基于ICA和小波变换的轴承故障特征提取

应用独立分量分析方法和小波变换分离轴承的振动信号，提取其状态特征。并对信号进行自相关预处理，突出信号的非高斯成分，较好地满足独立分量分析的前提条件，即源信号统计独立。采用基于负熵的快速独立分量分析（ICA）算法，成功地分离出了信号的一些独立成分。对ICA处理后的分量信号进行小波变换，完成信号检测，消噪，频带分析，以获取故障信号特征，确定故障的位置和强度。研究结果表明，独立分量分析方法和小波变换能提取明显的轴承故障信号特征。     

基于小波变换的脉象信号特征提取方法

为了较好地区分正常人与心脏病人的脉象信号，利用小波变换奇异性检测功能与多尺度分辨特性，提出了两种提取脉象信号特征的方法：连续小波变换法和二进小波变换法。在此基础上，构造了两种特征向量：小波变换系数的尺度——主波峰值和小波变换的尺度——能量值。经过对临床采集的235例脉象信号的处理与分析统计，所得数据具有较好的重复性与稳定性，可以作为用于脉象信号识别的特征向量。     

基于倒谱和小波变换的驱动桥故障特征提取

给出了一种驱动桥故障特征提取的方法，即无论驱动桥处于工作时的动态，还是非工作时的静态(采用锤击制造源信号)，所提取的信号都经过离散小波消噪处理，和小波包分解。对工作时的动态，需再用倒谱变换方法进行特征提取。此方法成功地解决了特征提取环境与工作环境不一致及动、静态故障特征提取方法差异过大的矛盾。用此方法提取的神经网络训练样本，会提高系统辨识的精确性。     

基于Gabor小波变换的人脸表情特征提取

提出了一种基于Gabor小波变换的人脸表情特征提取算法。针对包含表情信息的静态灰度图像,首先对其预处理,然后对表情子区域执行Gabor小波变换,提取表情特征矢量,进而构建表情弹性图。最后分析比较了在不同光照条件下不同测试者做出6种基本表情时所提取的表情特征,结果表明Gabor小波变换能够有效地提取与表情变化有关的特征,并能有效地屏蔽光照变化及个人特征差异的影响。     

基于小波变换的整流装置故障特征提取

在对某型号飞机电源系统整流装置进行故障模式分析的基础上,通过对各故障模式下整流装置输出电压的实测信号样本的频谱分析,获得对故障敏感的特征频率点,根据小波变换的多分辨率分析理论,确定了与特征频率点相对应的小波母函数和变换尺度.在此基础上,通过定义"频带能量特征向量",将小波变换得到的小波系数转换为一组特征向量,作为故障检测的依据.实测样本信号的分析结果表明,该方法克服了传统傅立叶分析的固有缺陷,得到的故障特征向量符合灵敏性、鲁棒性的要求,可有效区分各故障模式.     

基于小波变换的人车目标特征提取算法

借助小波变换在时频分析上的优点,提取地面运动目标的回波信号特征在目标识别中加以应用.首先对目标的回波信号进行预处理,获取目标的瞬时多普勒频率信号,然后对该信号进行小波分解与重构,通过对特定频段的信号分析就可实现对运动目标周期性特征的提取.以在战场侦察雷达探测的人车目标识别中的应用为例,讲述该算法在人车目标识别中的特征提取过程,采用实际雷达回波数据对该特征提取算法进行验证,并对识别效果作分析.     

基于小波变换的电子档案查阅系统电路故障自动诊断研究

针对传统电路故障的诊断准确率低下的问题,以电子档案查阅终端中的充电模块中的三项桥式全控整流电路为研究对象,采用小波包改进的小波变换对电路波形特征进行提取,然后采用基于高斯变异和轮盘赌算法改进的人工免疫算法,并将改进后的算法应用到电路诊断中,以此提高电路故障诊断的准确率。结果表明,小波包变换可提升故障波形的特征提取的效果。在此基础上,改进后的免疫克隆变异算法的故障识别准确率趋近于99.8%,且诊断时间为1.62 s,相比较传统的电路诊断算法,诊断准确率提升25%,诊断时间缩短了0.27 s。由此说明,基于小波包变换和改进后的人工免疫算法能显著提升电子档案查阅系统故障诊断的准确率和效率。     

基于小波变换的血压信号特征提取方法研究

该文针对传统的人体血压信号特征提取方法的不足,提出了一种了基于小波变换的人体血压信号特征量提取方法。人体的血压信号是一种非平稳的低频信号,使用Marr小波对人体血压信号进行小波变换的时间一尺度分解,可以得到人体血压信号的模极大值曲线;通过选择合适的分解尺度,可以有效地滤除噪声,对人体血压数据进行消噪处理;进一步滤除奇异性极大值点,可以提取出动脉波动位置和动脉波动幅度信息。文中给出了算法的完整实现,并利用实际采集的人体血压数据验证了该算法,得到了波峰模极大值点和心脏跳动所发生的精确时刻,为人体血压信号的参数识别奠定了基础。     

