小波分析估计冲击信号之间时间延迟的方法

本文首先分析了小波变换对信号突变的敏感性，并以此来检测跌落零件冲击信号到到达时刻，从而估计不同传感器所测的冲击响应信号之间的时间延迟，模拟铁路冲击的实验数据验证了该方法的有效性。     

利用缸盖噪声信息诊断柴油机失火故障

叙述了内燃机故障检测的新方法，即利用发动机运转的噪声信息来诊断内燃机失火故障，利用小波分析技术从发动机噪声信号中提取发动机的燃爆和气门开闭信息，相对于传统的基于振动的诊断方法，基于声学的诊断方法有着振动不可比拟的优点，这种方法不需接触发动机表面，不必粘贴传感器，不受发动机结构空间限制，而且检测系统简单，大大缩短了检测时间，提高了检测效率。     

爆破条件对爆破震动信号分析中小波包时频特征的影响

非平稳信号的小波包分析是在小波变换基础上发展起来的 ,它对小波分析中没有细分的高频部分进一步分解 ,从而能够对信号局部信息进行更为精细的掌握。爆破条件是影响爆破震动时频特征分布的主要因素之一。本研究中 ,针对在不同段药量、不同微差间隔时间及近似相同的其它条件下产生的爆破震动信号 ,运用小波包分析方法对其进行了时频分析 ,主要探讨了段药量、段微差间隔时间对爆破震动时频分布的影响规律。段药量对爆破震动波形时频特征的影响主要体现在各层小波包主振频带内的细节信号峰值质点振速方面 ,各细节信号的峰值质点振速随段药量增加而增大 ,但主振频带分布保持基本的一致性 ,同一主振频带下小波包细节信号的阻尼比也趋于一致 ;段微差时间间隔对爆破震动时频特征的影响主要表现在 :延长各主振频带小波包细节信号的振动持时 ,不同微差单段波形的叠加增加了主振频带个数 (优势频率个数 )并使各频带内的优势频率值有微弱增大的趋势     

基于小波变换的医学图象压缩编码

本文研究了医学图象小波变换系数的统计特征。根据医学图象的特点，提出了基于小波变换的医学图象编码方法。实验表明，这种方法具有较好的压缩编码性能，优于JPEG标准。同时，它支持逐次浮现式传输，从而能满足医学图象存储、通信、检索的需要。     

小波理论在电子侦察中的应用

本文在介绍小波理论的基础上，讨论小波理论在电子侦察中的应用，主要是论述利用小波理论进行信号检测，特征参数提取，信号识别，无源相关定位以及小波神经网等。     

综合应用地震属性、测井数据反演储层参数

本文研究了样点地震属性的特征提取，利用BP神经网络建立测井声波时差和地震属性的非线性映射关系。采用距离加权平均对研究区所有井的反演结果进行外推。为了提高分辨率和计算结果的准确性，详细分析、研究了适合于地震信号分解和重构的小波，以及测井声波时差和地震波阻抗与层界面的关系。最后，对反演的声波时差资料进行界面影响校正，进而计算出较符合实际情况的孔隙率参数。经已知井和新钻井验证，计算结果和实际情况相一致，效果令人满意。     

利用热解气相色谱鉴别真假油气显示

由于钻井液添加剂对岩屑的污染，给识别真假油气显示造成了一定的难度。该介绍了一种利用热解气相色谱分析技术鉴别真假油气显示的方法。通过对27种添加剂检测分析，分别得出不同添加剂的色谱曲线特征，其中针对15种对岩屑影响较大的添加剂的曲线特征分析研究发现应用热蒸发烃、热解烃色谱曲线与添加剂的热解指纹谱图对比，可快速、准确的鉴别真假油气显示，多口井的实践表明，此方法对现场录井具有重要意义。此外，通过实验证实水洗法排除样品污染较差，利用扣除本底法可准确求得热蒸发烃、热解烃污染校正系数，是排除样品污染的较理想方法。     

小波在运动图像处理中的应用

在小波变换的基础上对运动图像的数据压缩编码过程进行了研究，建立了基于小波变换的运动图像编码系统模型，实现了数据的高效压缩并得到了良好的恢复图像。     

多小波变换及其在信号滤波中的应用

多小波拥有对称性、正交性、有限支撑等这些信号处理中十分重要的特性,从而弥补了单小波的不足,具有更为广阔的应用前景.本文从滤波的角度,重点分析并设计了多小波预滤波与多小波分解系数处理方法.仿真表明多小波分析方法的优越性.     

A New Matlab De-noising Algorithm for Signal Extraction

The goal of a de-noising algorithm is to reconstruct a signal from its noise-corrupted observations. Perfect reconstruction is seldom possible and performance is measured under a given fidelity criterion. In a recent work, the authors addressed a new Matlab algorithm for de-noising. A key method of the algorithm is selecting an optimal basis from a library of wavelet bases for ideal de-noising. The algorithm with an optimal basis from a library of wavelet bases for de-noising was created through making use of Matlab＇s Wavelet Toolbox. The experimental results show that the new algorithm is efficient in signal de-nosing.