小波分析中频带能量泄漏及对策

为了寻找信号特征提取优化的方法，排除误诊断，分析了Daubcchies小波系列的频带频率特性，指出了小波分析存在着频带能量泄漏的问题。频带能量泄漏不利于信号的特征提取和分析。通过仿真研究，得到了频带能量泄漏的基本规律，提出了频带能量增量比较法。该方法通过比较小波分析的相邻三个频带的能量增量，确定信号的特征频率分量所在的频带，进而以该频带的能量增量作为信号变化的特征。实验证明，运用该方法可以优化信号特征的提取。     

基于提升小波变换的医学图像压缩算法

详细分析小波提升框架算法(L ifting Schem e)的原理和实现步骤,比较了M allat算法和L ifting Schem e算法在运行速度上的差异.推导出JPEG 2000静态图像压缩标准所采用的Le Gall 5/3小波滤波器的提升格式,对Le Gall 5/3小波和CDF 9/7小波滤波器的提升格式应用于医学图像压缩编码进行了分析.本文给出的小波提升算法对JPEG2000静态图象压缩标准在医学影像存储与传输系统中的应用具有参考价值.     

基于小波包和Elman神经网络的异步电机转子断条故障诊断方法

提出了一种基于小波包分析(WPA)和Elman神经网络的异步电机转子断条故障诊断方法.针对异步电机转子断条故障时定子电流出现的边频分量进行小波包分析,提取动态条件下各频带能量作为故障特征向量,削弱了负载变化及噪声对诊断准确性的影响.采用Elman神经网络对故障进行识别,并对Elman网络进行改进,在关联层增加了自反馈增益因子,提高了网络性能.以频带能量作为Elman神经网络识别故障的特征向量,建立从特征向量到电机转子断条故障之间的映射.试验结果表明:基于小波包分析提取的故障特征明显,由WPA和Elman神经网络构成的诊断系统,能有效地识别出转子断条故障,故障诊断准确率高.     

基于小波包能量谱及SVM算法的轴承故障检测

针对小波分析在故障诊断时的局限性,将小波分析和支持向量机算法相结合,提出基于小波包能量谱及支持向量机算法(SVM)的故障检测方法.该方法以振动信号小波包分解后各子频带的能量作为故障检测特征,利用SVM算法对轴承故障进行检测实验.结果表明:小波包能量谱能有效地反映轴承信号特征,并对故障进行检测.该方法同基于Lipschitz指数熵、单奇异点检测,以及小波包能量谱与神经网络相结合的故障检测方法进行比较,检测率均优于其他三种常用方法.     

基于AAR模型和累积频带能量的特征提取方法

提出了一种自适应自回归（AAR）模型参数和累积频带能量相结合的特征提取方法,该特征应用于基于运动想象脑．机接口（BCI）之中,实现左右手运动想象分类,改善BCI系统的性能．首先,对头皮EEG数据进行小波分解和重构,去除EEG中的噪声,得到不同频带的EEG数据．然后,提取EEG数据的AAR模型参数特征和不同频带的频带能量特征,提出了累积频带能量特征和AAR与累积频带能量相结合的特征提取方法,分别以AAR模型参数、频带能量、累积频带能量和AAR＋累积频带能量为特征,利用线性判别分析（LDA）分类器对左右手运动想象任务进行特征分类．最后,对不同特征的分类结果进行比较,得出以AAR＋累积频带能量作为特征在BCI系统中的优越性能．     

一种基于小波的数字调制信号识别算法

小波包变换理论上可以实现信号频带的均匀划分，从而更好地提取信号的时频特征.作者首先介绍了卷积型小波包算法，然后分析了三种主要的数字调制信号的小波变换特征，提出了一种基于小波的数字调制信号识别算法，仿真结果表明该算法能够识别典型的数字调制信号，而且具有较好的抗噪声性能.     

改进的卷积型小波包分解及在故障诊断中的应用

针对卷积型小波包分解存在频带错位与频带重叠缺陷,提出了一种改进的卷积型小波包分解算法。该算法通过交换偶数位置节点小波包分解后的两节点顺序来消除频带错位缺陷,引入两算子分别从频域除去低、高频子带理想通带范围外的频率成分以消除频带重叠缺陷。由构造的故障信号进行仿真实验,并使用某直升机中减速器疲劳实验的故障数据进行了验证。结果表明:由于消除了卷积型小波包和内积型小波包分解算法中广泛存在的频率折叠、频带重叠和频带错位缺陷,改造的卷积型小波包分解算法能更方便、更有效地提取隐藏在强噪声和其他强干扰背景下的故障特征信息,从而为机械故障的诊断提供了一种强有力的分析手段。     

