基于小波包分解的精神分裂症脑电信号分析

本文针对脑电信号的非平稳性,引入小波包分解理论研究精神分裂症脑电.根据脑电信号的不同节律特性,提出应用小波包分解构造不同频率特性的滤波器,提取脑电信号不同节律的动态特性,并由此构造各种节律的动态脑电地形图.为了研究精神分裂症脑电信号各种节律的动态特性,文中对正常人和精神分裂症病人的临床脑电数据进行分析与比较,分析两组脑电信号各种节律的动态特性.实验结果表明,精神分裂症病人在无负荷静卧闭眼清醒状态下α节律与正常人有明显的差异.     

基于小波包变换的癫痫脑电信号特征提取

为了有效识别癫痫脑电信号,提出了一种适合于非平稳脑电信号的特征提取方法。以临床采集的包含癫痫发作期的5组500个EEG公共数据为样本,选择了具有任意多分辨分解特性的小波包变换,对信号进行多尺度分解,并提取了各级节点的小波包系数。将小波包系数能量作为特征值,构建了特征向量并输入到BP神经网络分类器中进行自动识别。实验结果表明,该算法的识别率达到了91.5%。     

基于视觉通路的脑电信号频谱能量分布研究

目前关于光诱发脑电信号的频谱研究主要采用实验测试方法,因缺乏理论模型而导致结论多样化。针对这一不足,结合计算模型和电生理相关知识,建立视觉通路模型,仿真不同频率光刺激下视觉通路皮层锥体细胞产生的电信号,并分析对应的频谱能量分布,最后采集相同实验环境下、不同受试者的脑电信号,与仿真结果进行比较,以此验证模型的有效性。研究结果表明：低频光刺激信号（2、5、10 Hz ）更易诱发脑电信号节律同步化的响应,频谱能量主要集中在基波和低次谐波处,而由高频光刺激（30 Hz）引起响应的频谱能量主要集中在低频。     

基于Harmonic小波时变相干的人脸识别脑电特征提取

经典的相干分析是建立在信号平稳的假设基础上,反映两个随机过程在某一频率成分上的同步关系.在脑电研究领域,相干分析主要用于分析大脑不同区域活动的相关程度及驱动-响应关系.经典的相干分析可以刻画脑电不同区域活动在节律上的一致性,但不能提取大脑活动的瞬时特性.为了提取认知过程中脑电活动的空间-时间模式特征,本文引入脑电信号的时变相干性分析.被测者为10名健康的学生,脑电数据是从一个人脸照片认识或不认识的辨识认知过程中采集的,实验结果表明,在α频带两种辩识过程颞区与其他脑区的信息交流模式呈现明显的差异.     

脑-机接口及其应用研究

主要研究脑-机接口的定义、基本构成、应用领域及其发展前景,以及提出并实现了1套完整可行的脑-机接口系统应用方案——基于稳态视觉诱发电位的脑-机接口控制系统设计与实现.系统搭建在LabVIEW平台上,利用LabVIEW的小波包信号分解和重构模块,实现对稳态视觉诱发电位的有效提取.系统的功能是利用脑电信号进行任务选择和对图...     

基于小波包分解和支持向量机的局部放电识别方法研究

高压开关柜发生局部放电时产生的信号中存在着大量的信息,局部放电作为开关柜绝缘故障的重要征兆及表现方式,其类型的识别对于开关柜绝缘状态的评估具有重要的意义。为了准确地识别高压开关柜局部放电类型,提出了一种基于小波包分解和支持向量机(SVM-Wavelet)的局部放电识别方法,采用小波包分解的方法对局部放电信号进行分解并提取能量信息,组合成特征向量,在此基础上利用支持向量机(SVM)建立高压开关柜局部放电信号分类模型。结果表明小波包分析方法能很好地处理非线性、非平稳的局部放电信号,基于SVM-Wavelet的方法可以准确地识别局部放电类型。     

小波包分析在超高频检测变压器局部放电中的应用

提出了一种基于小波包分析的变压器局部放电信号"能量-频率"的模式识别方法,计算出变压器局部放电信号不同频率段能量特征值.实验结果表明基于小波包分析得到的能量特征值矢量,明确地表明了局放信号各个频率段所包含的能量强弱,对局放信号的检测具有良好的指导作用.     

