小波包在蚕茧无损质量检测中的应用

本文介绍了小波包在蚕茧无损质量检测中的应用.针对所处理的信号的特点合理的选择小波函数,利用熵的准则对信号进行分解以及提取有用的信号,并计算各分解信号的小波能量来构造特征向量,最后将小波包的理论应用到蚕茧无损检测的质量识别中取得了较好的效果.     

采用Meyer小波变换的电能质量扰动信号的检测与时频分析

本文论述了小波多分辨率信号的分解,并用Meyer小波对电压上升、电压跌落、电压中断、电压畸变、电压瞬变等电能质量干扰的检测进行了仿真实验,结果表明Meyer小波在时域和频域上都具有良好的检测性能,适合于短暂瞬变信号的检测与分析。     

小波分析在管道缺陷超声检测中的应用

在管道缺陷超声无损检测中，作为检测基本数据的脉冲反射回波信号受到电子噪声(包括热噪声和量化噪声)和结构噪声的干扰，使材料的缺陷信号变得难以识别。小波变换借助于时．频局部分析特性，已成为现代信号处理中的一种重要方法。在阐述小波变换基本原理的基础上，研究了管道超声缺陷信号的小波分解与重构。利用此方法对超声信号进行分析，可方便地识别是否存在缺陷以及缺陷的位置。     

基于多尺度的声测量搅拌釜内物料特征

通过声波信号在线分析反应器内物料特征具有快速、无损、安全、不侵入流场的优点。讨论了利用声发射信号在线分析搅拌釜内物料浓度与粒度的方法。先通过小波变换多尺度分解原始声信号,然后以分解后各细节信号小波系数幅值绝对值加和为特征变量,釜内物料浓度或颗粒平均粒度和声发射信号的关系再用判别分析方法加以区分,考察了信号长度、分解尺度以及不同小波对判别准确性的影响,结果表明,当物料的浓度一定时,基于多尺度分析的声测量方法可以准确地对釜内物料的粒度进行分类。     

小波包分析在刀具声发射信号特征提取中的应用

分析了刀具的切削状态,介绍了刀具的声发射信号检测系统和小波、小波包分析技术,以及小波包频带能量分解方法,提出了小波包分解功率监测特征量提取技术.通过在刀具声发射的一个实例信号中的应用,有效地区分了刀具的两种切削状态,验证了小波包分解功率监测特征量提取方法的可行性.     

基于CEEMD和改进小波阈值的机械密封声发射信号降噪方法

声发射作为一种无损检测结束被广泛应用于多个领域,针对声发射信号难以从背景噪声种分离的问题,提出了一种基于互补集合经验模分解（CEEMD）与改进小波阈值相结合的降噪方法。首先对声发射信号进行CEEMD分解,通过峰宽占比确定信噪分量分界点,对噪声分量进行改进的小波阈值降噪,将降噪后的分量与其余分量进行信号重构得到最终降噪结果。通过仿真信号和机械密封声发射实验信号论证了本文方法相较于传统小波降噪和CEEMD强制降噪更有效。     

基于小波分析的故障诊断

本文通过各种实例，有选择地对信号进行小波分解或小波包分解，并对分解的数据进行处理或重构，最终达到故障信号的检测、信噪分离和信号频带分离的目的，证实了该方法作为故障诊断手段的有效性。     

基于Db小波的暂态电能质量分析方法研究

针对目前电力系统存在的暂态电能质量难以检测的问题,提出了基于Db5小波对电压信号进行4尺度分解,用各层系数的离差检测模极大值,从而检测暂态电能质量的方法.仿真结果表明,Db5小波变换能在时域上对电压暂态变动的发生时刻进行准确定位和信号类型分类.     

去除漏磁信号中系统噪声的小波系数去噪方法

漏磁无损检测普遍用于铁磁材料的无损检测中,是近年来输油管道检测中常用的一种有效方法。研究了输油管道检测中漏磁信号的去噪问题,由于漏磁信号被多种噪声源所污染,极大地降低了漏磁信号中缺陷信号的可检测性。通过利用小波系数去噪, 提出一种去除漏磁信号中系统噪声的新方法。实验结果说明:该方法的去噪效果优于传统的小波去噪方法。     

基于小波分析的海底石油管道缺陷超声检测信号去噪处理

针对海底石油管道超声检测信号的噪声消除问题,本文研究了基于小波分析的噪声消除方法.文中首先介绍了基于小波分析的噪声消除方法的基本原理,然后运用小波方法对实测超声信号进行了具体的处理.在信号处理中考虑了小波基以及小波分解层数对噪声消除效果的影响.信号处理结果表明:合理选择小波基和小波分解的层数,能有效去除超声信号中的噪声.     

