基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪。     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪.     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力，是描述和检测信号局部性质的有效手段；利用小波变换模极大值能检测出信号上的所有奇异点，根据小波变换模极大值随尺度的增、减规律，去除噪声对应的极值点，再由模极大值重构信号，提出了小波变换基于奇异信号的消噪方法，并应用于对一瞬时心率信号进行消噪。     

碰摩信号的小波表示及其相空间特征研究

对转子动静碰摩信号的相空间特征进行了分析和检测,分别用连续小波变换、多尺度分解、小波包和能量－尺度对比方法对动静碰摩振动响应的径向分量进行了研究,且在相空间得到了一些故障特征。用连续小波变换分析碰摩信号时,与碰摩点相对应的小波系数分布在较小的尺度上,且随着尺度的减小,小波系数模极大值线逐渐收敛于碰摩点处;用多尺度分解方法得到的第1级和第2级的细节信号中反映了碰摩点的特征,表现为局部极值点;用时间－尺度能量对比方法分析,这些特征表现得更为明显。这些特征都有助于故障的准确诊断。     

小波变换用于检测R波

该文以小波变换的极大值在多尺度间的变化与信号的瞬变有直接关系为基础，由小波变换的奇异点(过零点、极值点等)来观测R波，寻找它的起始点、波峰，并对常见的异常R波的选择给出了新的判别方法。实验表明，本方法对QRS(Q—wave，R—wave，S-wave)信号的提取和分析有很大的帮助。     

小波分析在管道泄漏信号识别中的应用

利用多尺度小波变换 ,把管道泄漏产生的负压波信号作为瞬态信号 ,来识别管道的局部泄漏特征。以光滑函数的一阶导数作为小波母函数 ,研究了管道泄漏特征信号拐点区间的敏感性 ,突出小波变换系数的局部极值性。分析表明 ,检测信号的小波变换系数极值的奇异性准确地反映了管道检测信号的泄漏特征 ,并且从局部描述了管道泄漏信号的瞬态正则性。对各级尺度系数进行了S形曲线拟合 ,此曲线能够完整地描述管道泄漏瞬变特征 ,其拐点区间描述了管道发生泄漏时的瞬变过程。     

基于小波变换的信号特征与突变点检测算法研究

采用小波分解可以很好地研究信号的自相似性.小波变换能够分析信号奇异点的位置及奇异性强弱,即通过小波变换后的局部极大值在不同尺度上的衰减特性来衡量信号的奇异性.介绍了小波变换的基本概念,对信号特征和突变点检测算法进行研究,利用小波多分辨分析将突变信号进行多尺度分解,通过分解的信号确定突变点位置.通过Matlab实验,分析了信号奇异点定位和小波检测的结果,当小波变换尺度越精细时,检测突变点位置越精确,验证了小波变换是分析信号自相似性和突变点检测的有力工具.     

小波分析在管道泄漏信号识别中的应用

利用多尺度小波变换，把管道泄漏产生的负压波信号作为瞬态信号，来识别管道的局部泄漏特征。以光滑函数的一阶导数作为小波母函数，研究了管道泄漏特征信号拐点区间的敏感性，突出小波变换系数的局部极值性。分析表明，检测信号的小波变换系数极值的奇异性准确地反映了管道检测信号的泄漏特征，并且从局部描述了管道泄漏信号的瞬态正则性。对各级尺度系数进行了S形曲线拟合，此曲线能够完整地描述管道泄漏瞬变特征，其拐点区间描述了管道发生泄漏时的瞬变过程。     

抑制心阻抗信号呼吸基线漂移的小波变换法

提出了基于小波变换的循环减法来抑心阻抗微分波呼吸基线漂移。仿真表明，在呼吸基线漂移较大的情况下，该法可有效抑制多而又不使信号失真。     

变形信号中突变点的检测

变形监测获得的信号含有噪声、变形信号和突变信号(信号的奇异性).信号在突变处的小波变换模极大值不随尺度的增加而变化,而在白噪声处的模极大值随尺度的增加而减小.根据这一规律,分析了变形监测信号突变点在卷积型小波变换下的特征及小波函数的选取,给出了用小波变换模极大值进行突变点定位、奇异度检测,根据突变点的奇异程度确定突变的的强度,检测变形信号的突变点.     

基于小波变换分析阻抗胃动力信息

研究了基于小波变换提取胃运动信息的新方法,运用小波多分辨分析对采集的体表胃阻抗信号进行分解,去掉呼吸阻抗信号和血流阻抗信号,提取近似成份作为胃收缩信号.该方法能够提取胃运动的信号和同步胃电信号,可对提取信号的主频进行不同频带的分类,计算功率谱参数、描绘动态谱,从而研究胃动力情况.应用小波变换可以有效消除叠加到阻抗信号中的各种干扰,通过与同步胃电信号共同验证,该方法能完成阻抗信号提取,为临床胃动力信息研究提供一种体表无创伤新途径.     

