基于Morlet组合小波的梳状滤波与包络检波方法

提出一种基于Morlet组合小波的梳状滤波和包络检波方法。梳状滤波在间隔的几个故障调制频率下进行窄带滤波,抑制噪声的能力强;Morlet组合小波构造简单,计算量小,仅改变组合小波的部分参数就可获得良好的滤波效果,方便灵活、适应能力强;Morlet组合小波的实部和虚部分别相当于一个零相移滤波器和一个90°相移滤波器,信号经小波变换后直接满足包络检波条件。工程应用结果表明:该方法对机械振动信号的滤波和包络检波一步到位,与故障特征频率相对应的包络谱谱峰清晰可见,适用于旋转式或往复式运动机械系统的故障诊断。     

小波包分析法在提高冲击试验波形测量准确度中的应用

将小波包分析法(WPT)引入冲击试验测量波形的消噪处理.分别用傅里叶变换法、曲线拟合法、小波分析法和WPT对同一种含噪声波形进行消噪,计算了消噪后的波形参数.分析表明,噪声频率对消噪效果没有影响,曲线拟合法消噪的波形参数误差最大,WPT消噪的误差最小,而且对波前时间的影响不大,幅值基本与标准波形相同.通过对实际测量波形的消噪效果分析,验证了WPT的高效性和实用性.     

基于Morlet小波滤波的改进方法及仿真研究

基于Morlet小波的滤波方法是新近发展起来信号分析方法,对于提高结构动态测试信号分析精度具有重要作用.本文对该方法的原理与算法进行了分析,指出该方法分析效率较低,尤其是滤波过程对信号阻尼特性有不利影响等问题.在此基础上,提出了基于Morlet小波滤波的改进方法.采用欧洲航空界广泛应用的GARTEUR飞机模型进行数值仿真研究,利用改进前后两种方法对仿真的扫频信号进行滤波,并基于滤波数据进行阻尼参数的识别.结果表明,改进方法计算量小,且较好地保持了信号的阻尼信息,验证了改进方法的有效性.     

一种改进的小波变换信号消噪方法

根据小波阈值消噪方法的步骤及特点提出一种新的消噪方法——小波系数放大法，并对该方法进行仿真对比实验。该方法在运用小波变换对含噪信号进行消噪前，先对信号进行小波级数分解，对其中的低频系数和高频系数进行适当的放大，然后对信号采取阈值消噪法进行消噪，最后运用小波变换对所得到的小波系数进行适当的宿小，并将其重构。仿真实验结果表明，小波系数放大法消噪后信号的均方根误差有很大的降低，信噪比提高。该方法优于一般的消噪方法。     

一种新的基于小波变换的图像消噪方法

一种新的基于小波变换的图像消噪方法是在运用小波变换对含噪图像进行消噪前，先对图像进行小波级数分解，对其中的低频系数和高频系数进行适当的放大；然后对图像采取局部阈值消噪法进行消噪；最后运用小波变换对所得到的图像小波系数进行适当的缩小并将其重构．仿真实验证明这种方法比一般的诸如中值滤波和维纳滤波等图像消噪方法有很大的改进，特别是图像均方差(MSE)有很大的降低，而图像的信噪比也有较为明显的提高。     

基于Morlet小波变换与SVD的故障特征提取

针对Morlet小波变换结果中的特征提取问题,对连续小波变换得到的小波系数矩阵进行奇异值分解(SVD),分析了所获得的奇异值与Morlet小波变换结果中的特征信号以及噪声的对应关系.基于这种关系,通过选择合适的奇异值进行重构,清晰地提取到Morlet小波分解结果中的有效特征信息;进一步计算得到频率-能量谱,根据峰值位置能够提取冲击特征.将该方法应用于轴承振动信号的故障特征提取,并与其他方法进行了比较.结果表明,文中方法所获得的故障波形非常清晰,在低信噪比时具有较好的故障特征提取效果.     

基于小波变换自适应滤波方法的ECG信号消噪

为了减少在用小波变换方法进行心电信号消噪时所产生的心电信息损失,本文在对心电信号进行离散正交小波变换的基础上,进行自适应滤波处理,即以具有最大QRS波能量的尺度上的高频细节信号作为自适应滤波器的参考输入,以噪声干扰对应的分解尺度上的“细节”分量及最大分解尺度上的近似分量所重构的信号作为原始输入.实验证明这种改进的滤波方法可以在有效抑制心电信号中噪声干扰的同时,较好保持心电信号的波形特征及有用的心电信息,达到较好的滤波效果.     

小波分析在电控发动机故障诊断中的应用

为了探讨小波分析技术在电控发动机故障诊断中的应用，以电控汽油机转速传感器为例，采集了转速传感器的正常和异常信号，利用小波变换对信号波形进行了滤波和除噪，利用一维连续变换工具计算出正常和异常信号小波变换系数，并提取了故障信息特征参数。结果表明：转速信号的小波变换系数能够判断发动机的断缸故障；转速信号的小波分析结果能对比发动机各缸的工作性能。实践证明，利用小波分析对电控发动机进行故障诊断是切实可行的。     

