基于小波包分析的局部放电检测频带确定

电脉冲法检测局部放电的关键问题是确定合适的检测频带。设计了一种可测量实际放电的局部放电实验电路,对实际放电波形进行小波包分解,可确定在检测过程中的合适检测频带,分析结果与实际检测结果进行对比,表明该方法对局部放电实际检测频带的确定具有指导意义。     

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.     

小波包分解与能量特征提取相结合的水管泄漏位置的确定

针对水管泄漏定位的方法--直接相关法受到噪声和声传播方式的影响,定位精度低,提出了一种基于小波包分解与能量特征提取相结合的水管泄漏定位.该方法首先用声学传感器采集数据,然后通过小波包分解将其分为不同的频段,再基于能量特征的提取选出有用的频段作互相关分析,最后通过比较相关系数来确定泄漏位置.通过仿真和实际实验的分析,本文提出的方法消除了直接相关法的缺点,提高了定位精度,是有效的.     

采用小波熵和频带能量提取脑电信号特征

对于采用两种不同意识任务(想象左手运动和想象右手运动)的脑-机接口系统,采用脑电信号的小波熵和频带能量作为组合特征,采用Fisher线性判别分析进行分类,最后采用分类准确率和互信息作为评价标准,进行脑电信号的特征提取离线分析结果表明:该算法在分类准确率和互信息上都取得了良好的识别结果,为脑-机接口系统中意识任务的特征提取和分类提供了新方法。     

基于小波变换的光纤振动信号特征提取与识别

本文主要研究光纤安全预警系统振动信号特征提取及振源识别问题.采用小波多分辨分析技术,从多尺度分解的角度出发,依据小波变换的分层分解关系和时频特性提取振动信号的细节信息,用来反应不同频带上振动信号的能量分布特征,在此基础上采用支持向量机对振动信号进行分类识别.测试结果表明,与现有方法对比,本方法具有准确率高的优点,为光纤振动信号的识别提供一种高性能的实用方法.     

基于小波包能量熵的低压串联故障电弧诊断

为了实现低压串联故障电弧的有效诊断,基于ULI699标准搭建了交流电压为220V、频率为50Hz的串联故障电弧实验平台,并对不同负载回路正常工作电流以及串联故障电弧电流进行数据采集,提出基于小波包能量熵的低压串联故障电弧诊断方法.通过对电流信号进行4层小波包分解,提取小波包能量熵作为特征向量描述故障电弧电流信号在不同频段的能量分布.采用主元分析（PCA）法提取特征向量的主元作为BP神经网络的输入,实现样本最优压缩以简化神经网络结构.仿真结果表明,该方法故障诊断准确率较高,能够有效地识别串联故障电弧.     

基于小波包分析的旋转机械故障诊断研究

故障信号的特征提取,是故障诊断的关键。通过以德比契斯（Daubechies）小波为基函数的二进小波变换、采用Mallat快速算法的小波包对故障信号进行特征提取。利用小波包对实验数据进行分析,其结果具有良好的时频局部化特性,能对非线性信号进行有效识别。     

基于投影信号和小波分析的字符特征提取方法

设计了一种将传统的投影特征和小波多分辨分析相结合的字符特征提取方法,将直观易得但细分能力较差的字符投影信号,进行不同尺度下的小波多分辨分解,分别在获得的近似成份和细节成份中提取有效的特征量。并通过详实的对照试验分析说明了小波分解尺度和多尺度小波系数对字符特征描述的有效性影响。     

基于小波分析的透平机械振动故障特征定量识别研究

通过对透平机械振动信号的连续小波变换，利用小波滤波器良好的时频特性,研究了振动故障信号的统计特征．在信号的特征提取中引入“灰度矩”，并把一阶矩作为定量指标．对8种典型振动故障信号的初步研究表明，这种方法能够简单有效地提取信号的特征，区分振动故障．     

