基于卷积神经网络的雷达工作模式识别

该文针对不同雷达工作模式的信号特征,提出一种基于卷积神经网络（convolutional neural network,CNN）的雷达工作模式识别方法。不同工作模式下的雷达信号的脉冲宽度、脉冲重复周期、脉内调制样式和数据率等特征均有所不同,所以该文利用这4个特征参数构建1个图像矩阵,再提取方向梯度直方图（Histogram of Oriented Gradient,HOG）的特征,送入CNN进行雷达工作模式识别。仿真结果表明,该识别方法有较高的识别准确率。     

基于经验模态分解和离散小波能量特征的地毯织机噪声源识别

为识别和定位地毯织机主要噪声源,提出一种基于经验模态分解（EMD）和离散小波能量特征的地毯织机噪声源识别方法。首先应用EMD 对地毯织机噪声信号进行分解,获得若干本征模态分量,根据互相关系数剔除虚假分量并重构信号;其次使用ab 20小波对重构信号进行离散小波变换,分解得到各小波分量并计算各分量的能量 占比;然后提取能量占比较大的分量,分析其时频特性;最后采用激光测振仪依次测量地毯织机各主要部件的振动信号,对比分析得到主要噪声源所在位置,从而完成识别。研究结果表明,该方法可有效地识别和定位地毯织机主要噪声源。     

基于小波变换与RBF神经网络的焊缝缺陷智能化检测

文章主要阐述了对船舶水下关键部位焊缝缺陷的一种智能化检测及识别方法。该方法基于小波变换与RBF神经网络理论。利用小波变换对回波信号进行预处理,提取出所需要的焊缝缺陷的特征信息。然后由RBF神经网络对特征信息进行学习训练,通过对神经网络输出值与焊缝缺陷类型输出代码进行比较后,最终得出焊缝缺陷类型的检测与识别结果。     

基于小波分析的折叠成网机传动辊轴承故障诊断

针对折叠成网机传动辊轴承振动信号调制源多和呈现非平稳性等特点而导致常规的傅立叶分析诊断故障效果不佳的情况,提出了一种小波变换的时频分析方法,对轴承振动信号进行分解和重构处理,获得振动信号在不同的频段的分量,提取相应特征频段重构分量的功率谱的频域统计值作为特征参数,进行轴承故障诊断。试验结果显示该方法有较好的诊断效果。     

基于小波分析的铺网机传动辊轴承故障诊断

铺网机传动辊轴承振动信号调制源多呈现出非平稳性等特点，导致常规的傅立叶分析诊断故障效果不佳的情况。本文提出了一种应用小波变换的时频分析方法，对振动信号进行分解和重构处理，获得了振动信号在不同的频段的分量，提取相应特征频段重构分量的功率谱的频域统计值作为特征参数，进行轴承故障诊断。试验结果显示该方法对铺网机传动辊轴承故障诊断有很好的效果。     

基于主成分分析的纤维拉伸断裂声发射信号识别

针对纤维拉伸断裂声发射信号的非平稳性、信号特征间高度重叠等问题,提出一种声发射信号特征提取及纤维种类诊断的模型。该模型可用于识别拉伸断裂的纤维种类。首先,通过小波变换、增强经验模态分解方法（EEMD）对不同种纤维的拉伸断裂声发射信号进行预处理、分解;然后,结合主成分分析方法（PCA）提取频率特征;最后,运用最小二乘支持向量机（LSSVM）对纤维拉伸断裂的特征频率进行分类识别。结果表明,主成分分析方法能将信号特征降维,并降低不同纤维频率特征之间相关性,提高了对纤维拉伸断裂声发射信号的准确识别。针对芳纶1313、高性能维纶纤维拉伸断裂的声发射信号,EEMD-PCA-LSSVM模型总识别率达96%。     

小波分析在纸机压榨部轴承故障诊断中的应用

针对纸机压榨部滚动轴承尺寸大响应弱、运转速度低、低频信号容易淹没、调制源多、振动信号非平稳性等特点而导致常规的傅立叶分析诊断故障效果不佳的情况，提出了一种应用小波变换的时频分析方法，对振动信号进行分解和重构处理，获得了振动信号在不同的频段的分量，提取相应特征频段重构分量的功率谱的频域统计值作为特征参数。从而实现对轴承故障诊断。试验结果显示该方法对纸机压榨部故障诊断有很好的效果。     

小波变换在突变信号检测中的应用仿真研究

本文介绍了小波变换及其检测突变信号的基本原理,选用了具有低通特性的高斯函数高斯函数作为小波基的小波变换能够有效识别出非平稳态的突变信号,而且小波尺度大小的选择与检测精度有直接关系。     

基于神经网络的复合材料缺陷超声波检测研究

描述了三维编织复合材料内部缺陷的超声波检测方法。在实现方法上,系统对三维编织复合材料的超声波A扫描回波信号进行小波包变换后,材料的内部缺陷信号被分解后表示为能量特征,并将缺陷特征值作为BP神经网络的输入参数,通过BP神经网络实现对三维编织复合材料微裂纹和孔隙的分类识别,并对三维编织复合材料缺陷自动化识别。实验结果证明该方法分析三维编织复合材料内部缺陷是可行性。     

