小波包分析在GPS数据处理中的应用

本文利用小波包分析对GPS观测值进行分解,提出了基于小波包变换的信号消噪与周跳的检验和修复方法。通过实测数据进行了有关分析,分析结果显示了该法在GPS数据处理中的有效性。     

基于Daubechies小波变换在GPS信号处理中的应用

利用小波变换理论对带有噪声的GPS定位信号进行滤波，用多尺度分析特性对其信号进行轮廓和细节部分的逐步分解，将分解后的小波系数进行反变换可求出原始纯净信号。实验表明，Daubechies小波滤波器在对GPS信号滤波中达到满意效果。     

基于系数相关性的多尺度Kalman滤波器组的GPS共视观测数据算法

运用基于小波系数相关性的多尺度Kalman滤波器组算法处理GPS共视观测数据。在假设GPS共视钟差数据具有1/f分形特性的条件下,用基于小波变换的算法估计GPS钟差数据的自相似参数H。当0相似文献   

小波变换在语音识别中的应用研究

将小波变换用于语音信号的消噪、信号压缩,利用小波变换对压缩的信号进行重构是小波变换的一些典型应用,从中可以看出小波变换在分析信号跳变时的优势,并为小波分析用于语音信号的进一步处理打下基础。     

公交调度系统事件检测算法研究

利用小波Mallat算法对GPS采集的速度信号进行分解,并利用小波变换模极大值与信号奇异点的对应关系对信号进行突变点检测.根据小波可同时进行时频分析的特性,将GPS采集的速度信号在时频空间展开,并根据不同的公交车运行状态分别对信号进行分析.最后提出了以突变点大小、位置、个数以及平均速度和速度零点时间长短为参数的综合事件判别条件.通过与实测公交运行状态对比发现,以小波变换对GPS采集的速度信号进行突变点检测是非常有效的.     

GPS/SINS组合导航系统的多尺度融合算法研究

将传统的基于模型的动态系统分析法与基于统计特性的信号多尺度变换分析法相结合,提出一种多尺度融合算法,并用于GPS/SINS组合导航系统.该算法首先建立系统的原始尺度动态方程与观测方程;然后利用小波变换将该动态方程与观测方程在不同的尺度上进行数据融合;最后利用不同尺度上的融合结果进行全局最优融合,并利用该结果对SINS进...     

一种基于提升格式的过程数据压缩新方法

为了有效利用数据压缩中过程数据的局部特征，提出了一种基于提升格式的自适应压缩方法.该方法根据信号的局部特性选择预测环节，利用塔式分解中小波系数不参与下一层分解的特性，对小波系数做简单的可逆变换，将选择预测环节的信息保存在小波系数中.理论分析及仿真结果均表明，预测环节的选择信息不需要额外的存储空间，不会由于阈值处理和压缩编码受到损害，保证了逆变换的稳定性.与非自适应的插值小波以及常用的Haar小波相比，这种自适应的提升格式降低了均方根误差(RMSE)和单点误差(LPE).     

随钻声波测井数据实时压缩算法

针对随钻测井信号低传输速率特性,结合随钻声波测井时数据量大的实际,研究了波列数据实时在线压缩算法。在分析随钻声波测井信号特征的基础上,建立了基线和波形相结合的分段压缩模型,提出了预测编码与小波变换相结合的压缩方法。设计了符合基线变化的预测器来实现对预测值限幅后编码压缩,推导了与波形信号最佳匹配的小波函数,实现了基于提升算法的小波变换波形数据压缩,提高运算速度,满足实时性要求。通过对比原始信号及压缩恢复信号,验证了该算法能有效压缩信号,较好地保留信号波峰特征,并对信号中白噪声的消噪抑制具有很好的效果。     

一种新颖的电容层析成像数据采集滤波算法

针对电容层析成像ECT(electrical capacitance tomography)数据采集系统对采集精度和实时性要求,在分析ECT数据采集系统的滤波算法基础上,根据卡尔曼滤波和小波变换的特点,提出了一种基于小波变换和卡尔曼滤波的滤波算法。该算法首先将采集数据的信号经过多小波预处理得到平稳的观测数据,然后用噪声统计值估计器估计噪声统计值,以确保信号的稳定性和收敛性,最后经卡尔曼滤波以得到信号更加精准。仿真实验结果表明:与卡尔曼算法相比,本算法去噪效果更佳,得到的信号更精准可靠,提高了ECT数据采集系统数据采集精度,为ECT数据采集系统提供了一种新颖的滤波方法。     