基于小波包变换的脑电波信号降噪及特征提取

针对原始脑电波信号存在非平稳性且非常容易受到各种信号干扰等特点,对基于小波变换和小波包变换的脑电波信号的滤波降噪方法,和基于小波包变换的脑电波信号特征提取方法进行了研究。首先利用MindSet采集到原始脑电波数据,然后分别应用小波变换和小波包变换对其进行降噪处理,比较了两种方法的性能,验证了基于小波包变换的降噪方法的优越性和特征提取方法的有效性。     

小波变换在脉象信号特征提取中的应用

论文首先介绍了人体脉象是非线性、非平稳的微弱信号这个特点,然后分析了传统人工脉诊的缺陷,在当今信号处理和计算机相关技术的飞速发展,提出了很多运用现代科学对脉象分类的方法。由于小波具有优良的时频分析特性,而且还具有处理非平稳随机信号的能力,论文提出利用小波提取脉象特征,得到了很好的识别效果。     

基于平稳小波变换的掌纹特征提取与识别

掌纹识别作为一种重要的生物特征识别方法,其中的一个重要环节就是掌纹特征的提取。论文基于图像的多尺度分析的思想,提出了一种利用平稳小波的局部极值点来提取掌纹特征的方法。文中利用平稳小波变换,对图像进行不同方向的滤波,然后提取各方向的极值点并融合作为特征点。并以此为基础进行不同掌纹的匹配识别。     

基于经验小波变换的结构损伤特征提取

为了更好地提取结构损伤特征信息,提出了基于经验小波变换(EWT)和希尔伯特变换的振动信号分析方法。首先,用EWT对结构损伤加速度振动信号的频谱进行自适应分割,然后提取不同的调幅-调频(A M-AF)分量,最后对其进行希尔伯特变换,获取瞬时频率。仿真和工程实验结果表明:经验小波变换相对于经验模态分解(E MD)可以更好地提取信号的各个特征分量,为信号时频处理奠定基础,且分解的模态少,不存在虚假模态。同时,EWT与Hilbert的结合更进一步验证了该方法的有效性。     

基于小波变换的浮选泡沫图像纹理特征提取

随矿物浮选工况的变化,精选泡沫表面出现亮度分布不均、灰度分布差异性大的特点,表现出明显的纹理特性。为定量分析精选泡沫表面纹理特征与浮选工况间的关系,采用小波变换方法提取纹理特征均匀度,实现精选泡沫表面纹理的量化描述,并通过实验分析,获得精选泡沫的最佳纹理区间。工业现场运行结果表明,该方法可以实时监视精选泡沫表面纹理特征变化,有利于浮选生产指标的优化 控制。     

一种基于小波变换的指纹特征提取算法

提出了一种基于小波变换的指纹纹理特征提取算法。首先以指纹图像的核心点为中心分割出一片有效的矩形区域,然后对分割后的有效区域做二维小波分解,提取小波分解后各通道的能量值作为特征值来进行识别。与传统的基于指纹细节点的识别算法相比该算法一定程度上减少了计算量,对指纹图像的质量要求也不高,并且识别精度也得到了保证。     

模拟电路故障特征提取的小波基选取方法研究

小波技术在高维故障特征数据的压缩及敏感信号提取已被广泛应用,但小波基的选取没有一个统一的标准;通过实际采样信号数据的小波分解、特征向量计算、波动性函数比较等技术对小波基函数的选取进行了研究;最后通过综合小波分析、神经网络等技术的模拟电路故障诊断系统的诊断实例验证了所提选取方法的有效性;使用9种常用小波基函数,分别对采样信号进行分解并计算波动性函数,并在模拟电路故障诊断系统进行验证;小波基函数bior2.2的波动较小且与诊断结果一致。     

基于小波变换的纹理特征提取分析

在图像检索技术中，充分利用纹理特征能大大提高图像检索的准确率。用小波变换的方法提取图像纹理特征参数优势明显．也符合纹理识别的特点。     

基于离散小波变换的某型航空发动机故障诊断研究

主要研究了离散小波变换极值点的方法在航空发动机传感器故障诊断中的应用;对输入信号输出信号进行离散小波高、低频系数分解重构,利用该系数求出输入输出信号的奇异值,然后去除由于输入突变所引起的极值点,其余的极值点对应于传感器的故障;在MATLAB平台下,仿真结果表明,该故障诊断方法可以及时、有效地检测出航空发动机传感器出现的各类故障。     

小波变换在轴承故障诊断中的研究

介绍了小波分析理论和MATLAB小波工具箱,并利用MATLAB小波工具箱进行信号分析。滚动轴承是各种旋转机械中应用最广泛的一种通用机械部件,它的工作状况直接影响机械设备的使用性能。小波分析是一种时频信号分析方法,它具有时域和频域的局部化和可变时频窗的特点,利用小波变换和小波包对信号在不同的频带下进行分解与重构,并对不同的分析方法进行了比较,特别是对不同的小波函数也进行了比较。最后,提出利用数据挖掘的理论来建立轴承故障诊断的数据挖掘模型库。