机械信号连续小波系数的统计特征研究

通过对机械信号的连续小波分解，利用小波滤波器良好的时频特性，针对机械信号的特征，论述了机械信号经过连续小波分解后的统计特征。在机械信号连续小波系数的特征提取中，引入机械系统的动力学维数，将连续小波系数按尺度方向进行了研究。利用尺度与频率的对应关系，应用小波系数的容积维数来研究其统计特性，并提取信号特征。实践证明，这种方法能够简单有效地提取机械信号的振动特征，并在诊断机械故障中得到了应用。     

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。     

用连续小波灰度图诊断齿轮故障

为了识别齿轮振动信号中的冲击性故障,利用连续小波变换对正常和故障齿轮的振动信号进行分析,将不同尺度下连续小波分解系数的绝对值用灰度图的方式表示出来,并利用特征矢量法估计信号功率谱进行验证,准确识别出了齿轮轴的不对中故障。分析结果表明,小波分析对信号具有多尺度分析能力,对振动信号中的冲击成分有很强的识别能力;连续小波变换灰度图不仅能直观反应齿轮的正常与故障状况,而且不会丢失冲击信号的时间信息,有利于寻找故障源,实现对齿轮故障的准确诊断。     

能量无限的信号的小波分析方法

利用连续小波变换研究了能量为无限的信号的谱分析，引进了时－频功率谱的概念，并研究了时－频功率谱与经典的功率谱及平均功率的关系；还引进了自相关函数的小波变换，且研究了它与时－频功率谱之间的关系。     

小波尺度谱在吸毒者脉象信号检测中的应用

定义了离散时间信号的低频尺度谱、高频尺度谱和小波包变换的尺度谱,从而为尺度一小波能量谱赋予明确的物理意义.借助Mallat算法和小波包变换算法分别对15例海洛因吸毒者和15例正常人的脉象信号进行了分析,发现吸毒者的脉象信号在特定区域内的尺度-小波能量与该信号总能量的比值明显高于正常人的对应值.将该比值作为判断正常人和吸毒者的特征参量,提出了用于划分正常人和吸毒者的临界参数.据此,15例正常人从30例受测者中全部被正确地检测出来,但在每一种小波变换算法中均有2例吸毒病人被误判为正常人.研究结果表明,文中的两种分析方法都是检测海洛因吸毒者脉象信号异常的有效且可行的方法.     

低信噪比多径-信道下的OFDM带宽自动估计

针对低信噪比多径-信道条件下正交频分复用(OFDM)信号带宽估计精度低的问题,提出一种基于小波变换的OFDM信号带宽自动估计方法。首先利用修正周期图法(Welch法)得到信号瞬时功率谱,通过多次观察测量并对功率谱曲线进行统计平均。然后对功率谱曲线进行连续小波变换,计算小波变换后时间-尺度平面上同一时间不同尺度能量累计曲线,提取曲线局部峰值位置,进而估计信号带宽。实验仿真结果表明：在不同多径信道且信噪比为-10dB条件下,估计偏差均不超过1.2%,准确度优于传统方法,且鲁棒性较强。     

低信噪比多径信道下的正交频分复用带宽自动估计

针对低信噪比多径信道条件下正交频分复用(OFDM)信号带宽估计精度低的问题,提出一种基于小波变换的正交频分复用(OFDM)信号带宽自动估计方法。首先利用修正周期图法(Welch法)得到信号瞬时功率谱,通过多次观察测量并对功率谱曲线进行统计平均。然后对功率谱曲线进行连续小波变换,计算小波变换后时间—尺度平面上同一时间不同尺度能量累计曲线,提取曲线局部峰值位置,进而估计信号带宽。实验仿真结果表明,在不同多径信道且信噪比为-10 d B条件下,估计偏差均不超过1.2%,准确度优于传统方法,且鲁棒性较强。     

小波变换在吸毒者脉象信号分析中的应用

根据脉象信号的随机特性,采用小波变换中的多分辨率分析算法对其进行分析,旨在提取海洛因吸毒者脉象信号的异常信息,并得出区分正常人与吸毒者的初步的判断依据．基于小波变换的脉象信号的尺度谱携带有人体健康状况的重要特征信息．对15例海洛因吸毒者和15例正常人的脉象信号进行分析,提取出每例信号的尺度谱和该信号的总能量,发现吸毒者脉象信号在特定尺度与时间区域内的尺度谱之和（即尺度-小波能量）和该信号总能量的比值明显高于正常人．以该尺度与时间区域内的尺度-小波能量和该信号总能量之比的百分值作为判断正常人和吸毒者的特征参量,提出了用于划分正常人和吸毒者的临界参数．据此,15例正常人从30例受测者中全部被正确地检测出来,但有两例吸毒病人被误判为正常人．结果表明,该方法是检测海洛因吸毒者脉象信号异常的有效且可行的方法．     

基于小波包能量及高阶谱的特征提取方法

针对广泛存在的油气管道周边安全问题,研究了管道周围地面活动目标产生的震动信号的特性,提出了一种基于小波包能量谱和信号高阶谱分析相结合的特征提取方法来区分不同的活动目标.根据目标产生的地面震动信号是非平稳的特点,采用基于小波包分解能量的方法对信号的各频带进行分解,得到信号在不同频带内的能量分布特性.仅根据能量谱并不能完全区分不同类型信号,通过对信号高阶统计特性的分析,提取出高阶谱特征频率,结合这两种方法提取出的特征作为神经网络的输入向量进行模式识别.通过对实验数据进行分析,单独采用小波包能量特征其平均识别率为88.5%,而采用本文提出的方法平均识别率可以提高到94.6%,验证了文中提出方法的有效性.     

