小波技术与工程信号处理

分析了连续小波变换、离散小波变换和小波包变换的基本内容，并应用上述理论有效地处理了刀具状态检测的典型信号，结果表明，小波技术能处理工程应用中的特异信号。     

小波多分辨率分析在信号奇异性检测中的应用

具有多尺度（分辨）分析和时－频局部化特性的小波分析技术，特别适用于边缘信号和峰值突变信号的处理和特征提取，因此，在故障检测和诊断中将有很大的发展前途。用小波变换的方法对信号进行初步故障检测和诊断，结果表明，小波分析在故障检测和诊断中有很好的应用前景。     

微弱信号检测的一种改进小波分析方法

针对小波变换去噪时对微弱信号不敏感,特别是在信号分类检测时检测效果不理想的问题,提出了采用小波熵应用于信号检测的技术.该技术的主要原理是利用小波分析矩阵相应稀疏程度去抑制信号的无关成份,其中小波系数熵确定噪声阈值,小波相关系数熵确定边界轮廓,实现信号准确定位.最后通过数值试验证明其效果好于常规小波变换模极大值的信号检测法,证明了该方法检测微弱信号边缘特性更切实有效.     

基于小波分析对信号奇异性的检测

提出小波分析对信号奇异性的检测方法，实现小波分析对信号各类奇异间断点的有效检测，并结合仿真实例对小波分析在奇异信号检测上的应用进行实际分析．     

基于小波分析对信号奇异性的检测

提出小波分析对信号奇异性的检测方法，实现小波分析对信号各类奇异间断点的有效检测，并结合仿真实例对小波分析在奇异信号检测上的应用进行实际分析．     

基于小波多分辨率系数模值的并发故障检测方法

提出了利用小波分析技术进行信号奇异性检测的多重并发故障检测方法。利用小波多尺度分解技术,将信号进行多尺度的小波分解,得到不同尺度下的信号高频分量的小波系数模值,并根据奇变信号和噪声信号小波系数模值的差异,采用软阈值去噪法,对其高频分量小波系数进行去噪处理,获取不同尺度上突变信号的小波系数模值,实现对故障的检测,并可根据不同尺度上小波系数模值的对应关系,实现对多重并发故障的区分。对电网信号分析的仿真结果证实了该方法的正确性和可行性。     

奇异性信号检测时小波基的选择

奇异性信号往往带有一些重要信息，小波是奇异性检测的一种有力工具。本文研究了几种常用小波对不同奇异性信号的检测效果，通过对比分析，对不同的奇异性信号，推荐出了优先选用的小波基，并实际应用于刀具磨损时切削力信号的分析。     

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。     

小波变换在心电图R波检测中的应用

介绍了一种新颖的信号处理方法－小波变换．利用三阶样条小波分析了信号的奇异点与其小波变换的关系，并通过ＥＣＧ信号的小波变换，分析了小波变换的抗干扰能力．最后提出了一种以小波变换为基础的ＱＲＳ波检测方法     

航空构件超声检测信号小波分析及小波包分析应用研究

基于小波函数的特点，从小波分解的效果，小波函数执行速度，小波降噪信噪比以及小波重构等方面，系统地分析小波及小波包在航空构件超声信号中的应用。实际应用效果分析表明，航空构件超声信号经小波及小波包处理后，提高了超声检测的灵敏度，增强了超声波检测检出缺陷的能力。从而验证了小波及小波包分析在航空构件超声检测信号处理中应用的有效性。而且小波包方法比小波方法的处理效果更为理想。     

利用小波变换分析心音信号

心音信号可以用于诊断一些心脏瓣膜和心肌的疾病，心音信号是一种非平稳信号，而小波变换中数字信号处理技术适合于分析非平稳信号。文章阐述了一种利用小波变换分析心音信号的方法。通过对计算机模拟的心音信号的分析实验，分析利用小波变换可以有效地分析心音信号，从而为利用心音信号诊断心脏疾病提供了一种新的方法。     

三种时频分析方法在心音信号分析中的应用

文章介绍了一种新的时频分析方法—— Hilbert谱分析 ,并将其应用到心音信号的时频分析中 ,分析对比了短时 Fourier变换 ,小波分析和 Hilbert谱分析这三种方法在处理心音信号时的性能差异 .传统的基于 Fourier的方法不能有效的分析非平稳信号 .文章分析证明了这种新方法在分析像心音信号这种非平稳信号的有效性 ,它能对信号的时频分布做出比短时 Fourier变换和小波分析更为精确的描述 .用这种方法 ,我们能提取心音信号中频率变化的信息 .     