小波变换在波阻抗反演中的应用

介绍了利用小波变换进行多道波阻抗反演的原理．鉴于地震剖面上不同的频带有不同的信噪比,以及相邻地震道的反射波有效成分在波形和能量上有较强的相关性,笔者结合小波变换的特点,运用多道记录同时进行波阻抗反演,即在迭代过程中将实际记录与模型合成记录的残差道进行小波分解,形成残差道分频小波剖面,然后利用Ｋ－Ｌ变换提取分频剖面中的相干部分用于波阻抗变化量的计算,从而避免了噪音参与波阻抗变化量的计算．展示了理论模型与实际应用的例子,说明该反演方法稳定性强,具有广泛的应用前景     

结构裂缝群的小波方法识别和数值模拟

为采用相对简单的方法对桥梁进行损伤识别,从而实现对结构健康状况的监测,基于桥梁裂缝常以裂缝群方式出现这一现象,通过Lipschitz指数与小波消失矩之间的关系．利用小波变换极大值在多尺度上的变化规律来表征信号突变点的性质,从而判定信号有无奇异点并确定其位置．并通过带裂缝简支梁有限元模型的静力模拟,运用前述理论,确定裂缝群的发生及位置．结果表明,较之传统方法,文中方法不仅更为经济方便,而且检测结果更为精确可靠。     

Application of spline wavelet transform in differential of electroanalytical signal

Investigating characteristics of spline wavelet, we found that if the two-order spline function, the derivative function of the three-order B spline function, is used as the wavelet base function, the spline wavelet transform has both the property of denoising and that of differential. As a result, the relation between the spline wavelet transform and the differential was studied in theory. Experimental results show that the spline wavelet transform can well be applied to the differential of the electroanalytical signal. Compared with other kinds of wavelet transform, the spline wavelet transform has a characteristic of differential. Compared with the digital differential and simulative differential with electronic circuit, the spline wavelet transform not only can carry out denoising and differential for a signal, but also has the advantages of simple operation and small quantity of calculation, because step length, RC constant and other kinds of parameters need not be selected. Compared with Alexander Kai-man Leung’s differential method, the differential method with spline wavelet transform has the characteristic that the differential order is not dependent on the number of data points in the original signal.     

心电信号中R波的小波探测法

心电信号中的R波是心室除极时所产生的电位突奕，是典型的峰值奇异信号。笔者研究了小波变换对心电信号R波峰值奇异点的精确检测机理，分析了Mexican hat小波特有的时域特性，该小波具有任意阶连续性、对称性和指数衰减，具有零阶和一阶消失矩。因此Mexican hat小波基对R波具有良好的定位特性和分析精度。通过MIT／BIH（Massachusetts Institute of Technology/Boston's Beth Israel Hopital）心电数据库的测试和应用实例的验证，即使在有严重噪声干扰的情况下，该方法也很容易实现对R波的准确检测和精确定位，具有相当高的定位精度（定位误差不大于1个采样点，约80％能准确定位）和分析精度（不存在累计误差），同时具有较高的实时性，可以实现R波产时检测和分析。     

应用小波变换进行信号消噪处理

小波分析在时域与频域同时具有良好的局部化性质,可以利用信息信号和噪声信号在小波变换下具有截然不同的奇异性来区分信息信号与噪声信号。根据信号与噪声在二进制小波变换随尺度参数减小时信息信号和白噪声信号的小波变换的模极大值点变化的不同性质做消噪处理,然后再重建消噪后的信号。采用本研究所给出的方法对实际数据进行处理,其结果表明应用小波分析可以明显地抑制噪声,提高信噪比。此方法具有很好的实用价值。     

小波变换在回波信号检测中的应用

基于小波变换品质因数不变性的特点,结合适当的小波基,探讨小波变换在回波信号检测中的算法。在算法分析基础上,从检测原理、检测步骤、计算机仿真方面阐述如何利用小波变换检测回波信号时差,以确定回波信号的奇异点(回波信号到达时间点),进而确定被探测目标的位置。小波变换具有表征信号局部特征的能力,适于分析信号中的瞬态和奇异现象,并可展示其成份。所述的算法分析、小波基的选择及小波变换阶的选择等,为地下目标探测中的信号处理,提供了算法依据和应用方法参考。     

Study on Method of Fault Vibration Diagnose for Roller Overrunning Clutch

Fault diagnose of the roller overrunning clutch is a headache problem in engineering at home and abroad. This paper introduces a new method to solve the problem by using the wavelet transform to separate fault si gnal and further analyzing the impact frequency. The signal local singularities under the wavelet transform are studied. According to the propagation features of modulus maximums of the fault signal and the noise under the wavelet transfor m different on the scales, and by use of the signal ...     

采用复连续小波变换的桩基损伤位置识别方法

提出基于复连续小波变换(CCWT)的桩基损伤位置识别方法.首先,对响应信号进行复连续小波变换,得到小波系数矩阵;然后,分析不同频段的相位角,确定桩身损伤位置;最后,通过桩基三维有限元模型数值算例和桥梁桩基实例,对基于复连续小波变换的桩基损伤位置识别方法进行验证.结果表明:复连续小波变换不但能够准确估计桩长,而且能够捕捉相位图上的交叉点,实现桩身损伤位置识别;与传统损伤检测方法相比,复连续小波变换可凸显响应信号的相位信息,成功识别桩身微小损伤的位置;但该方法在识别过程中出现较多的干扰点,需要借助其他桩身损伤检测方法进行判定和排除.     

fMRI time series analysis based on stationary wavelet and spectrum analysis

The low signal to noise ratio (SNR) of functional MRI (fMRI) prefers more sensitive data analysis methods. Based on stationary wavelet transform and spectrum analysis, a new method with high detective sensitivity was developed for analyzing fMRI time series, which does not require any prior assumption of the characteristics of noises. In the proposed method, every component of fMRI time series in the different time-frequency scales of stationary wavelet transform was discerned by the spectrum analysis, then the components from noises were removed using the stationary wavelet transform, finally the components of real brain activation were detected by cross-correlation analysis. The results obtained from both simulated and in vivo visual experiments illustrated that the proposed method has much higher sensitivity than the traditional cross-correlation method.