小波分析用于电力设备绝缘在线监测中信噪分离的研究

文章利用小波分析可进行时域与频域同时局部分析，频域窗口随信号的变化自动调整的特点。将小波分析应用于电力设备绝缘在线监测这类具有较大背景干扰情况下的信号处理，选择合适的小波基对混有噪声的信号进行变换，以实现信号与噪声的分离。并利用小波变换的快速算法对信噪分离作了仿真计算，讨论了小波分析在线监测等领域的应用前景。     

内燃机噪声源识别的小波相关系数方法研究

为了分析内燃机(ICE)噪声信号的时频特性和识别主要噪声源,研究了小波变换中尺度与频率之间的关系,重新定义了连续小波变换,并基于不同小波对同一信号分解时小波系数之间存在极大相关性,提出用规范化相关系数时频图分析噪声信号和识别内燃机噪声源的新方法.新方法能够准确地对信号进行时间和频率定位,且频域结果与信号功率谱相当吻合.对发动机声学信号进行了时频分析,同传统连续小波变换相比较,该方法能够更好地反映信号能量的时频域分布状况.结合声强结果,声学信号时频图能够直接地显示不同噪声源的时频特征.     

一种发电机局放极性提取与类型识别方法

大型发电机局部放电信号的极性对于局部放电类型的识别有重要意义。数字化的局部放电在线监测设备受现场强干扰和采样频率的限制,采集的局部放电信号存在大量噪声和局放信息丢失,给信号极性的提取带来了很大困难。小波变换是时间和频率的局部转换,通过伸缩和平移运算对信号进行多尺度细化分析,是去除信号噪声的有力工具。采用FFT作出所采集信号的频域图,确定局部放电信号的频率段,取出该频率段的信号。再利用与局部放电脉冲十分接近的Meyer小波对取出的信号去噪。然后,对去噪后的信号统计一定放电电压范围的正负极性脉冲,并根据局部放电信号极性与放电类型之间的关系,确定局部放电的类型。     

电阻点焊过程动态信号的时频分析

针对电阻点焊机焊点的质量在线监测问题，设计了一套点焊过程动态信号采集与处理系统，同步采集点焊过程电极间电压、焊接电流和电极位移信号，通过短时傅立叶变换、小波变换对信号进行时域一频域分析，确立了动态信号时域、频率特征与焊点形核过程的对应关系．     

小波变换在电网谐波电流检测中的应用

小波变换是一种变分辨率的时频联合分析方法,可以对时域和频域信号进行精确地分析。利用小波变换对电网中的谐波电流检测原理进行了分析,通过将电网电流信号分解到各个频带,将基波电流与谐波电流分离,从而达到检测电网谐波电流的目的。仿真实验表明,小波变换谐波检测可以有效地排除电压失真的影响,具有较高的检测精度。     

基于噪声小波包络谱的主轴承磨损故障诊断

传统的基于振动信号的内燃机主轴承磨损故障诊断中安装传感器以及提取故障特征频率很繁琐，为此，提出了基于噪声和正交小波监测往复式活塞发动机滑动主轴承磨损故障的一种新方法．利用Symlets小波分析将测得的机体噪声信号变换到时频域，得到含有内燃机主轴承间隙磨损状态的时频信息．主轴承磨损故障会使机体噪声信号的高频成分增加，而且高频滤波成分特征与内燃机的冲击过程相对应，所以，需选择合适的高频带加以提取并进行包络谱分析．通过声级计测取了代表主轴承4类间隙磨损程度的噪声信号，发现2个特征频率处的能量对间隙磨损状态比较敏感，均随著磨损量的增加而增加．通过该方法。可利用机体噪声信号监测主轴承的磨损状态．     

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     

基于小波原理的异步电机谐波分析

利用小波原理,将小波变换引入到异步电动机的电压信号监测中,以消除噪声信号,并提取出基波电压信号.     

小波分析在信号包络提取中的应用

包络分析是机械测试和故障诊断领域的常用方法 ,本文利用小波的频带分离特性和噪声的小波变换特性 ,将希尔伯特变换和小波分析结合起来 ,提高了提取信号包络信息的精度 ,并通过实例说明了这种方法的有效性     

基于小波变换频谱分析的变频电机状态监测系统

介绍了小波变换理论,论述了基于电流频谱分析的异步变频电机在线监测诊断系统架构。通过对电机电气信号的采集,利用小波变换频谱分析方法,分析了稳态运行时定子电流的频谱,提取出故障信号的特征,对电机典型故障进行了定位和诊断,并通过故障案例论证该诊断分析系统的有效性。     