基于CEEMDAN-WPT联合去噪的灾后求救信号能量分布特征研究

在隧道、矿山等复杂环境的地下工程灾后救援中,求救敲击信号微弱且经常淹没在噪声环境中,如何有效拾取求救敲击信号是灾后救援的关键问题。该文以现场敲击数据为基础,选取钢架、钢管、铁锤等不同类型的敲击信号进行对比研究。首先采用自适应噪声完备集合经验模态分解的改进算法(CEEMDAN)对信号进行分解,运用功率谱密度、相关系数和方差贡献率分析方法选择包含有效信息的IMF分量,再利用小波包阈值去噪(WPT)对信号进行分层滤波,最终得到信号的工作特征信息;其次利用小波包分析模块分别求得每个节点重构信号的小波包频带能量,研究不同类型敲击信号在频带内的能量分布特性,并比较其频带能量的分布差异。结果表明,钢架、钢管、铁锤等敲击信号的能量分布大致相同,多集中于0～250 Hz;通过能量频带细化分析发现,在能量波峰处,钢架敲击地面占比最少,铁锤敲击地面占比最多,该文方法可为灾后求救信号的有效识别提供基础,且为救援设备的传感器参数选择提供依据。     

基于Symlet小波的电力系统谐波检测与治理

随着电力电子技术的发展,工业中电力非线性负载的不断增加,对电网中的谐波进行检测与治理已成为电力系统的研究热点.为此,在分析小波基的选择、分解尺度和层数的确定、频带的划分等关键问题基础上,提出基于Symlet小波对电网谐波进行检测的方法和理论,并应用滤波器技术对电网谐波进行治理.仿真及实验结果表明,利用Symlet小波可以将信号中不同频率的谐波有效地提取出来,并进行有针对性的分析,具有更高的分析精度和更好的分析效果.     

改进的谐波小波包峭度图及其应用

为克服谐波小波包变换按二进方式划分频带的不足,提出一种精细划分频带的改进的谐波小波包变换方法,并将改进的谐波小波包与峭度图相结合,提出了改进的谐波小波包峭度图,以及基于改进的谐波小波包峭度图的机械故障诊断方法.仿真实验和应用实例结果表明,所提出的方法克服了传统包络分析需要人为设定带通滤波器参数的不足,能够自适应地将最优频带从含强噪声的原始信号频谱中分离,具有比现有峭度图更强的微弱故障提取能力,可以提高峭度图方法的应用效果.     

电主轴振动加速度信号特征提取

针对电主轴振动加速度信号存在噪声问题,本文研究了利用小波理论进行电主轴振动加速度状态信号的监测处理方法．介绍了电主轴的基本概念和简单结构;分析认为小波理论非常适合电主轴振动加速度状态信号的处理,它是非常重要的理论基础;阐述了小波基本理论以及Mallat算法;最后针对电主轴加速度信号,利用小波理论分析了信号与噪声呈现的不同特性,进行小波逆变换重构信号,解决了加速度信号去噪和恢复,这样可以准确提取电主轴的振动运行状态信息,为科学研究和数控系统的决策和控制提供了很好的依据．     

心电信号小波分析

心电信号是一种非平稳并具有很多奇异点的微弱信号。小波变换中的模极大值消噪法具有非线性及自适应性,小波的这种特性对于类似于心电信号这种非平稳微弱信号是十分适用的。针对传统的消噪方法在处理心电信号时的局限性,研究了小波变换的时-频局部化特性及基于多分辨率分析的信号小波分解和重构算法———Mallat算法。采用小波分析的模极大值法实现对QRS波R峰值点的检测,以及对心电信号的消噪处理。通过试验研究可知,运用小波进行QRS波检测,QRS波的识别率高达99.9%,经过消噪重构后的心电信号信噪比较原始信号有较大提高。     

基于定子槽结构的永磁同步电机振动噪声优化

为了改善永磁同步电机一阶齿谐波引起的振动噪声,本文基于ANSYS Workbench多物理场耦合平台,对电机电磁噪声进行联合仿真,优化电机振动噪声。分析了一阶齿谐波引起的振动噪声所在的空间与时间阶次,通过对定子结构优化的方式降低电机的振动噪声。分析了定子槽的各种参数对电机气隙磁通密度的影响,并通过回归分析的方式得到其对电机气隙磁密的回归模型,通过优化算法找到最适合定子槽参数。经仿真分析表明优化后的电机气隙磁密得到明显改善,0空间阶次由12倍电磁频率引起的48时间阶次的电磁噪声得到了显著降低,证明了优化方案的可靠性。     