基于小波包分析的超声相控阵检测信号特征提取

通过对超声相控阵A扫信号进行小波分析,研究了基于小波能谱信息熵的特征信息获取方法。并对最优小波基的选取提出了基于能量差异原则的选取方法,对40种小波基的能量差异进行分析,选取了三种小波基对两类A扫信号进行小波包分析,用于信息熵值的提取。最后对掺杂不同杂质的碳纤维复合材料的A扫信号的超声检测信号应用所选小波基进行分解,计算了信息熵值并加以比对,作为不同掺杂下碳纤维复合材料的超声相控阵信号的特征值。     

基于决策论的通信信号调制方式的识别

采用基于决策论的方法,对7种通信调制信号进行识别。利用MATLAB对AM、DSB、SSB、2ASK、2FSK、2PSK、4PSK进行特征提取,根据不同信号在瞬时相位,瞬时幅度,瞬时频率上的不同特征识别出各种信号。     

基于小波变换的抑制心电信号噪声方法研究

针对在采集心电信号的过程中容易产生多种多样噪声的问题,利用小波函数的多尺度多分辨分析的特性,采用小波变换分解重构的方法,选用4尺度对心电信号进行滤波处理.仿真结果表明,该方法对于50 Hz工频干扰、肌电干扰、基线漂移有较好的抑制作用,为心电信号QRS波的识别奠定了良好的基础.     

基于小波分析的航空发动机气动失稳信号分析方法

文章旨在做好航空发动机气动失稳信号的有效分析,通过应用小波变换的方式分析了小波变换的原理,以航空发动机气动失稳信号检测为例分析了小波变换过程的信号失稳检测,信号分析结果表明借助于小波变换的时频分析能力逐渐增强,故障诊断率高,应用价值较好。     

基于解析小波变换和Hilbert模量频谱分析的感应电动机转子断条故障诊断

针对感应电动机转子断条故障诊断会受负荷波动影响以及故障频率容易被基波成分湮没的问题,本文提出基于解析小波变换和Hilbert模量频谱分析的感应电动机转子断条故障诊断方法.首先对感应电动机的定子电流信号进行解析小波变换,判断负荷是否波动;然后根据负荷波动的定位信息提取位于负荷平稳时间段内的定子电流信号,构造此负荷平稳时间段内的定子电流信号的Hilbert模量,对其做频谱分析,判断是否含有2sf1频率分量,以确定感应电动机是否发生转子断条故障.仿真结果表明了这种基于解析小波变换和Hilbert模量频谱分析的感应电机转子断条故障诊断方法的有效性.     

基于不同小波基函数的多层小波变换掌纹识别方法研究

利用手掌的几何轮廓对掌纹图像进行预处理,分割得到感兴趣区域(ROI).基于不同的小波基函数,对掌纹图像分别进行多层小波变换,进而提取不同小波下的能量特征.通过计算不同基函数、不同层次下小波能量特征的识别率,得出不同小波基识别能力的强弱.实验表明,与以往算法相比,本方法具有较好的识别效果.     

小波在超声无损检测C复合材料缺陷中的应用研究

针对超声检测碳复合材料易出现的信噪比较低的问题,本文具体分析了典型的超声检测信号的组成和分离方法,提出利用小波包变换提取反映缺陷性质的特征值。结合MATLAB的工具箱编写信号处理程序,实现对信号的小波包的分解,同时输出信号的特征参数值和相关的分析结果图。最后,利用谊程序对带缺陷的碳复合材料进行分析,通过提取的特征值可以方便实现对缺陷定位的无损检测。     

基于神经网络的织物疵点识别技术

因织物组织繁多,表面特征各异,很难建立一个统一的织物疵点识别模型。为了解决这一问题,实现自动验布,提出采用双层神经网络和小波变换来识别织物疵点的方法。先对正常织物进行训练,得到织物的特征,应用第1层简单BP网络来分辨正常织物和疵点。然后对疵点图像进行二维离散小波变换,并去除织物本身的特征,利用已训练的BP网络进行具体疵点识别。试验证明,这种方法的准确性较高,速度快,基本接近自动验布系统的要求。     

纱线信号时频分析方法比较

阐述了一种新的时频分析方法——基于Hilbert-Huang变换的Hilbert时频谱分析,并将其应用到纱线信号分析中。以毛条信号为例,将短时Fourier变换、小波分析和Hilbert谱分析方法进行比较,指出Hilbert谱分析能对信号的时频分布做出比短时Fourier变换和小波分析更为精确的描述,从而能更准确地揭示纱线信号中能量在时域和频域同时变化的过程。通过对纱线信号进行时频分析,可以得到每个瞬间的频率变化,进而对其进行在线谱分析,可以实时监测工艺及设备状况的变化,及时发现生产过程中的异常。     

石材平面磨削温度信号的小波分析

采用热电偶夹丝法测量了平面磨削山西黑石材过程中接触弧区的温度。利用小波分析提取信号中各个频率段的成分信息,探讨了石材平面磨削温度信号的频率特征。比较了傅里叶变换低通滤波、小波强制消噪、默认阈值消噪和给定阈值消噪处理等手段对温度信号的消噪结果,结果表明,小波去噪比傅里叶变换滤波更有利于保存信号的高频有用成分,而确定合理的阈值进行给定软阈值消噪比默认阈值更具有可信度。     

基于小波结合模糊聚类和神经网络的机械故障诊断法

分析了小波分析、模糊聚类以及神经网络各自在信号处理方面的优势。以小波变换（或小波包变换）提取故障特征,对神经网络的输入和输出进行模糊化处理,最后用神经网络进行诊断。从而提出了一种有别于传统的、高效的机械故障诊断方法。