基于小波包变换的下肢肌电假肢控制信息源的研究

肌电信号作为下肢假肢的控制信息源必须经过信号处理与特征提取.小波变换能将各种交织在一起的由不同频率组成的混合信号分解成不同频段的信号,检测出许多其他分析方法忽略的信号特性,因此小波变换常被用于表面肌电信号处理.而小波包变换对信号逐渐变宽的频谱可以进一步分割细化,具有良好的局部化品质,比正交小波变换更优越.该文将利用小波包变换方法对站立与行走过程中大腿股四头肌部位的肌电信号进行分析和特征提取,并利用各频段能量构造特征矢量,经过学习矢量量化神经网络训练,能够有效地从股四头肌采集的肌电信号中识别站立及行走的运动模式.     

小波降噪在齿轮箱故障诊断中的应用

以JZQ250型号齿轮箱为实验对象,根据实际状况下齿轮箱的故障机理和振动特点,通过小波变换将振动信号分解为位于不同频段和时段内的成分,使干扰信号和有用信号位于不同的频带内,将干扰信号所对应的那一阶小波系数置零,进行信号重构,再得到降噪后的信号．作包络功率谱分析,能有效地对齿轮箱故障进行诊断分析．     

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。     

二维非平稳信号的小波谱均衡分析方法

小波变换对信号的分时分频的精细表达和多分辨率的全面把握，使我们能更深入地认识信号和噪声的特性，便于基于小波域进行更有效的高分辩率的处理工作；而谱均衡处理技术是提高信号纵向分辨率的有效方法．本文结合上述两种处理手段，提出了一种小波谱均衡方法：先将二维非平稳信号进行小波分频处理，得到不同尺度的信号；然后将各尺度上的信号分别进行谱均衡处理，再将经谱均衡处理的不同尺度信号进行重建，从而得到高分辨率信号．利用小波谱均衡进行实际信号处理，处理结果表明该方法的处理效果要好于常规的谱均衡方法，它既能提高二维非平稳信号的纵向分辨率，同时又能保持原信号的固有特征．     

计算尺度函数和小波函数中心频率的GUI及其应用

在数字信号的时频分析中,确定小波和小波包最佳分解层或最大分解层的问题中,均会涉及到中心频率。鉴于在软件Matlab中只能计算小波函数的中心频率,不能计算尺度函数的中心频率,而且也未见涉及该问题的文献,故基于功率谱计算尺度函数和小波函数中心频率的方法,编写了计算尺度函数和小波函数中心频率的人机交互软件。该软件可以方便快捷地计算尺度函数和小波函数的中心频率。实例计算结果表明,方法和程序是有效且可行的。     

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。     

基于多条耦合器声表面波式小波重构器件的延时补偿方案

针对基于多条耦合器声表面波式小波重构器件中各个尺度器件之间时间不同步的问题，提出了补偿多条耦合器和输出叉指换能器之间距离来实现时间同步的延时补偿方案．该方案利用声表面波在晶体基片表面的延时特性，通过在声表面波器件内部进行延时补偿，确保了各个尺度重构器件在同一触发信号作用下具有相同的响应时间，解决了由于时间不同步造成的重构误差问题，避免了由于利用外部延时电路而增加器件的体积和功耗．对一个具有三尺度、基于多条耦合器声表面波式小波重构器件的延时补偿实验结果表明，该方案能够有效地解决不同尺度小波重构器件之间的时间不同步问题．     

岩石超声波检测信号的小波分析

利用小波变换分析岩石超声检测信号，了解岩石内部结构特性和物理力学特性。建立了岩石超声测试实验系统，并进行多分辨率分析。结果表明，小波分析可以对指定频带和时间段内的信号成分进行分析，在时域和频域具有良好的局部化性质。可以准确地抓住瞬变信号的特性，对频率成分采用逐渐精细的时域或空域取样步长，从而聚焦到信号的任意细节。完整岩石试样超声检测信号及其小波变换波谱比较规则，无复杂变化，但反射波衰减较快，不同岩性的岩石，其超声波检测信号无明显差别，其小波变换却不相同。这差异是由于岩石的细观组构不同造成的。小波变换波谱反映了岩石节理、裂隙等岩石的完整程度。     

氧化铝陶瓷磨削金刚石砂轮磨损的声发射监测

阐述了声发射监测工程陶瓷磨削的研究进展,发现目前对金刚石砂轮磨损监测研究基本上是选取声发射信号均方根(即有效值)进行分析,且金刚石砂轮磨损状态的声发射监测准确率不高.为提高金刚石砂轮磨损状态的声发射监测准确率,设计了氧化铝陶瓷磨削声发射实验,并采用支持向量机建立金刚石砂轮磨损状态的分类模型.分析发现氧化铝陶瓷精密磨削中声发射信号最强频谱能量在30~40kHz频段.金刚石砂轮轻度磨损、严重磨损钝化和修锐之后的磨削声发射信号频谱有明显不同;而且磨削声发射信号小波分解系数的方差值能够很好地反映金刚石砂轮磨损状态.结果表明采用磨削声发射信号的小波分解系数方差作为支持向量机判别金刚石砂轮磨损状态的输入特征,金刚石砂轮磨损状态分类测试的准确率达100%.