一种对振动信号小波包能量算法的研究和改进

在旋转机械振动的故障诊断中,小波包能量算法具有精度高,识别能力强等优点,但传统的小波包能量算法有其自身存在的缺陷,即没有考虑到每个分解频带上的能量参数在时间轴上的分布特征.基于此,提出一种改进的小波包能量算法,研究结果表明,改进的小波包能量算法比传统的小波包能量算法在振动信号分析与故障诊断中更有效.     

EWT 算法在单通道脑电信号眼电伪迹 自动去除中的研究

针对单通道脑电信号眼电伪迹去除算法中存在信息丢失和计算速度慢的问题,提出了一种基于经验小波变换(empirical wavelet transform, EWT)、小波变换(wavelet transform, WT)和近似熵的眼电伪迹去除方法。首先,采用EWT算法自适应分割脑电信号频谱,在分割的区间上构造合适的滤波器组提取具有紧支撑结构的经验模态分量。然后对各模态分量进行WT分解,计算分解后的近似熵,同时设置近似熵阈值对眼电伪迹自动识别并去除。最后采用WT和EWT的逆变换重构信号。采用公开的Klados数据集和Mohit Agarwal的EEG-VR数据集对算法进行实验,实验结果表明：该方法计算时间的平均值为0.199 5 s, Alpha波的功率失真均值和方差分别为0.128 4和0.151 1,Beta波的功率失真均值和方差分别为0.097 7和0.158 0。所提算法与EMD-ICA、CEEMDAN-ICA和WT算法相比,计算速度快,伪迹去除能力强,能够保留脑电信号有用信息更多。     

小波包变换在风电场谐波分析中的应用

含有变频器的风力发电机组在并网发电时会给电力系统注入时变谐波.快速傅里叶变换(FFT)是目前谐波分析的主要方法,但是它不适合处理非平稳时变信号.提出利用小波包变换(WPT)的方法对电流信号进行分析.基于Daubechies小波,采用适当的采集频率和小波包分解树,使谐波频率落在小波包频带并利用其小波包系数重构出各次谐波.可以实现信号频带的均匀划分,能够更好地提取信号的时频特性,还具有分辨非平稳时变谐波的能力.仿真结果显示小波包变换的谐波分析能力更好,能根据要求分离任意次谐波.     

基于空载合闸振动信号的变压器绕组松动诊断

针对变压器空载合闸机械振动特性,采用小波包变换对其振动信号进行分析。在实验中,模拟了变压器正常和绕组松动2种状态,对其空载合闸时的振动信号进行采集,并采用小波包-能量谱分析得到各个尺度上能量的百分比作为特征量对2种状态下的振动信号进行特征提取和对比分析。实验结果表明,故障前后的振动信号的能量分布特征有明显的差异,该方法可以有效地提取不同状态下合闸振动信号特征量,应用于空载合闸振动信号的变压器绕组松动诊断。     

小波包分析在汽轮机转子振动故障诊断中的应用

针对汽轮发电机组振动的频谱特点,提出了基于小波包变换的汽轮机转子振动故障诊断方法,它较一般的小波变换更能反映振动信号所包含的频谱成分及能量。根据Bently实验台所采集的4种典型汽轮机转子振动故障信号,运用小波包分析方法对其进行能量分析并提取故障特征。实验分析表明,基于小波包分析与信号能量分解的故障特征提取方法,可以获得汽轮机转子振动的故障状况;根据不同故障发生时的频谱特征,识别出不同的故障,从而进行汽轮机转子振动故障诊断。该方法比基于Fourier变换的故障特征提取方法更有效,适合于机械故障诊断。     

一种模拟电路故障诊断方法的研究

基于模拟电路发生故障会导致电路信号小波包系数某种对应改变以及神经网络非线性逼近的特点,提出了一种基于小波包变换和神经网络的模拟电路故障诊断方法。先仿真得到正常和故障状态下的输出电压信号,然后对输出电压信号进行Haar小波包变换并提取小波包系数,并对各频段小波包系数变化值的能量进行归一化处理提取故障特征量,最后利用故障特征矢量训练神经网络确定模拟电路故障诊断的神经网络模型。仿真结果表明基于小波包变换和神经网络的模拟电路故障诊断方法取得了较好的效果。     

