离散余弦变换在轴心轨迹自动识别中的应用

探讨了应用离散余弦变换数据压缩技术和神经网络技术自动识别轴心轨迹的形状和动态特性的方法,在提高网络输入分辨率的同时,进行数据压缩,使系统输入维数保持不变。通过对实验模拟故障数据的学习,在更高的识别率下实现了对轴心轨迹形状和动态特性的自动识别。     

基于离散余弦变换的SAR原始数据幅相压缩算法

提出一种合成孔径雷达(synthetic aperture radar,SAR)原始数据幅相(amplitude and phase,AP)变换域压缩算法,该算法首先把以幅度、相位形式表示的SAR原始数据做离散余弦变换以降低数据间的相关性,并使数据的统计特性符合高斯分布,再对变换系数进行网格编码量化(TCQ)。对实测SAR数据进行了实验,结果表明该算法能够有效地控制相位精度,在同等量化标准下,平均误差和相位误差有了一定的降低,数据相似度、数据信噪比、图像信噪比等指标都有相应的改善。     

基于离散小波变换的机械故障信号提取

机械传动的轴承、齿轮等关键部位的故障信号中都含有冲击信息,通过对冲击信息的提取就可以对设备做出精密诊断.本文针对机械故障难以预先发现的问题,将离散小波变换和频谱分析相结合从机械的振动信号中提取非平稳信号,以此作为判断故障信号及类型的依据.从实际的应用效果看,利用离散小波变换技术提取冲击信号是非常有效的.     

基于多维矢量矩阵的离散余弦变换快速算法

为了提高彩色视频流压缩变换的速度,缩短变换时间,将基于多维矢量离散余弦变换(DCT)正交矩阵的视频流压缩算法同现有的快速DCT算法相结合,提出了基于多维矢量矩阵DCT的快速算法.首先,对一种实用性较强的一维快速DCT算法进行部分校正与补充,并将两种极具代表性的二维快速DCT算法,即行列分解法和线性组合法拓展到了多维层面.然后,结合多维矢量矩阵理论,推导出了两种DCT快速算法及其蝶形示意图,并分析了算法的乘法运算次数.最后,将这两种基于多维矢量矩阵的DCT快速算法应用在标准视频库中测试视频的压缩编码中,同时做了对比实验.实验结果表明:两种算法在DCT时所需的时间均小于0.25 s,满足视频实时性的要求.该算法在保证重建视频质量的同时降低了运算时间,并将DCT快速算法从低维扩展到了多维,可以处理更多维数的视频.     

探地雷达目标检测中的离散余弦变换方法

提出了一种以一维离散余弦变换分量作为特征量的探地雷达目标粗略检测方法.首先对探地雷达A-scan信号进行离散余弦变换,而后根据目标与背景处A-scan离散余弦变换最小分量差异较大的特点,引入离散余弦变换最小分量平方作为检测特征量,最后选取特定的阈值进行目标位置的判断,实现目标的粗略检测.实验结果表明,离散余弦变换最小分量作为检测特征量检测定位比较准确,虽然计算时间比能量法长,但精度比能量法高,可以用于目标的粗略检测.     

基于辛几何提取变换的轴承故障诊断研究

针对旋转机械(轴承)振动信号噪声驳杂,其故障特征难以提取的问题,提出了一种基于辛几何特征提取的时频分析方法,并将其运用于滚动轴承的故障诊断中.首先利用辛几何相似变换,求解了Hamiltonian矩阵的特征值;然后用其重构了多个单分量信号,并选取了有效分量重构,将同步提取算子引入了重构信号,剔除了时频信号中的发散能量,得...     

