滤波消噪的参考信号,将腹部信号作为主输入信号,构建了基于RLS自适应噪声抵消(recursive least squares adaptive noise cancellation)系统,并对其进行了样本试验.     

采用经验小波变换的风力发电机振动信号消噪

针对风力发电机振动信号非线性特征及恶劣监测环境,分析经验小波变换理论（EWT）及自适应分解特性,提出基于经验小波变换的振动信号消噪方法.采用带噪声leleccum和轴承故障仿真信号对该方法进行消噪效果检验;在同信号源下,与基于db1强制消噪方法、db1软阈值消噪方法和sym5消噪方法分析比较消除噪声效果.针对真实的风力发电机振动信号,验证了基于经验小波变换方法的消噪效果,对同样信号采用其他3种方法进行消噪分析和比较.仿真和实验分析结果表明,基于EWT小波消噪方法,与基于db1强制消噪方法、db1软阈值消噪方法和sym5消噪方法能够达到同样的消噪效果和目的,甚至更优;不损耗原振动信号能量,在自适应模态分解层数方面甚至优于经验模态分解,并且具有较强的鲁棒性.     

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.     

改进的提升小波变步长LMS滤波算法及其应用

通过对变步长LMS自适应滤波算法和提升小波变换理论进行研究,将两种算法换相结合,提出一种新的提升小波变步长LMS自适应滤波改进算法;根据信号特征对更新算子和预测算子自适应的构造,对正交分解的信号进行变步长LMS自适应消噪,提高了收敛速度和稳定性;通过仿真分析,证明了改进的提升小波变步长LMS滤波算法具有较快的收敛速度和更强的抑噪能力;最后,将提出的方法应用于低速重载齿轮箱的故障诊断中,分析结果表明,该方法是一种非常有效的故障特征处理方法。     

基于小波消噪和自适应滤波的FECG提取

应用小波分析和自适应滤波消噪相结合的方法提取胎儿心电（feta electrocardiogram, FECG）信号．对样本信号对软阈值去噪和硬阈值去噪进行了对比分析，发现软阈值去噪较好．把去噪后的信号作为自适应滤波消噪的参考信号，将腹部信号作为主输入信号，构建了基于RLS自适应噪声抵消（recursive least squares adaptive noise cancellation），并对其进行了样本试验．     

直扩系统中基于小波包变换的自适应干扰抑制技术

研究了用离散小波包变换实现直扩通信系统中输入信号的分解，分析了小波包变换抵消窄带干扰的机理，对原有算法进行了优化并提出了相应的自适应去干扰算法．采用自适应滤波技术取代子带剔除法，自适应地跟踪窄带干扰，改善了有用信号的丢弃情况，有效地抑制了窄带干扰．分析和仿真结果表明，基于树结构算法的自适应小波包干扰抑制方法比传统的子带剔除法在性能上更为优越，干扰定位速度也较快．     

一种更新提升形态小波图像去噪算法

提出了一种新的构造非线性更新提升形态小波的方法．它利用细节信号的信息改进尺度信号,并且可以保证该小波变换具有完备重构特性．对更新提升形态小波中的更新算子进行了拓展,提出了广义更新算子,它由一系列对细节信号空域滤波的数学形态学算子综合构成．将采用了广义更新算子的更新提升小波应用于图像去噪,对比实现结果表明,与传统小波阈值去噪方法相比,该提升形态小波具有更好的去噪性能,细节图像中的边缘损失很小,尤其在低信噪比情况下性能更加优越．     

一种基于SVD分解的小波阈值降噪方法

针对小波软阈值消噪的缺点,探讨了一种基于奇异值分解(SVD)的离散小波去噪方法。该方法通过对每层小波分解细节系数进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在细节系数中的有用信号成分,最后进行小波重建,得到降噪信号。通过仿真实例的验证,表明该方法与小波阈值消噪法相比,在强噪声背景下,它提取出的信号特征成分更完整,信噪比更高。     

一种基于9/7小波提升格式的自适应提升系统

提出了一种在变换和重建时可采用不同决策算子的自适应算法,并将其应用到9／7小波的提升步骤中,组成了一个与JPEG2000相兼容、灵活的自适应提升系统．实验结果表明,此系统对奇异信号的处理优于9／7小波本身,具有很强的实用性和可推广性．     

自适应小波分析应用于回转机械设备的故障诊断

介绍了基于kurtosis最大化准则的自适应Morlet小波分析方法,通过等距改变控制母小波函数时频结构的对应参数得到一系列不同的滤波子小波,对每一个子小波的滤波结果计算其Kurtosis系数,由于该系数对剧变信号尤为敏感,最大值所对应的子小波即为与剧变信号最为接近的子小波。将其应用于处理染噪的周期性脉冲信号,以识别裂纹故障发展的初期征兆。与其它分析方法如离散小波变换和小波降噪进行了比较,结果表明自适应Morlet小波分析方法对于提取噪声中的周期性脉冲是非常有效的。     

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。     

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。     

压缩感知的高分辨率天文图像去噪

为提高高分辨率天文图像的重构质量,在传统压缩感知(compressed sensing,CS)迭代小波阈值算法的基础上,提出了一种基于小波维纳滤波的压缩感知去噪重构算法.该算法的设计方法为:在每次迭代过程中,使用设计的小波维纳滤波算子替代传统的小波阈值算子对获得的天文图像小波系数进行筛选,从而对小波阈值去噪方法重建图像过程中出现的伪吉布斯现象进行有效地抑制;然后使用全变差方法对去噪重建后的天文图像进行调整,以进一步提高重构图像的质量.仿真实验结果表明,与传统的迭代小波阈值算法相比,本算法可以获得较优的去噪重建性能,并且能有效地保护高分辨率天文图像的细节特征信息.此外,在压缩比较高的情况下,该算法仍然可以获得相对较高的视觉质量和峰值信噪比.