小波变换在岩石断层超声检测中的应用

介绍了小波变换的基本概念及其特性，通过对模拟岩石断层信号的小波处理，提取其频谱特性，从而确定岩石内部的完整性，了解断层结构所对应的波谱特性，为确定岩石的内部结构，了解岩石的内部状况作好预知性工作，为矿山开发等实际生产应用起到参考借鉴作用。通过对岩石断层结构在信号的前三个尺度上的反映，根据样本岩石的结构来确定波谱特征，实践证明该方法十分有效。     

小波变换在岩石测试中的应用

主要研究了小波变换在岩石超声波测试信号分析中的应用。通过对岩石超声信号的小波分析,提取岩石信号在小波变换下的不同尺度的细节,从而确定出了岩石的节理结构等所对应的信号小波变换细节特征,以及岩石信号在各个不同尺度下的差异,为小波变换在岩石测试中的应用奠定基础。     

小波包变换及其在低信噪比雷达信号检测中的应用

雷达对目标进行检测之时，常常遇到目标回波信号被噪声污染的问题。为了把弱目标信号从强噪声背景中检测出来，对小波包变换良好的时频分析特性进行了分析，根据信号与噪声具有不同的Lipschitz指数，通过引入子频带∞-范数，对信号和噪声进行频谱分析，将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量，应用浮动阈值去噪方法，解决了低信噪比情况下的雷达信号检测。最后，通过计算机的数值计算，模拟了小波包变换和小波变换在低信噪比雷达信号检测中的具体应用，得出了在低信噪比信号检测方面小波包变换优于小波变换的结论。     

小波变换及其在岩石超声检测中的应用

介绍了小波变换的基本概念和特性。应用小波变换对岩石超声波检测信号进行了时频分析和处理。结果表明,该方法是分析处理具有时变谱特性的非平稳信号的一种有效方法。     

小波分析在岩石信号测试中的应用

研究了小波变换在岩石超声波测试信号分析中的应用，通过对岩石信号的小波分析，确定出岩石的裂隙以及完整程度。     

小波变换技术概述

小波变换具有良好的时频局部化特性,通过小波变换可以将一个时域信号进行多分辨分解,因此小波变换技术就常被应用到数字水印中来。文章对小波变换理论及其相关知识进行了研究,论述了离散小波变换、多分辨率分析等理论。     

小波分析在岩石信号测试中的应用

研究了小波变换在岩石超声波测试信号分析中的应用 ,通过对岩石信号的小波分析 ,确定出岩石的裂隙以及完整程度。     

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.     

小波变换在信号奇异性检测中的应用

小波变换是近十年来迅速发展起来的学科，它与傅里叶变换相比，是一个时间和频率的局部变换。它的主要特点是将信号表示为不同尺度和不同位置的基本单元，而不同的基本单元表示原始信号中的不同信息成分，这种特点使小波变换成为一种高效的信号处理工具，在信号分析中，因为奇异点包含了比较重要的信息，因此信号的奇异性检测甚为必要。本文介绍了信号奇异性的小波变换检测原理，通过对仿真信号的分析表明在信号奇异性的检测中小波变换优于傅里叶变换。     

Mallat小波快速变换与IDRNN在卫星实时故障检测与识别中的应用

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类.     

应用多分辨率小波变换提取脑电信号异常节律

脑电信号是非平稳的随机信号，其中包含了大量的生理和疾病信息，对于医生判断脑都是否有器质性的病变具有重要作用。因此对脑电信号的分析和处理一直是人们努力研究的领域。考虑到小波变换良好的时频局部化特性，利用多分辨率小波变换方法来实现脑电信号异常节律的提取，脑电信号经多分辨率小波变换后所得到的各个尺度的信号不仅反映了信号的频率信息，即尺度越大，对应信号的频率越低，同时也反映了信号的时间信息，即反映此时的EEG状态，实验结果表明，选择合适的小波基，可以有效地提取脑电信号中的异常节律。     

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。     

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。     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及基于多分辨分析的信号小波的分解算法 ,研究了信号局部奇异性在小波变换下的特性 ;根据故障信号的局部奇异性在小波变换下模的极大值及其在不同尺度上的传播特性 ,对 30 8型滚动轴承振动加速度故障信号进行分解 ,对故障特征信号进行时域定位 ,并提取了故障特征频率f=46 .88Hz,这与实际的故障特征频率相近 ,说明该方法适用于滚动轴承的在线监测和故障诊断     

微弱振动信号的谐波小波频域提取

为解决设备故障检测和故障预报中某些微弱振动信号难以提取出来的问题,在介绍谐波小波变换的优良特性及其基本原理的基础上,给出了谐波小波变换的实现技术.在不减少信息点数的情况下,用谐波小波变换成功地对微弱振动信号实现了频域提取与时域重构,并且实现了强噪声下微弱周期振动信号的频域提取.通过算例和工程实例,说明谐波小波方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波方法和傅里叶分析方法,且在混有强噪声的信号提取中消除了二进小波包仍然存在的噪声泄漏,同时也显示了谐波小波变换的频域保相特性.     

飞机发动机轴承滚动体故障诊断的MATLAB实现

主要论述小波变换在信号处理方面的优越性,并通过MATLAB对飞机发动机轴承滚动体故障检测数据进行降噪处理。实验结果表明,对于在频谱图上难以找到其相应的明显频率成分的准周期故障信号,利用小波变换的多重分辨率特性,使故障成分的细节信号得到放大,对比该频率和故障情况下计算出的故障频率可以找出故障的原因。     

基于小波重构的钻头磨损切削力特征提取

采用小波分析对钻头不同磨损状态的切削力信号进行分解与重构处理,获得了切削力信号在不同频段的时域变化特征,并分析了各个频段重构信号的方差随钻头磨损的变化规律,实验结果表明,采用小波分析技术可有效地实现钻头磨损特征信息提取,且提取的信息特征对钻头磨损状态的变化十分敏感。     

基于小波脊的超声信号处理

根据超声信号通常是单频载波脉冲信号,具有渐近信号的特性,提出了一种基于小波脊的超声信号处理算法．首先利用渐近小波变换提取超声信号的小波脊,计算小波脊的移动熵,然后通过移动熵实现缺陷信号与噪声的分离和缺陷定位,最后利用小波反变换重构出缺陷信号．该算法充分利用了超声信号的时域、频域和相位信息,不仅消噪性能好,而且缺陷定位准确