基于小波和Contourlet的改进的图像复原算法

不同的数学变换工具能够有效表示图像的不同细节结构,小波变换能够有效表示图像中的奇异点,而con-tourlet变换能够有效表示奇异线,为了更好地利用不同变换工具的优势,文中提出一种基于小波和Contourlet的改进的图像复原算法。算法首先分别应用不同的小波基和不同的Contourlet基,基于正则化方法求解出复原图像;然后,将经过不同的滤波器组得到的复原图像通过加权平均的方式融合,得到一幅效果较好的恢复图像。实验结果表明,加权平均之后的图像相比使用单一滤波器的复原图像,其改善的信噪比提高0.1～0.5dB。     

小波包特征熵-神经网络在轴承故障诊断中的应用

提出了一种基于小波包特征熵-神经网络的轴承故障诊断新方法。首先对采集到的轴承的振动信号进行三层小波包分解,提取小波包特征熵,然后构造信号的小波包特征向量,并以此向量作为故障样本对三层BP神经网络进行训练,实现智能化故障诊断。仿真结果表明该方法有效可行。     

基于小波变换的信号重构

在信号分析中,奇异点和不规则性经常携带有重要的信息．文中利用小波变换模极大值对应的点来提取奇异点,并讨论了如何运用凸集上投影的方法来重构原始信号．     

基于乏信息的滚动轴承振动与噪声的模糊预报

根据非统计原理,提出了一种新的预报技术——模糊预报技术,以解决样本少且概率分布未知条件下滚动轴承的动态性能预报问题。从小样本数据序列入手,基于乏信息隶属函数,建立轴承振动与噪声的经验概率密度函数与预报函数,并将小样本数据序列分成尺度信息与随机信息两个子序列,挖掘更多的滚动轴承动态系统的信息,然后用模糊区间数运算法则进行综合,得到滚动轴承振动与噪声的预报区间。试验研究表明,所提出的模糊预报方法可以有效地预报滚动轴承振动与噪声的波动区间,置信度与可靠度可以达到95%~100%。     

基于小波包变换的电力系统谐波电流检测

针对常规快速傅立叶变换无法检测非整数次谐波,以及改进的加窗插值快速傅立叶变换运用困难,采用小波、小波包变换对电网信号中的谐波进行检测分析。小波包变换建立在二进小波变换基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果证明,较之傅立叶变换和小波变换,小波包变换对电网信号中谐波的幅度、频率的估计具有更高的精度。     

参考作物腾发量多时间尺度分析的小波变换

采用Penman-Monteith方法对国内4个不同气候带气象站点的长系列逐日参考作物腾发量ET0值进行了计算,以昌平站ET0年日均值和月日均值时间序列为例,对比采用不同母小波进行小波变换的结果,确定Morlet小波为ET0多时间尺度分析的最优母小波.以Morlet小波为基础,对4个站点ET0多时间尺度特征进行分析,结果表明:4个站点ET0多年来均存在多个时间尺度上的周期变化,其中以5、10 a最为普遍和显著.小波分析的结果,对于中长期不同时间尺度ET0的预测和灌溉用水预测具有指导意义.     

一种基于小波变换的白噪声消噪方法的改进

传统的小波变换软阈值消噪方法是基于分布不均匀的信号和白噪声在小波变换下具有不同的传播特性,该方法比较简洁,并在一定程度上是有效的。在这种方法的基础上,提出了一种估计小波系数的模平方处理改进方法,它可以促使信噪分离。与原有的方法相比,脸用改进方法明显地提高了信号消噪所得信噪比增益。     

小波变换时频敏感特性的试验研究

利用小波变换的时频敏感特性，通过试验提出了结构在自由及受迫振动过程中的健康监测及损伤检测方法.在悬臂板与弹簧组成的系统的自由及随机振动过程中，通过烧断连接弹簧与悬臂板的细绳来对系统造成破坏，其中离散小波变换用于识别结构损伤造成的信号奇异性，而连续小波变换则用于排除外界脉冲噪声的影响及确定结构刚度损失的大小.试验结果表明，该方法能有效地监测结构振动过程中的损伤，以及检测结构刚度损失的大小.在结构随机振动试验中，连续小波变换施加在由随机减量法获得的自由衰减信号上，获得了更好的检测效果.所提出的离散小波变换与连续小波变换联合使用的结构健康监测及损伤检测方法可用于结构的在线监测，且无结构建模误差的影响     

基于小波包变换的自适应线性均衡算法

在分析小波包和传统自适应线性均衡的基础上,提出了一种基于小波包变换的自适应均衡器结构,并结出了相应的自适应均衡算法,与通常的基于小波变换的自适应均衡算法相比,该算法利用了小波包对小波空间的进一步划分,因此其对信号的去相关能力比小波变换更强,仿真结果表明了该算法收敛速度较快,且计算量增加较少,易于实时实现。     

基于形态小波理论和双谱分析的滚动轴承故障诊断

为了探索基于双谱估计流程的对包含高斯和非高斯成分的故障信号进行有效处理的方法,将非线性小波-形态小波引入到振动信号处理中来,并进一步完善形态小波理论,提出形态小波包分解与重构算法.通过形态小波包软阈值降噪实现非高斯信号高斯化处理,在此基础上,发展了3种形态小波包-双谱分析级联算法:形态小波包-双谱估计、形态小波包-Hilbert-双谱估计、Hilbert-形态小波包-双谱估计,该方法对故障信号的高斯和非高斯成分都能有效抑止,尤其是Hilbert-形态小波包-双谱估计算法,适应性强,处理效果更好.经过滚动轴承故障诊断试验,结果表明,基于形态小波包和双谱分析的算法,能够准确区分不同类型、不同程度的故障序列,并取得了良好的效果.     

