在线拉曼光谱仪在芳烃装置中的应用及荧光背景处理

介绍了在线拉曼光谱仪在芳烃PX装置的使用情况,并且针对传统的拉曼光谱预处理方法不能很好地解决现场使用中产生的荧光背景干扰问题,提出了基于小波变换的在线拉曼光谱信号预处理方法.试验结果表明:将小波变换应用到拉曼光谱谱图数据预处理中,能够较好地减弱荧光背景干扰,从而提高在线拉曼光谱仪的分析精度和模型稳定性.     

基于ICA和小波相结合的信号降噪技术研究

针对信号的非线性、非平稳性和奇异性,提出一种联合独立分量分析和小波变化模极大值对强噪声下的振动信号进行降噪的方法.首先采用独立分量分析对含有强噪声的振动信号进行信噪分离,再对分离后的信号采用小波模极大值分解.结果表明,该方法降噪效果非常明显,并能够准确地检测出信号的奇异点位置.     

泡沫夹层板脱粘损伤的小波分析检测技术研究

研究了一种通过对结构的应变响应进行复高斯二维小波分析来有效识别泡沫夹层板脱粘损伤的检测方法.数值模拟了无损板和多种脱粘损伤情况下的泡沫夹层板在悬臂条件、正弦激励下的应变响应,对损伤前、后的应变响应用复高斯二维小波进行小波变换,得出有损情况与无损情况下相应位置小波变换模极大值的差值,并用三维图表示出来.结果表明,相应位置小波变换模极大值的变化与脱粘损伤有很好的对应关系.小波变换模极大值变化量三维图中的峰值可有效表征脱粘损伤的位置和损伤程度.     

免疫算法在重叠拉曼谱峰中的应用

拉曼光谱及其联用技术的快速发展使其成为复杂样品分析的重要手段,但由于环境的复杂性以及拉曼光谱信号的特点,在复杂样品分析中难免会出现一些重叠谱峰。为此,采用小波变换扣除原始信号中的荧光背景得到有用信号,并基于免疫算法将该方法对重叠拉曼光谱谱峰信号进行解析。结果表明：该方法可以准确地将重叠拉曼光谱谱峰信号进行分离,并且同时得到了各组分的定量信息,绝对误差在2%之内。     

测井信号的模极大值小波去噪与交替投影重构

针对核磁共振测井自旋回波信号的特点,进行了模极大值小波变换,经过三层分解后,近似系数既能反映出原始信号的特征信息,且细节系数分布紧密,表明信号噪声较集中。通过交叉投影重构后的信号光滑、平稳,很好地体现了去噪后的信号与原始信号的相近性。     

注塑成型中注射保压切换点的小波检测方法

针对注塑成型过程的关键步骤——注射保压切换,提出一种基于小波变换的切换点检测方法。它采用小波分析模极大值信号奇异性检测思想,根据模腔压力在注射保压切换时发生突变的特征,先利用以往批次生产的模腔压力信号,获取小波分解尺度、转换域值等信息,再使用滑动窗口法,实现切换点的在线检测。实验证明,在工艺参数变化的情况下,使用该方法生产出的制品,在重量上,较传统方法具有更好的一致性。     

三种小波函数处理含噪声重叠峰的比较

运用连续小波变换用于处理分析化学信号可得到信号的近似导数。通过Haar小波函数、三次样条函数的导函数、二阶样条小波为小波母函数的连续小波变换法对模拟含噪声重叠信号的处理结果表明：二阶样条小波的连续小波变换法所得结果的信噪比明显高于前两种方法。该方法为分析信号,特别是信噪比较低的重叠信号的处理提供了一种有效工具。     

基于小波变换的电缆故障测距研究

在电缆故障测距中,对反射脉冲信号的起始点的判断是电缆测距的核心,针对小波变换模极大值法和曲线拟合法存在的优缺点,将这两种方法相结合对反射脉冲的起始点进行检测。仿真结果表明:该方法能够有效地提高电缆故障测距的精度。     

小波变换-偏最小二乘法用于苯胺、苯酚和苯甲酸的同时测定

将小波变换与偏最小二乘法相结合,对苯酚、苯胺、苯甲酸三组分体系进行同时测定。先对光谱信号进行小波变换,去除噪声后重构信号,再用偏最小二乘法预报样品浓度。结果表明,经小波变换后处理结果回收率明显提高。     

结合无下采样Shearlet模极大值和改进尺度积的有噪图像边缘检测

为从噪声污染的图像中提取出更为清晰、连续的边缘,进一步改善边缘检测效果,本文提出了一种基于无下采样Shearlet模极大值和改进尺度积的边缘检测方法。首先对含噪图像进行多尺度、多方向无下采样Shearlet变换(Non-subsampled Shearlet Transform,NSST),得到图像在NSST域的高频系数;然后选取相邻的两个较大尺度的高频系数进行改进的尺度积运算,并经NSST模极大值处理得到边缘二值图像;最后使用区域连通方法去除二值图像中的孤立点,得到准确的边缘图像。大量实验结果表明,与小波模极大值、小波尺度积、基于无下采样Contourlet变换(Non-subsampled Contourlet Transform,NSCT)模极大值和尺度积、NSST模极大值等4种边缘检测方法相比,本文提出的方法具有更强的抗噪能力,且有效地避免了纹理的影响,检测出的边缘完整清晰,连续性好。     

小波变换在发酵过程不同时期辨识中的应用

The wavelet transform is developed to identify the different phases in a fermentation process.In this method,the wavelet transform modulus maxima are used to estimate the local maximum points of the second derivative of the growth curve in order to classify the different phases of fermentation process.Moreover,the method can effectively get rid of noise from the signal,making use of the different chacters showed by signal and nose in the wavelet transform modulus maxima.Compared with neural network modeling,the presented method needs less quantity of information and calculation.The results of experiments show that this method is effective.     