节约器件的三维离散余弦正/反变换通道式算法结构

针对3D离散余弦正/反变换(DCT/IDCT)算法单元通道式结构需大量使用延时器和选择器以及不同分块器件的兼容性问题,提出一种节约延时器和选择器的通用性通道式算法单元及整体结构。首先,根据三维DCT理论提出兼容正反变换通用的通道式算法结构;建立由延时器和选择器组成的可重复使用的延时器组模型,使其具有整合性和嵌套性。然后,提出节约延时器的三维DCT通用性通道式算法单元及整体结构。最后,利用提出的节约器件的三维DCT/IDCT通道式结构对不同格式、不同大小分块的视频信号进行处理。实验结果表明,随着分块增大,提出的节约器件的方法使用的延时器和选择器的数量明显减小,当分块大小达到64×64×64时,延时器和选择器使用个数分别降低了54.7%和44.5%。得到的结果说明提出的方法可以减少延时器和选择器的使用,满足硬件对降低成本的要求,提高了能效,同时便于不同分块的集成。     

快速二维离散余弦变换的VLSI设计

针对多标准图像视频编码器中二维离散余弦变换的复用问题,设计了适用于MPEG-4,H.263,JPEG,H.264 High Profile编码器芯片的快速8×8 2-D DCT IP核,并完成了RTL设计、仿真和FPGA原型验证。通过引入H.264 High Profile 8×8整数变换矩阵和增加缩放模块,完成了多个标准中2-D DCT的复用。经Xvid MPEG-4编解码器验证,满足精度要求。设计采用流水线技术,并优化了速度和频率,在90 nm CMOS工艺下频率达到840 MHz。研究结果表明,该技术能很好地应用于多标准编码器中。     

彩色图像三维六边形离散余弦变换编码

为了适应人眼视网膜细胞的正六边形结构的排列方式并充分利用彩色图像各颜色分量间的相关性,提出了一种基于六边形采样的三维离散余弦变换方法。该方法根据传统的矩形采样和正六边形采样之间的关系来完成两者的转换; 然后在已有的六边形离散余弦变换的基础上提出三维六边形采样的离散余弦变换,并验证它的能量集中性。最后,在同一个模型下建立彩色图像的空间位置和颜色分量,并利用提出的方法分别以不同的子图大小对不同的图像进行整体变换。实验结果表明：相对于传统的矩形采样,提出方法的压缩比提高了约51.1%,峰值信噪比提高了约16.3%,从而有效地降低了彩色图像各颜色分量间的相关性。得到的结果表明,利用六边形采样技术可以提高采样率,降低编码速率。     

离散小波变换在传感器故障诊断中的应用

本文提出一种基于离散小波分析的传感器故障诊断新方法,该方法不需要模型,具有灵敏度高、故障诊断率高及克服噪声能力强的特点,仿真研究取得了满意的效果。     

S变换用于滚动轴承故障信号冲击特征提取

为从低信噪比的滚动轴承故障信号中提取出冲击特征,以便于进行轴承故障诊断,引入S变换的信号处理方法。以短时傅里叶变换（short time Fourier transform,简称STFT）以及连续小波变换（continuous wavelet transform,简称CWT）为理论基础,分别推导得出了连续S变换的定义式,并利用快速傅里叶变换（fast Fourier transform,简称FFT）实现S变换离散化计算。S变换克服了STFT时频分辨率固定的缺点,弥补了CWT缺乏相位信息的不足。仿真信号研究表明,S变换在信号整个频带上具有良好的时频分辨率和时频聚集性,能够提取低信噪比信号中的冲击特征,且性能优于STFT和CWT。最后对一组实际的滚动球轴承故障振动信号进行S变换处理,结果表明,S变换能够方便有效地从中提取出周期性的冲击特征,从而指导滚动轴承相关故障的诊断。     

基于奇异值分解拓展应用的故障特征提取技术

以奇异值分解理论为理论基础,通过对奇异值分解矩阵的架构分析,提出了滑移矩阵序列的架构方法。以该方法为指导,引入差异谱、主奇异和、最大特征值重构和最优化滤波器设计等方法,成功实现了滚动轴承故障特征提取。试验数据分析结果表明,提出的基于滑移矩阵序列奇异值分解的故障特征提取技术对于滚动轴承微弱冲击故障特征具有优越的识别和提取能力,对实现滚动轴承强噪声背景下的故障诊断具有重要意义。     