基于小波理论的织物纹理特征提取

将小波理论应用到图像的纹理特征提取中，对不同组织的织物纹理进行处理，根据这种独特的纹理特征提取方法及分析结果，提出一种新的测量织物的经纬线密度、经纬组织点数、浮长、飞数等特征的方法，它对织物组织的计算机分析、识别及进一步的应用研究有重要的理论和实际意义。     

基于LMD-ICA降噪的滚动轴承故障特征提取方法研究

在滚动轴承进行故障识别中,针对局部均值分解(LMD)方法分析非平稳、非线性含噪信号时,存在端点效应,易产生虚假分量和单通道独立成分分析(ICA)盲源分离时的欠定问题,提出了基于LMD-ICA降噪的振动信号特征提取算法.首先对原始信号进行LMD,并抑制端点效应,得到n个瞬时频率具有物理意义的乘积函数(PF)之和;然后对得到的PF分量以连续的3阶PF分量为一序列组合进行ICA,可以得到n-2个重构分量;最后利用n-2个分量进行重构,得到降噪后的故障信号,并再次进行LMD或功率谱计算,提取故障特征.经验证,该方法可有效识别滚动轴承的多类故障.     

基于小波分析和支持向量机的供电线路故障诊断

将小波分析与支持向量机(SVM)相结合对供电线路故障进行自动诊断.运用变尺度多分辨小波分析方法对供电线路故障信号进行特征分析,SVM能够对小样本数据进行模式识别并且具有很好的分类推广能力.在小波分析信号特征提取的基础上,利用分布式多SVM分类器识别故障.实验表明,该方法能有效地对供电线路故障进行准确识别和诊断.     

Daubechies小波在机床动态误差特征提取与辨识中的应用

针对机床各部件的动态信号特征在加工工件的面形误差中提取困难的问题,结合加工工件面形检测结果,提出基于小波变换和功率谱密度分析的超精密机床动态误差特征提取的新方法.采用Daubechies小波变换,从加工检测信号处分解出了低频和高频信号.同时,将小波变换与功率谱密度相结合,实现了机床动态误差特征的有效提取与辨识。     

基于小波分析的白车身装焊误差故障诊断

采用小波分析方法对白车身装焊过程中三坐标测量机(CMM)测量的数据进行滤波处理,用分离后的趋势项进行相关分析并对白车身装焊故障进行诊断.通过实际例子的应用分析,验证了小波滤波后趋势项相关后对白车身装焊故障诊断的有效性.     

正交小波变换在钻削刀具状态特征提取中的应用

为了精确地提取钻削刀具状态特征,系统地阐述了正交小波变换的概念和小波多分辨分析的方法,并对不同刀具状态的振动信号进行分解和重构处理,获得了振动信号在不同频段的重构分量,根据各个频段重构分量在不同刀具状态下的变化特点,进而提取高频段重构分量的功率谱的频域统计值以及[313 Hz~625 Hz]频段重构分量的局部极大模线对应的平均Lipschitz指数作为监测特征.实验结果表明:采用上述方法可有效实现刀具状态特征信息提取,较其它方法更加适用于钻削刀具状态监测.     

基于小波提取特征的SVM目标识别

基于小波变换提出了一种特征提取及特征选择的方法.通过对小波系数绝对值化,减小了特征的分布范围;对小波进行自适应的过滤提取了目标的主要特征,增加了特征的聚类程度.本文通过SVM分类器对该方法进行验证并与其他方法比较.实验证明该方法有效的提高了目标的识别率,降低了误识别率.     

基于小波分析的汉语语音识别

将小波分析这一崭新的理论工具应用于汉语语音识别中，并提出了一些应用于语音处理的方法。     

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。     

基于心音信号谱分析的身份特征提取算法

该文针对心音信号是临床上有用的心脏疾病诊断工具,也是一种很好的用于身份识别的认证方法。该文提出了一种基于心音信号谱分析的身份特征提取算法。首先对心音信号进行消噪预处理,然后利用Welch方法分析了心音信号的谱特征,采用欧式距离作为匹配算法完成身份识别。最后,利用30个不同测试者心音数据对该方法的识别效果进行了测试,识别的错误率为0,证明了该方法的可行性和有效性。