滚动轴承工作表面失效分析

滚动轴承在工作状态下，滚道表面长期受交变载荷的作用，由于化学及物理方面的因素，导致滚动轴承工作表面产生点腐蚀及疲劳效应，造成轴承早期失效。针对轴承早期失效——点腐蚀及疲劳，从材料本身的质量及轴承的工作条件，分析了轴承点腐蚀及疲劳失效发生及发展的原理。阐述了影响表面点腐蚀及疲劳失效的因素：材料的冶炼质量、热处理状态、表面加工精度、表面残余应力、润滑油、接触表面塑性变形等，提出了相应的改进措施，以减少点腐蚀及疲劳失效现象的发生，提高轴承的使用寿命。     

基于小波包变换的信号去噪方法研究

为有效剔除信号噪声，得到没有污染的信号，便于进行信号分析，介绍了小波包变换的改进方法，给出了信号的小波包分解系数排序方法，将信号的相关性与小波包的多尺度时频分析及重构结合在一起，并用于信号的去噪研究中．通过仿真研究和与目前小波去噪方法进行对比，证明了该方法去噪的有效性．     

基于小波包变换的信号去噪方法研究

为有效剔除信号噪声,得到没有污染的信号,便于进行信号分析,介绍了小波包变换的改进方法,给出了信号的小波包分解系数排序方法,将信号的相关性与小波包的多尺度时频分析及重构结合在一起,并用于信号的去噪研究中.通过仿真研究和与目前小波去噪方法进行对比,证明了该方法去噪的有效性.     

矿用通风机滚动轴承振动故障诊断研究

针对矿用通风机振动故障诊断中的特征提取问题,将小波包和希尔伯特变换相结合用于通风机滚动轴承的故障诊断,工程应用实例表明,通过该方法能有效提取出通风机滚动轴承内圈故障特征频率,诊断出滚动轴承的内圈故障,另外还可诊断出通风机存在轴系不对中故障,实现了通风机的精密故障诊断．     

基于小波变换说话人识别技术的研究

提出了基于小波变换理论的说话人识别算法———小波基包法 .利用小波变换多分辨的特性 ,提取出真正地反映基音周期变化的基频包络 ,从声学语音学的角度去认识方言和口音 ,首次提出了汉语口音的参量表征 ,并应用到说话人识别当中 ,以实现从听觉的角度出发 ,进行说话人的先天特性与后天特性相结合的说话人识别 .结果表明 ,从基频包络中可以表现口音的一些表征 ,有助于认识说话人的特性 .     

小波分析在滚动轴承故障诊断中的应用研究

为了能有效识别滚动轴承的故障信号,利用滚动轴承滚动体故障模型,构造相应的小波基;研究提升小波的预测器和更新器算法;利用小波基对故障特征信号敏感的特点,对轴承故障信号进行检测和分析.实验和仿真结果表明,利用提升小波对滚动轴承振动信号进行N层分解后,可在细节信号中容易地发现突变信号,再根据模极大值原理,有效地判断轴承故障是否存在;进一步对细节信号作Hilbert包络,检测功率谱中的故障特征频率,可准确判断滚动轴承滚动体是否存在损伤点.     

一种改进的小波变换快速算法

提出了一种改进的小波变换快速算法.通过对小波滤波器系数特点的分析,发现M allat算法的速度可以进一步提高.在小波分解与重构中可以成对地计算,即在分解中一次计算一个低频系数和一个高频系数,而在重构中则一次计算相邻两个恢复值.在每一对值的计算过程中,后一个值的计算可以利用前一个值的计算结果,从而减少乘法和加法的次数,达到提高速度的目的.文中给出了M allat算法和改进算法的实验对比数据.     

基于小波变换的人声语音增强技术研究

主要介绍了几种小波变换去噪的原理及语音增强的算法,并通过Matlab仿真结果证明了小波变换在人声语音增强方面的优良特性。     

基于形态小波和S变换的滚动轴承故障特征提取

针对传统小波在强背景噪声中提取冲击故障特征的不足,提出基于极大提升形态小波(MLMW)分析和S变换的滚动轴承故障特征提取方法.先利用MLMW变换将信号分解到不同形态尺度上,各尺度信号上保留着信号局部极值形态特征,对细节信号进行软阈值降噪处理,再从重构信号的具有良好时频聚焦性的S变换谱上提取故障特征.试验结果表明,MLMW既抑制了噪声和谐波分量,又显著强化了故障特征;相比传统小波和包络分析,能清晰地提取非平稳非线性故障特征.由于MLMW采用简单的形态算子和高效的提升方法,计算简单高效,适于故障特征的在线分析.     

基于小波和FFT的组合分形噪声生成方法

1/f类噪声是光学陀螺信号中的主要误差源,研究仿真生成这类信号的方法对分析光学陀螺的输出信号具有重要意义.基于常用的FFT和小波生成方法,考虑到这两种方法的特点和不足之处,提出了将两者结合来生成1/f类信号的新方法.与目前性能最好的小波方法相比,新方法不仅具有其优点,即可生成具有任意谱指数的1/f信号,而且,从所生成1/f信号的功率谱密度和Allan方差两方面进行比较,新方法的性能优于小波方法.