基于最优小波包基的降噪方法及其应用

如何有效去除信号中的噪声是地球物理勘探领域中一个较重要的研究内容。如何去除有效数据中的噪声而保持信号的初至相位不发生畸变,常规的频率域或时间域滤波方法均不能较好的解决这个问题,而基于小波包基的信号去噪方法却是一种较好的方法。本文以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,对不同频率的系数采用不同的阈值进行量化,对高频信号采用Stein无偏似然估计的原则计算阈值,而在低频部分则采用以信号能为依据的浮动阈值,利用量化后的小波包系数重构得到去噪后的信号。仿真和实验结果表职,该方法去除噪声的同时并不改变原信号的相位,也不会产生波形的畸变。同时,将该方法利用到超声波数据降噪处理的工程实际中也取得了较好的效果。     

小波阈值降噪在岸桥小车轨道振动信号处理中的应用

针对测量时振动信号易受噪声干扰的特点,采用小波降噪法对原始信号进行降噪处理。小波具有“变焦距”、较好的时频局部分析能力等特性,适合非平稳信号振动噪声处理。分别通过小波阈值降噪法对仿真信号并口岸桥小车轨道铰点振动信号进行降噪处理。试验表明,小波阈值降噪法能够较好的消除噪声,能有效提高信噪比、降低均方误差,为进一步分析振动信号奠定了基础。     

应用小波分析研究信号消噪

噪声的去除一直是信号处理中较为关键的技术之一。小波变换在时、频两域都具有表征信号局部特征的能力 ,突破了传统 Fourier分析的局限性 ,很适合检测信号的奇异现象。用 Daubechies小波分别对信号本身的奇异性、噪声的奇异性进行分析 ,结果表明 ,二者具有较大的不同。因而 ,将小波用于信号消噪具有重要的参考价值。     

基于小波多分辨分析的阈值去噪

简述了基于多分辨分析原理的小波阈值去噪的基本方法,并介绍了几种阈限和选取阈值的规则.利用小波阈值去噪良好的时频局部化特性滤去信号中大量的背景噪声.通过模拟实验得到了良好的效果,说明小波阈值去噪方法适合于信号去噪.     

VLSI电路噪声特性检测阈值的分析及决策

给出了利用阈值选取和决策对VLSI电路噪声特性进行检测的方法。利用信号多分辨分解噪声模型算法进行系统参数分析,简洁且精确。实验表明:非平稳噪声在时域中是可以识别的,与传统的噪声频域检测方法相比,分辨率有明显的改善。非平稳噪声的小波域实时检测方法具有自适应能力强、对信号先验知识依赖少、能够进行完全重构、可较好地保留待测信号的波形信息、有效提高信噪比等优点。这一研究将为VLSI电路器件的严格筛选、故障诊断及定位、VLSI电路的可靠性研究提供新的理论依据和检测方法。     

地质雷达信号分析的双正交小波预测反褶积法

为了降低电磁波衰减、噪声干扰等因素对地质雷达检测效果的影响,提出一种双正交小波预测反褶积法（PDBW法）。在PDBW法中,针对地质雷达检测信号选取具有最小重构误差的双正交小波基,运用该小波基将地质雷达检测信号分解成不同频段的时域子信号,对各频段的时域子信号进行预测反褶积等滤波处理,再对处理后的子信号进行重构变换,得到PDBW法的处理结果。将PDBW法用于实验检测信号处理,并将处理结果与预测反褶积法的处理结果进行比较,结果表明：PDBW法能有效压制多次回波干扰,准确识别深部信号,显著提高深部信号信噪比,从而进一步改善地质雷达探测分辨率和图像分析的准确性。     

基于Daubechies小波的基音检测

语音中的基音成分是进行语音分析的重要参数，利用Daubechies小波在语音信号的低频分解方面的良好性质，提出了Daubechies小波分解的基音检测方法，该方法具有抗噪声性能良好、低频近似程度高等特点。     

心电信号的小波变换处理算法及仿真

为了有效去除心电信号中的干扰噪声,对信号特征点进行准确标定,采用小波变换的阈值去噪算法和时域峰值定位算法进行心电信号处理.利用bior3.7小波按照Mallat算法对ECG信号进行分解,结合软硬阈值与小波重构的算法对信号进行去噪处理,给出了小波变换与时域峰值定位结合的算法检测各特征点.仿真结果表明小波阈值算法能有效去除心电信号中的干扰噪声,保留心电信号的有效信息,基于小波变换的时域峰值定位算法能准确检测出心电信号中的特征点.     

基于平移不变的变形监测数据小波变换去噪处理

将实际观测到的一组烟囱垂直位移监测数据作为通常意义下的时序信号,并对其进行小波变换分析.利用基于平移不变的快速小波去噪算法,对变形监测数据进行去噪处理,对模拟数据和实测数据的处理结果表明,基于平移不变的去噪方法与传统的阈值去噪方法相比,能有效地去除伪吉布斯现象,提高信噪比,剔出变形监测数据中的噪声,识别被噪声湮没的有用信号.