基于小波变换的神经网络模拟电路故障诊断

对模拟电路提出了一种基于小波变换与神经网络相结合的故障诊断方法,该方法用小波变换对模拟电路故障信号提取小波特征,并经小波变换压缩,再将故障特征量输入至神经网络处理。结果表明,该方法有效地减少神经网络输入层单元数,简化了神经网络结构,提高了故障诊断能力。     

基于EMD和小波变换的结构风振高阶参振模态识别

为了确定结构随机理论求解中的高阶参振模态数目,采用经验模式分解(EMD)与小波变换相结合的方法分析结构气弹模型自激响应数据信号的时-频-谱联合特性,从原始信号中分解出固有模态函数(IMF),再对各个IMF进行小波变换提取信号特征参数,从而识别出结构风振随机计算所需的高阶参振模态截止频率,并将识别结果与直接采用随机理论对...     

基于小波和神经网络的传感器故障诊断

提出了一种新的基于小波包变换和BP神经网络的传感器突变故障诊断方法。根据小波变换在时域和频域都具有良好的局部化特性对信号特征进行精确定位,根据传感器输出信号的小波包分析提取能量变化率的特征向量,利用BP神经网络进行传感器故障分类。这种方法无需预先建立传感器模型和测量传感器输入信号,通过对小波包系数的削减,减少了冗余数据,提高了故障检测的实时性。仿真实验结果表明了该方法的有效性。     

使用小波分析方法提取焊缝位置信息

针对焊缝特征提取中普遍采用的线段拟合方法计算量大的问题,探讨了基于小波变换的焊缝特征提取方法;将离散小波变换和奇异分析理论引入焊缝特征提取问题;利用多尺度小波分析计算最小以及对信号奇异点敏感的特征,有杉db2小波对焊缝特征进行分析,通过采用小波变换模极大值传播规则,大大减少小了计算量,实验证明此方法具有较好的性能,有效地排除了局部信号对焊缝整体特征的影响,可以很快确定焊缝的位置。     

基于小波变换的大地电磁信号去噪研究

大地电磁信号具有非线性、非平稳、非最小相位特征,是一种典型的非平稳随机信号,传统傅里叶变换来对其去噪效果不是很理想。小波变换具有良好的时域分析和多分辨分析特性,用来处理非平稳随机信号可以获得更多有价值的信息,因此小波变换成为大地电磁信号的有效的去噪处理方法之一。本文基于小波变换的理论研究,研究了它在大地电磁信号去噪处理中的应用。研究表明,在大地电磁信号去噪中小波变换对于各种噪声的压制是非常有效的。     

小波变换及其在异步电动机 转子断路故障诊断中的应用

小波变换具有良好的时－频局部化特性,是信号的时－频域分析和处理的有效方法．简要论述了有关小波变换的基本理论,介绍了小波变换在异步电动机转子断路故障诊断的原理,给出了信号检测电路的组成．     

小波变换及其在异步电动机转子断路故障诊断中的应用

小波变换具有良好的时 -频局部化特性 ,是信号的时 -频域分析和处理的有效方法 .简要论述了有关小波变换的基本理论 ,介绍了小波变换在异步电动机转子断路故障诊断的原理 ,给出了信号检测电路的组成 .     

小波变换及其在滚动轴承故障诊断中的应用

小波变换不仅具有良好的时频局部化特性,而且它的时域分辨率和频域分辨率随着分解尺度变化而变化．广义的小波分析包括多分辨率分析和小波包分析,本文采用小波分解和信号重构的方法,提起了噪声掩盖下滚动轴承振动信号中的故障信息,并计算出406滚动轴承外圈故障下的故障特征频率,通过对比由公式求取的故障特征频率,从而对滚动轴承的故障进行诊断．     

利用小波变换提取电力系统故障时刻的研究

在简要介绍小波理论的基础上，将小波变换应用于电力系统故障时刻的提取，并给出了220kV系统单相接地故障的MATLAB仿真实例，同时根据有效信号和随机噪声的小波变换呈现出不同的特征，探讨了小波分析用于微机继电保护时，尺度参数对小波变换的影响。