超声检测信号中的小波包分析

超声检测中缺陷回波信号的质量是实现缺陷定位定量定性分析与评价的基础,去噪是超声检测信号处理中很重要的环节。小波包分析方法可以有效地抑制噪声干扰,提离有用信号。在Windows环境下,采用MATLAB 6．5 编程实现了缺陷回波信号的小波包去噪处理。研究结果表明:利用小波包阈值去噪,大大提高了缺陷回波信号的信噪比,改善了信号特征信息的质量,并且具有较高的缺陷定位精度和纵向分辨率。     

小波包分析在图像消噪中的应用研究

小波包分析是在小波分析的理论基础上,可为信号提供更加精细的分析方法.因此根据图像特点、图像噪声特点,研究采用小波包分析对图像进行消噪处理的方法.实验表明,这种方法在图像消噪处理中是有效可行的.     

基于卷积型小波包变换的切削力信号消噪

为了消除切削力信号中的随机噪声干扰,本文提出了一种基于卷积型小波包变换的消噪算法,给出了算法的详细步骤。对两个切削力信号的消噪实例结果表明:随机噪声已完全被去除,获得了准确的力信号。     

基于小波包变换和小波阈值消噪的语音特征提取

为了实现强噪声背景下语音信号的特征提取,根据小波变换的多分辨率特性,以及与人耳耳蜗滤渡相一致的特性,利用小波包变换,在各语音特征频率段上,提取出包含丰富的非平稳信息的语音特征;并在小波包分解去噪的基础上,构造了模糊阈值函数,利用小波模糊阈值去噪,得到了信噪比较高的语音信号.研究结果表明,小波包变换和小波阈值去噪,较好地消除了强噪声背景下的噪声,并有效地提取出了语音信号特征.     

小波分析在输油泵振动信号消噪中的应用

通过MATLAB语言编程检验了小波分析在输油泵振动信号消噪中的应用效果,可以看出小波分析在输油泵振动信号消噪中有着傅立叶分析无可比拟的优点。     

OFDM水声通信系统语音信号的小波包消噪方法

在阐述和构造了正交频分复用(OFDM)水声通信系统的基础上,利用小波包分解与重构对OFDM水声通信系统进行语音信号消噪处理.小波包分解方法依据信号与噪声小波变换系数分布特性不同来进行,首先将语音信号分层,确定最佳小波包分解树,再进行阈值量化,完成小波包分解,并对所得阈值进行消噪处理,最后利用小波包逆变换重构传输信号.计算机仿真结果表明在OFDM水声通信系统中利用小波包分解方法对语音信号进行处理,可有效消噪,并可较为完整地保存有效信号.     

OFDM水声通信系统语音信号的小波包消噪方法

在阐述和构造了正交频分复用（OFDM）水声通信系统的基础上,利用小波包分解与重构对OFDM水声通信系统进行语音信号消噪处理。小波包分解方法依据信号与噪声小波变换系数分布特性不同来进行,首先将语音信号分层,确定最佳小波包分解树,再进行阈值量化,完成小波包分解,并对所得阈值进行消噪处理,最后利用小波包逆变换重构传输信号。计算机仿真结果表明在OFDM水声通信系统中利用小波包分解方法对语音信号进行处理,可有效消噪,并可较为完整地保存有效信号。     

小波变换在机械系统非线性信号消噪中的应用

噪声的去除一直是信号处理中较为关键的技术之一。小波变换在时、频两域都具有表征信号局部特征的能力，突破了传统Fourier分析的局限性，很适合检测信号的奇异现像。用Daubechies小波和Fourier变换分别对洛仑兹混沌信号以及撞击流反应器压力波动非线性信号进行去噪分析，结果表明，二者的去噪效果有较大的不同，突出了小波变换用于非线性信号去噪的性能。因而，将小波用于信号消噪具有重要的意义。     

基于最优小波包分析的肌电信号消噪

为了清除表面肌电信号(SEMG)夹杂的生理噪声,提出了一种基于最优小波包分析的消噪处理方法.该方法以受试者做内旋动作,采自尺侧腕屈肌的SEMG信号为例,基于symlet5小波函数,分别采用小波方法、小波包方法和最优小波包方法进行了消噪处理.分析比较结果表明,该消噪处理方法能更有效地去除肌电信号中的噪声.     

小波消噪在振动信号处理中的应用

信噪分离是小波分析中的一个有效的信号检测方法。本文在阐述了小波分析及消噪的小波理论的基础上,给出了从噪声污染信号中恢复原信号的实例,并与傅立叶分析消噪进行了比较,结果表明对于非平稳振动信号小波消噪的效果明显优于傅立叶变换。     

小波神经网络在摩擦焊缺陷识别中的应用

针对摩擦焊接头超声检测信号,介绍了一种用于信号分类的小波神经网络结构及其学习算法,用小波包分析工具提取信号特征作为网络输入,实现了宏观焊接缺陷和微观焊接缺陷的分类识别.实验结果表明,较BP网络小波神经网络获得良好的识别结果.     