一种基于提升小波的简单在线数据滤波方法

小波变换用于在线数据能提高去噪性能。针对传统小波在线使用时运算慢的问题,将基于提升格式的小波用于在线滤波。相比传统小波,基于提升格式的小波运算更快,能更好地满足实时性的要求。为了降低小波分析中边界效应的影响,提出一种新的简单数据扩展方法,该方法用先前时刻的滤波输出和噪声信息预测边界点后的数据信息。仿真结果表明:新方法运算速度快,满足实时处理的要求,能降低信号均方误差值并改善伪吉布斯效应。工业现场的在线滤波实例证明了该方法的可行性和良好的性能。     

循环流化床颗粒浓度波动信号多重分形测度分析

由于循环流化床气－固两相流动规律相当复杂，使得至今对其流动规律的认知仍不足以直接用于循环流床的工业设计与放大。近十多年来，确定性混沌理论已被用于循环流化床动力学特性的研究，与其密切相关的分形理论也被用于流化床流动特性的研究。然而，这些研究所用均是采用单分形理论，而单分形理论对解释循环流化床复杂的非线性气－固流动行为显得能力不足。为了探讨循环流化床内颗粒流体系统非线性、非均匀性和混沌特性机理。本文引入不同测试多重分形分析的方法，用小波变换模极大值与多重分形测度分析方法相结合，检测循环流化床颗粒浓度波动信号奇异性并得出多重分形奇异谱。结果表明循环流化床颗粒浓度波动信号具有明显的多重分形特性。小波变换多重分形方法可以用来描述床内颗粒流动特性，为探讨循环流化床颗粒流体系统非均匀机制提出了一种新的方法。     

一种计算关联维数的方法及其在氢气射流中的应用

关联维数是描述非线性时间序列的重要参数.在仿真计算的基础上,发现小尺度的小波变换模数的关联维数与非线性时间序列本身是一致的.同时仿真计算还表明,由于小尺度小波变换的高通滤波性质,利用小波变换模数计算关联维数可有效克服极强的大尺度噪声的干扰.针对氢气射流轴向脉动速度的计算结果也证实了有关结论.     

改进的小波消噪阈值方法在油气水三相流图像信号中的应用

应用高速摄像机拍摄了油气水三相流典型流型的图像视频,提取其灰度均值构成时间序列,为了更好地研究其流动机理。需将时间序列进行消噪。在研究传统的平稳小波理论和分析传统阅值函数存在问题的基础上,提出了一种新的小波消噪阚值方法。在MATLAB实验平台上证明了这种新的阈值方法能有效弥补传统软、硬阈值的不足,并具有很好的数学性质。将基于平稳小波变换的新闻值方法应用到灰度时间序列的消噪中,实验结果表明,该方法能很好地保留油气水三相流图像信号的特征并能有效地消除噪声,有利于对油气水三相流流动特性的理解。     

基于小波变换的循环流化床压力波动信号除噪分析

采用基于小波分析和分形理论的除噪方法对压力波动信号进行除噪,并将由此方法得到的信号与常用的Fourier滤波滤去20Hz、40Hz频率以上所得信号进行对比分析,结果表明,所提出的除噪方法能客观、有效地去除噪声,而Fourier滤波方法提取信号不能完全去除噪声的干扰。此外,循环流化床波动频率带随操作条件的不同而有所差异,所以在用压力波动信号对循环流化床混沌特性进行研究时,不能象Fourier滤波那样截去某个频率段。     

Steady state identification for on-line data reconciliation based on wavelet transform and filtering

In order to derive higher value operational knowledge from raw process measurements, advanced techniques and methodologies need to be exploited. In this paper a methodology for online steady-state detection in continuous processes is presented. It is based on a wavelet multiscale decomposition of the temporal signal of a measured process variable, which simultaneously allows for two important pre-processing tasks: filtering-out the high frequency noise via soft-thresholding and correcting abnormalities by analyzing the maximums of wavelet transform modulus. Wavelet features involved in the pre-processing task are simultaneously exploited in analyzing a process trend of measured variable. The near steady state starting and ending points are identified by using the first and the second order of wavelet transform. Simultaneously a low filter with a probability density function is employed to approximate the duration of a near stationary condition. The method provides an improvement in the quality of steady-state data sets, which will directly improve the outcomes of data reconciliation and manufacturing costs. A comparison with other steady-state detection methods on an example of case study indicates that the proposed methodology is efficient in detecting steady-state and suitable for online implementation.     

小波包变换和KL变换联合去噪

基于强噪声的地震记录,先利用小波包分析对地震记录进行分解,然后再根据不同的信息的不同特征性进行去噪,然后再重构。用小波包变换去噪后的地震信号再利用K-L变化提取有效信号。经合成地震剖面处理试验证明,该方法能有效地提高地震记录的信噪比和分辨率。