基于小波包频带内局部样本熵的桥梁损伤识别

针对移动荷载激励下桥梁结构在损伤区域局部时程信号的非平稳性和复杂性,以及考虑到有限的采样数据、噪声等影响,提出了小波包频带内局部样本熵的概念,以此来定义一个损伤识别指标。首先对单测点时程数据进行小波包分解,以各频带能量为标准选择合适频带系数重构,然后对该重构信号划分成一系列具有时序性的局部时间区间,最后计算各区间的样本熵来作为损伤识别指标。以一弯梁桥为例建立有限元模型,验证方法的正确性,并针对多损伤、测点选择及加载速度等相关因素进行分析。结果表明:当移动荷载在损伤区域附近时,该指标出现突变,适合损伤识别,同样适用于多损伤识别;该方法需要的测点少,布置较灵活;由于弯桥的结构特点,测点位置的选择不会影响指标的定位,但会影响损伤指标的大小。     

谐波小波及其时频剖面图在旋转机械诊断中的应用

分析了谐波小波的定义、特点,以及用谐波小波时频图、等高线图表示谐波波分解结果的方法。分析结果表明,这两种方法虽然可以直观表示信号的时频能量分布以及无噪声信号中的微弱奇异成分,但当信号中存在噪声时,用这些方法将难以检测信号的奇异性,因而它们在工程实际中几乎是没有用的。提出了谐波小波时频剖面图（Ｔｉｍｅ－Ｆｆｒｅｑｕｅｎｃｙ Ｐｒｏｆｉｌｅ Ｐｌｏｔ,即ＴＦＰＰ）方法,利用该方法可以检测含噪声信号的微     

小波分析应用于对心电图信号实时处理的研究

简要介绍了小波变换原理和Mallat快速小波变换算法，重点介绍了如何运用小波分析对心电图(Electrocardiogram，ECG)信号消噪，并解决了它所涉及到的问题：小波函数的选取、噪声频段的分析、阈值处理和解决了在ECG信号采样中实时小波滤波所遇到的问题——数据滤波前的分段和滤波后的衔接。通过实验的证明，提出的方法能够很好地滤除ECG信号中的基线漂移、工频干扰、肌电干扰和其它高频干扰，并且在采样过程中小波滤波的实时性也较好。     

用提升小波变换提取诱发脑电

提出了一种利用小波分解和重构进行诱发脑电信号的有效提取方法.改变了小波变换的Mallat算法运算量较大,难于满足某些实时性较高的系统需求,采用提升小波变换进行诱发电位的提取,其运算量只有传统方法的一半左右,有助于提高系统的实时性.实验结果表明:用提升小波变换提取诱发脑电信号,能有效的改进实验曲线的信噪比、缩短信号的处理时间,将可以提高BCI系统的通信速率.     

自适应全尺度小波数字图像水印

为了适应未来精密数字水印的发展,打击侵权盗版行为,在Mallat小波分解的框架之下,利用树结构分层级、多尺度的特性,基于高频带的显著系数,提出了一种全尺度、高信息嵌入量的自适应水印方案,增加了嵌入的信息量和水印鲁棒性。分别在JPEG有损压缩、模糊、增强、几何攻击(裁减和仿射变换)的情况下,根据算法中的嵌入位置和加权因子,并利用全尺度信息进行了水印提取,并用峰值信噪比(PSNR)和相关系数进行嵌入前后图像和水印的比较。该方法显著优势在于实现全尺度的嵌入,显著增加嵌入信息量,更好地折中透明度和鲁棒性。实验结果表明:算法效果明显优于同类其他方法;信息嵌入量大,嵌入的水印对于人类视觉系统(HVS)透明效果好;提取的水印清晰完整,对于各种攻击具有好的鲁棒性。     

双模噪声背景下多阈值小波包在信号消噪中的应用

针对一类非高斯噪声——双模噪声信号进行消噪时,传统小波变换和小波包变换在选取恰当阈值准则及阈值量化时存在困难,通过详细分析双模噪声信号结构及频率分布特征,在将小波包分解频带按照频率顺序排列且通过比较最底层子空间节点能量大小的基础上,提出一种将频带进行多分段的多阈值小波包消噪方法.实验结果表明:在双模噪声且信噪比相同情况下,该方法比传统的多尺度小波软阈值、小波包自适应阈值消噪效果都优越,是一种非常有效的信号消噪方法.     

PROSPECTS FOR APPLICATIONS OF WAVELET ANALYSES IN POWER SYSTEMS *

本文介绍了小波分析的发展历程和基本理论;阐述了连续小波变换、二进小波变换、多分辨分析和Ｍａｌａｔ塔式算法等重要概念;分析了小波分析优于其它方法的显著特点及其重要价值,并结合已取得的研究成果,详细讨论了小波分析在电力系统状态监视和故障诊断、谐波分析、抗电磁干扰、继电保护和故障定位、负荷预测、暂态稳定、动态安全分析、神经网络、专家系统、ＨＶＤＣ系统和电能质量评估等各个领域成功应用及发展的情况。