基于小波包变换的肌电信号特征提取

本文提出一种新的基于小波包变换的特征提取方法,提取表面肌电信号进行小波包变换后得到的信号的协方差矩阵的特征值的最大值作为特征值。利用该方法对表面肌电信号提取特征值构建特征矢量,送入Elman神经网络对手部6种动作模式进行识别,在Matlab平台上进行实验仿真。实验结果表明,该方法取得了很好的识别效果。     

铁路货车轴承在线故障诊断智能系统研究

为满足铁路重载货运车辆对运行设备故障预测的需求,本文设计了一种基于轴承状态监控的智能在线监测系统。为有利于检测轴承的早期故障,选用抗干扰和灵敏度都较强的声发射(AE)信号,用ARM微处理器对信号进行处理,利用基于无线传感器网络的无线信息传输网络体系进行数据传输,用小波包分解与支持向量机算法实现故障诊断与预测。文章针对铁路货车滚动轴承故障的实际情况,将支持向量机(SVM)方法引入货车轴承的智能故障诊断中,实现了轴承的在线智能诊断。     

双树复小波包变换语音增强新算法

实小波包变换是语音增强中效果较好的一种算法,利用阈值的方法对小波包系数进行压缩进而重构语音信号.分析了实小波包变换的平移敏感性,以及其对语音进行增强时的缺陷.提出采用双树复小波包变换方法进行语音增强,当低通滤波器和高通滤波器对应的小波基近似为希尔伯特变换对时,该变换能大大减小实小波包变换中的平移敏感性.同时考虑小波包系数之间的相互关系,提出了重叠块复阈值算法.结果表明,算法优于传统实小波包变换及点阈值算法,尤其对含周期噪声的语音信号,双树复小波包变换算法的优势更为明显.     

基于小波包和组合分类器的脑电信号分类

为了提高脑思维任务分类精度,提出了一种基于小波包分解和多分类器投票组合的运动想象任务分类方法。该方法利用小波包分解对经过预处理的脑电信号进行分解,提取所有频带上的相对小波包能量特征;根据不同脑思维任务下左右半脑各通道间的差异性对C3、C4两通道求取特定频带上的小波包系数的L-2范数作为特征;采用基于投票策略的组合分类器对两种联合特征进行分类,得到了92.85%的识别精度。实验结果表明,联合特征向量较好地反映了左右手运动想象脑电信号的事件相关去同步（ERD）和事件相关同步（ERS）的本质特性;组合分类器识别效果优于单一分类器。     

基于状态包过滤的防火墙技术

本文首先介绍了防火墙的基本技术——包过滤的工作原理。通过一个防火墙构建实例，显示了传统包过滤的局限性，进而引人状态包过滤的概念，最后对其工作原理和实现的关键部分进行分析。     

基于虚拟仪器技术的小波信号提取仪设计

提出了基于PC-DAQ的虚拟仪器典型硬件结构体系,介绍了基于LabVIEW的软件开发关键技术,并根据小波信号提取原理设计出了虚拟小波信号提取仪,对其中的仪器面板、控件、流程图等进行了详尽阐述.最后,获得了某数控设备测试诊断系统中成功应用的运行结果,达到了预期目的,具有较好的推广应用价值.     

思科Packet Tracer仿真软件在网络工程教学中的应用

网络仿真软件Packet Tracer是思科公司开发的仿真网络实训平台。由于它在网络实验环境中的高仿真度,在各类院校的网络工程教学中被用来作为网络实训平台的辅助教学,解决了院校缺少真实网络实验设备的实际困难,提高了网络教学的效果。通过分析Packet tracer的使用,结合计算机网络教学中的实际情况,构建了计算机网络的仿真实验。     

基于能量检测的复杂环境下的鸟鸣识别

针对实际环境噪声使得鸟鸣识别准确率受到影响的问题,提出一种基于能量检测的抗噪鸟鸣识别方法。首先,对包含有噪声的鸟鸣信号用能量检测方法检测并筛选出有用鸟鸣信号;其次,根据梅尔尺度的分布,对有用鸟鸣信号提取小波包分解子带倒谱系数（WPSCC）特征;最后,用支持向量机（SVM）分类器分别对提取的小波包分解子带倒谱系数（WPSCC）和梅尔频率倒谱系数（MFCC）特征进行建模分类识别。同时还对比了在添加不同信噪比的噪声下15类鸟鸣在能量检测前后的识别性能差异。实验结果表明,提取的WPSCC特征具有较好的抗噪功能,且经过能量检测后的识别性能更佳,更适用于复杂环境下的鸟鸣识别     

基于小波包与长短时记忆融合的铁路旅客流量预测模型

短期铁路客运需求量的实时精准预测可以为实时调整客运服务结构提供依据.铁路旅客流量数据具有时变性、非线性和随机波动性等特点,传统的预测模型无法精准的预测短期内的客流量.本文提出一种基于小波包分解与长短时记忆融合的深度学习预测模型（WPA-LSTM）,首先用小波包分解将原始客运量时间序列分解重构成多个不同尺度的低频和高频序列,然后分别针对各个子序列进行LSTM模型训练和预测,最后将各子序列的预测值叠加作为WPA-LSTM模型的输出.采用某高铁367天的日旅客流量数据对模型进行实验验证,并与季节性模型和基于经验模态的长短时记忆融合模型进行对比,实验结果表明,WPA-LSTM模型可有效提高铁路旅客流量预测的精度.     

基于离散小波变换的信号分解与重构

为数值计算简化和理论分析简便,在实际信号处理应用中,需要对小波变换进行离散化处理。介绍了傅里叶变换与小波变换的基本理论,以及离散小波变换在信号分解和重构过程中的原理及方法。利用MATLAB小波工具箱中提供的函数分别对一维信号和语音信号进行分解与完全重构,并对结果进行分析比较。仿真结果表明,用离散小波变换进行一维和语音信号分解时均可有效地获取其平均相似信息和细节信息,重构信号与原始信号相比损失较少,分解和重构均得到了很好的效果。