小波分析在柴油机噪声分析中的应用

简述了小波分析的基本原理 ,并把小波分析方法应用到柴油机噪声信号的分析中 ,即通过二进离散小波变换 ,把实际噪声信号进行多层小波分解 ,使突变冲击信号和具有一定频率特征的平稳周期性信号得到良好的图形显示 ,为噪声分析和采取降噪措施提供了理论依据     

提高收缩时间间期小波分析检测精度的研究

由于心功能信号的随机性和变异性，应用上波分析进行心功能信号自动检测存在错检和漏检。本文探讨了提高收缩时间间期检测精度的方法，在多道心功能信号综合处理的基础上，利用它们包含的生理信息，对单个特征点建立以动态阈值搜索和生理信号机理分析的检测策略，综合处理检测结果。实验结果表明，心功能信号自动检测已达到临床应用要求。     

基于独立成分分析和小波变换处理两相流信号

为克服噪声信号给速度测量带来的影响,提供了一种基于独立成分分析(ICA)和小波变换处理两相流信号的方法。首先介绍独立成分分析(ICA)的基本原理及其实现方法,并利用此方法对两相流信号进行处理;根据傅立叶变换确定信号的频谱;然后介绍小波变换和空间滤波的基本原理,并利用小波变换确定信号的带宽;并根据带宽求出固体速度。最后给出仿真实验结果。结果表明:这种方法可以满足固体速度测量的需要。     

基于小波网络的永磁无刷直流电机无位置传感器控制

通过对永磁无刷直流电机的无位置传感器检测原理和小波网络特性的分析，提出了基于小波神经网络的永磁无刷直流电机无位置传感器控制新方法．该方法构建小波网络模型，采用梯度下降法对网络进行训练．网络训练分为离线训练和在线训练，由离线训练初步确定网络隐层节点的小波平移因子、尺度因子及网络输出层权值．以滤波和逻辑处理后的网络输出信号为教师对网络输出层连接权进行在线调整．从而由电机的相电流、端电压映射出电机的换相信号，取代了传统的位置传感器．最后仿真及实验结果表明，该方法能得到准确的永磁无刷直流电机的换相信号．     

自适应小波阈值与平均算法去噪在拉曼光谱中的应用

拉曼光谱分析中,噪声的存在常影响分析的准确度和检测限.现有滤波方法在光谱信号除噪方面有种种缺陷.基于Dohono提出的小波阈值去噪,使用一种自适应小波阈值函数滤噪法并与平均算法相结合,实现信号与噪音的分离.该方法除噪完全,即使对信噪比小于1的高噪声信号也能够很好地保留信号的细节,获取满意的处理结果.     

基于ISODATA算法的漏磁信号到缺陷轮廓的网络映射

由于漏磁信号与缺陷轮廓的非线性关系，由管道漏磁信号描述管道缺陷的几何特征一直是管道漏磁检测的难点．本采用小波基函数神经网络的方法，建立了由管道缺陷的漏磁信号到缺陷截面轮廓图的网络映射．算法中应用迭代自组织数据分析(ISODATA)动态聚类的算法使得基函数中心的选取更加合理，经过多层分辨率的训练．网络输出表明，该网络可以较准确反映出缺陷的几何特征，为管道缺陷的特征提取提供一种可行的方法。     

振动攻丝扭矩信号处理中应用小波包消噪

简述小波包分析的基本理论及其主要算法．讨论用该理论进行信号消噪的基本原理,并应用于振动攻丝扭矩的信号处理．通过对所采样的扭矩信号进行小波包分解,获得信号精细的低频和高频两个部分．利用阈值量化处理的方法去除噪声,再将剩余部分进行重构,从而达到消噪声的目的．实验结果表明,该方法能够有效地消除采样信号中的噪声,进而提高扭矩值的计算精度．     

基于信号局部特征的自适应小波分析方法研究

提出了基于信号局部特征的自适应小波分析以及分段阚值自适应选择方法．针时旋转机械检测信号首先在时域中分析信号的局部特征，根据其局部特征分段自适应地选择小波函数进行信号处理，并分段计算其相应的阚值，进行小波信号处理，从而最大限度地保留信号特征，提高信号处理的性噪比．图2，参7．