振动信号小波包特征熵的时变与频变特性分析

为了更好的反应高压断路器的机械振动状态,介绍了一种基于小波包分解的断路器振动信号特征提取新方法。将正常状态标准信号3层小波包分解后提取第3层各节点重构信号的包络,利用能量均等的原则将各包络分成15段并提取各分段时间点并利用正常状态标准信号所得包络的分段时间点分段测试信号的对应节点包络,再利用熵原理计算各节点熵,组合后形成小波包特征熵向量用于断路器故障诊断。利用实际信号分别模拟时变和频变信号测试所得向量变化特性的仿真结果表明:无论在时变还是频变情况下,该方法所提取的振动信号特征向量都可以以不同的变化特性直观、明显地反映信号的变化。     

基于小波变换和小波包变换的间谐波检测

通过研究小波变换中基函数选取和小波分解过程两个关键问题,针对小波变换在间谐波检测方面的应用,对比分析不同基函数的检测性能,重点分析小波变换与小波包变换对于稳态和暂态谐波的相位、幅值特性检测精度。仿真结果表明,小波包变换具有良好时频局部化特性能聚焦信号细节,选取dmey小波基函数的小波包分解方法可实现对电力系统中稳态或时变间谐波信号更精确的检测和分析,对于小波变换电力谐波检测中的实际应用具有指导意义。     

基于小波包能量谱的电网故障行波定位方法

为减少电网故障行波传播色散特性对行波波头检测和波速测量的影响,提高电网故障行波定位的准确度,提出了基于小波包能量谱的电网故障行波定位方法。该法结合小波包技术与傅立叶变换的谱分析,对行波信号进行分析,提取能量相对集中的故障频带信号进行故障行波定位计算;行波到达时间由该频带相应尺度下的小波包能量时谱提取的行波特征点位置计算;该频带行波传播速度由输电线路两端对外部扰动的实测行波数据计算。大量的电网故障行波定位ATP仿真分析结果和现场实验测试分析表明,该电网故障行波定位方法能有效提取电网行波特征信号,减少行波传播色散特性和线路长度变化的影响,定位误差<200m。     

复合材料声发射信号传播特性试验研究

为了获取直升机动部件疲劳损伤声发射信号的传播特性,搭建了声发射数据采集系统,对直升机动部件常用碳纤维材料试件和蜂窝材料试件进行了传播特性断铅试验,利用谐波小波包分析了声发射信号在各个频带上的衰减特性,克服了传统小波包分析能量泄露、频带选取不灵活、不同层频率分辨率不同的缺点.研究结果表明对于所研究两种试件,100 ～ 200 kHz频带的衰减特性与原始信号基本一致,可以代替原始信号进行定位和损伤识别研究,频率越高,衰减越快,衰减较大的无损检测场合,适合选择较低频率范围提取信号特征,对于所研究碳纤维材料试件,200 mm之后声发射信号衰减特性偏离理想衰减特性很大,限制了传统声发射源定位方法的应用.     

利用小波包能量区分变压器内外部故障

TA饱和是变压器差动保护中待解决的关键问题之一。通过对变压器TA饱和的深入分析及仿真研究,得出结论:TA饱和时,区外故障电流含有大量明显的突变点,而区内故障电流连续。据此结论,文章提出了一种利用小波包变换区分变压器内外部故障的新方法。首先小波包变换分别对TA饱和情况下的内外部故障电流进行分解,然后对分解后的信号进行能量计算,将问题量化,可以直观地观察信号的差异,最后提出判据。仿真验证证明,该方法能够正确区分TA饱和情况下的内外部故障电流,能及时阻止可能造成的损害,并可防止变压器保护误动。     

LabVIEW在电机振动故障诊断中的应用

基于LabVIEW的小波包理论和能量谱应用于电机振动故障诊断是一种新的尝试，具有良好的应用前景。在时域范围内，故障振动信号幅值虽有变化，但难以确定电机故障程度的大小。用小波包对振动信号分解，可得到能量特征值，由此能有效地判断电机振动故障类型和程度，提高了故障诊断效率。