基于CEEMD-WPT的滚动轴承特征提取算法

为实现对滚动轴承振动信号中特征频率成分的精确提取,提出了将互补总体平均经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)与小波包变换(wavelet package transform,简称WPT)相结合即CEMMD-WPT特征信号提取算法。两种方法的结合既有效解决了CEEMD分解后依然存在的模态混叠问题,又消除了进行WPT处理后产生虚假频率分量、频率混淆现象的影响。通过仿真试验验证了该方法的有效性,并应用于实际,取得很好的结果。     

基于Gabor变换的轮边减速器特征提取技术

研究矿用自卸车轮边减速器中部件局部故障振动信号的频谱结构,对于轮边减速器故障诊断具有重要意义.模拟内齿圈局部故障振动信号,利用Gabor变换提取方法对含噪声的故障振动信号进行降噪,并应用频谱分析方法诊断出了内齿圈故障,显示了该方法在信号提取和压制噪声的效果,为矿用自卸车轮边减速器故障诊断提供了有效的诊断方法.     

柔性椭圆轴承故障频率分析与CMWT-FH特征提取

柔性椭圆轴承（Elliptically shaped baring,ESB）在工作中承受循环交变应力载荷,是谐波减速器中最易损坏的核心零件。根据ESB的运动学特性,推导其滚道表面发生局部缺陷故障时的特征频率公式。由于其故障特征容易被长短轴交替产生的振动激励信号所掩盖,提出连续Morlet小波变换（Continuous Morlet wavelet transform,CMWT）与基于FFT的Hilbert频谱分析（FFT based Hilbert,FH）结合的CMWT-FH故障特征提取方法。与普通FH方法的特征提取效果对比分析,CMWT-FH方法可以更容易、更准确地识别出ESB的故障特征频率及其边频带频率：外圈故障时,外圈故障特征频率及其高次倍频两侧存在间隔为二倍转频调制频率的边频带;内圈故障时,内圈故障特征频率及其高次倍频两侧存在间隔为转频调制频率的边频带。可结合故障特征频率及调制边频带来判断故障出现在外圈还是内圈。     

基于小波包的滚动轴承故障特征提取

在深入分析离散小波包变换快速算法的基础上，给出了离散小波包变换快速算法中产生频率混淆的原因，即由正交镜像滤波器的非理想截止特必, 隔点采样和隔点插零的特性共同作用产生的，提出了一种消除频率混淆的算法，利用该算法和原算法，分别对某型滚动轴承内环剥落故障的振动信号进行处理，提取其故障特征，结果表明，原算法由于存在频率混淆，可能掩盖故障特征，提出的新算法，由于很好地消除了频率混淆，能有效地提取滚动轴承局部故障的特征。     

多小波系数特征提取方法在故障诊断中的应用

针对机械故障的特征提取问题,提出一种基于多小波系数的机械故障特征提取方法。首先,对不同工况的机械振动信号进行多小波分解;其次,利用分解后各层多小波系数的统计特征包括最大值、最小值、均值和标准差作为该工况振动信号的特征向量;最后,利用支持向量机的方法对机械故障进行识别。对滚动轴承正常状况与内圈故障、滚动体故障、外圈故障3种故障及多种损伤程度的实测振动信号进行故障识别试验,试验结果表明,该方法用于机械故障诊断可以获得较高的识别率,识别效果要优于基于单小波系数统计特征的识别方法,具有一定的工程应用价值。     

基于自适应最优Morlet小波的滚动轴承故障诊断

滚动轴承早期故障信号中故障信息比较微弱常常被强噪声所掩盖,增加了对滚动轴承故障诊断的难度。针对这一问题,笔者提出了基于自适应最优Morlet小波变换的滚动轴承故障诊断方法。首先,利用粒子群优化算法对Morlet小波变换的核心参数进行自适应寻优,在获得最优Morlet小波的同时保证了良好的带通滤波性能;然后,将最优Morlet小波对滚动轴承早期故障信号进行滤波去噪,提高信号的信噪比;最后,对最优Morlet小波滤波信号进行包络谱分析,通过包络谱中的主导频率成分与滚动轴承各元件的故障特征频率对比从而判断轴承的故障位置。仿真数据和实测数据分析结果证明,笔者所提方法能够有效提取故障信号中的特征信息,具有一定的有效性。