Application of non-stationary signal characteristics using wavelet packet transformation

Although Fourier-based methods have been standard methods for frequency analysis, they are not well suited for the analysis of nonlinear or non-stationary systems due to their time-varying natures. Thus, in this paper, a wavelet packet-based technique, which calculates time-varying coherence functions for input/output relationships, is developed. The developed method uses the Coiflet wavelet that has been widely used in signal processing. It is applied to obtain the time-varying coherence function, and to detect the impulse signal from the impulse-embedded signal such as an automobile sound/vibration signal with an external impact caused by a collision or passing over rough terrain. Some characteristics of non-stationary behavior such as the wavelet packet coefficients, maximum phase plane (MPP) analysis and fault detection are also demonstrated. The method gives promising results of non-stationary input-output systems, and so may be used as an effective tool for condition monitoring or fault detection area. This paper was recommended for publication in revised form by Associate Editor Yeon June Kang Jae-Eung Oh received his B.S. degree of mechanical engineering at Hanyang University in 1975 and his M.S. degree of Safety Engineering at Yokohama National University in 1980. He then went on to receive his doctorate degree in environmental engineering from Tokyo Institute of Technology in 1983. He is currently the Vice President of KSNVE.     

基于分形理论的摩擦焊超声检测缺陷信号识别

采用超声波探伤仪U1traPAC系统对GH4169高温合金摩擦焊件进行检测,针对缺陷信号特点,提出基于分形理论的摩擦焊超声检测缺陷信号的识别方法.运用一种新的分形维数计算方法一归一化尺度计盒维数法对试件超声回波缺陷信号盒维数进行计算,统计分析出三种缺陷信号盒维数范围.并对结果进行方差分析.分析结果表明,有缺陷信号与无缺陷信号有着各自分形维数区间,且不交叠,据此可用来判断缺陷的有无.该方法对摩擦焊件缺陷信号的分类识别有较好的统计特性.     

小波分析和神经网络在超声波检测中的应用

小波分析和人工神经网络的引入,让检测得到了从定性到定量的提高。运用小波分析从超声波检测装置提取的信号,得到的特征值可作为神经网络的输人参数,用于训练和识别,实践表明,通过这种智能诊断系统可以得到令人满意的定量诊断结果。     

基于遗传神经网络的GH4169高温合金摩擦焊超声检测缺陷识别

摩擦焊接过程中,由于焊接参数波动或一些非正常因素的介入,接头中容易产生未焊合及伪结合缺陷,而传统BP网络在进行缺陷识别过程中存在收敛速度慢和容易陷入局部极值点的问题,将遗传算法引入BP网络优化初始权值,提出了改进后的缺陷识别BP网络.通过验证超声C扫描成像法检测到的某GH4169高温合金的缺陷信号,表明该方法使缺陷的定性分类获得了更高的准确率,可大大降低人为主观因素对缺陷识别的影响.     

小波包分析在故障诊断中的应用

分析了用小波包能量分析方法提取故障信号特征向量的方法，并改进算法解决了小波包分解中的混频现象，根据最佳分解树进行了特征选择。通过实例证明本方法行之有效。     

改进的小波包变换方法在齿轮箱故障诊断中的应用

介绍了小波包变换的改进方法,将其应用于齿轮箱的故障诊断中,避免了混频现象,有效地提取出齿轮箱故障特征,提高了故障诊断的准确率。     

小波分析在手表走时测试中的应用

由于手表检测的表音信号中含有大量的噪音信号,这给手表的检测带来了很大困难.简述了小波消噪的基础理论,论述了小波分析在手表走时测试中的具体应用.试验及分析结果表明,在提取表音信号时采用小波分析方法,很大程度上消除了噪音的影响,提高了手表走时测试的精度.     

Application of super-resolution techniques to expert testing of welded joints in pipelines of nuclear power plants

Utilization of super-resolution techniques in processing reflected signals in ultrasonic testing has proved to be useful with a view to improve expert estimates of defect dimensions and shapes with the help of theAvgur holographic facility. In particular, the improvements in the image quality mostly due to athree-fold increase in the beam coordinate resolution has allowed more accurate determination of defect dimensions and more reliable classification of defects.A lower intensity of the speckle noise due to the broader frequency band can also be considered as a favorable feature of the extrapolation techniques. The signal-to-noise ratio in the images of flaws in materials with an intense structural noise isa factor of about 1.7 higher when super-resolution techniques are used. The paper describes some results of practical utilization of super-resolution techniques in estimating dimensions of flaws detected in welded joints of DU-300 pipelines (an effective diameter of 300 mm) of nuclear power plants.     

小波包分析在柴油机故障诊断中的应用

运用小波包分析方法对柴油机缸盖振动信号进行预处理,并运用小波包频带的能量分析方法识别柴油机喷油雾化质量故障。在不同工况下的柴油机上测得两组振动加速信号,并对该信号进行分析,准确识别了故障。说明该方法对提取故障信息并进行诊断是行之有效的。