基于新阈值函数的二进小波变换信号去噪研究

由于二进小波变换的小波基函数存在着一定的冗余,基于二进小波变换的去噪效果要好于离散小波变换的信号去噪·噪声阈值的准确估计和阈值函数的选择对去噪精度有着显著的影响·在分析高斯噪声的二进小波变换特性基础上,提出了一种改进的二进小波变换去噪方法·采用一种新的阈值函数,克服了Donoho软阈值方法中估计小波系数与分解小波系数存在恒定偏差的缺陷·仿真结果表明,改进的二进小波去噪方法不仅可以有效地抑制信号奇异点处的pseudo-Gibbs现象,而且消噪精度高于传统的软硬阈值方法·     

电力电子装置周期性故障波形小波矩阵分类法

提出一种基于平稳小波变换和奇异值分解的电力电子装置周期性故障波形的分类方法.该方法利用平稳小波变换的冗余性和奇异值的稳健性.其步骤为:对周期性故障波形进行平稳小波变换,将信号分解到多个小波子空间;将平稳小波变换后的小波系数矩阵奇异值进行分解,即采用K-L变换对子信号进行特征压缩,并以奇异值向量作为特征向量;按照向量的空间距离对故障波形进行分类实现故障的分类诊断.以精确的半导体器件模型建立的PSPICE逆变器故障波形为例,分别用该方法和小波子带能量法对逆变器的IGBT开关故障进行分类.研究结果表明,与采用小波子带能量法相比,采用所提方法能够精确地对22种逆变器断路故障进行诊断,且受小波分解层数的影响较小,分类边界较清晰,其类间距与类内距之比是小波子带能量法的2.5倍,抗噪性能好,正确识别率高5%.     

基于Morlet小波变换的结构密集模态参数识别

为了解决结构密集模态识别精度不高的问题,提出了基于Morlet小波变换进行结构模态参数识别的一套方法流程.首先,从公式推导的角度对结构模态混叠的机理进行研究分析,明确和量化了密集模态的定义,提出了结构模态密集度指标——相邻模态的频率比,以此判定应用Morlet小波变换进行模态识别的有效性.其次,针对边端效应和噪声污染的不利影响,改进了小波变换识别结构模态参数的方法,并提出了最优小波中心频率的选取方法.理论研究结果表明,当相邻模态的频率比值一定时,随着阻尼比以及相邻模态阻尼比差值的增加,模态混叠的严重程度也增加.数值仿真算例结果表明,这种改进的模态识别方法可有效地识别结构的模态参数,且能够获得较高的参数识别精度.     

一种基于心电数据压缩的小波元选择方法

介绍了用于心电数据压缩而构造的一种小波神经网络以及它的小波元选择的方法．提出了根据对心电数据做频谱估计，确定其时频域支撑，再根据小波的时频特性确定小波函数的时频域支撑，来初步选定小波元，然后再利用OLS算法对初选的小波元进行筛选．选用Morlet小波为母小波，并用一段心电信号来对该方法进行验证．验证结果表明落在心电数据频谱范围内的Morlet小波有152个，再通过OLS算法筛选后小波元数大大减少了，使得小波网络的尺寸趋于最优．在网络训练时，训练时间也明显地减少．     

复Morlet小波光学三维轮廓提取关键参数快速设定方法

针对基于复Morlet小波的光学三维轮廓术关键参数设定受经验取值方法影响,实用性较差的现状,提出以小波基函数能量恒定原理、变换特性以及数字信号精确分析为基础,进行理论推导及数值计算验证,建立一种快速、有效设定复Morlet小波中心频率fc和带宽fb,以及尺度a等关键参数的取值方法。数值模拟和对实物形貌恢复效果实验结果表明：该取值方法能够快速有效地获取关键参数,同时在不同周期光栅和尺度参数下,可将误差平均降低0.030 4。     

基于小波神经网络的股票预测

通过将Morlet母小波基函数作为神经网络隐含层神经元的激励函数,构建了Morlet小波神经网络,对网络结构进行了隐含层节点的优化,对股票收盘价的变化进行仿真和预测,实验结果表明,Morlet小波神经网络具有较好的逼近非线性映射的能力,其泛化性能和预测能力较优.     

基于Morlet小波时间尺度表示的地下连续墙无损检测

对Morlet小波及其变换特性进行了分析 ,利用其良好的时频正则性及复分析特性 ,把一维检测波映射到二维时间尺度表示 (TSR) -Scalogram谱图上。Scalogram承载了介质结构的丰富信息 ,利用这些信息能够实现对介质的全面分析和缺陷识别 ,辅以Morlet小波变换的实部模极大值 ,可以对缺陷进行准确定位。该方法有效地弥补了基于Hilbert变换的复信号分析 (CSA)、短时傅立叶变换 (STFT)及二次时频表示 (TFR)等方法的不足。对水泥土地下连续墙进行的无损检测结果表明 ,基于Morlet小波TSR的检测方法有较好的实用性 ,它为结构无损检测领域提供了一条新的技术路线。为进一步完善前述方法 ,将Morlet小波与Dergauss小波进行优势联合 ,可以避免模极大值线分叉现象 ,有利于提高定量解释精度。     

用分层抽样和复Morlet小波识别短样本模态参数

针对大型结构短样本模态参数识别,提出基于分层抽样的最优复Morlet小波短样本模态参数识别方法.先对结构响应信号进行分层抽样,用随机减量法提取每一层的自由衰减信号;再根据样本标准差确定每一层的层权,用最优复Morlet小波识别每一层的模态参数;最后用层权对模态参数进行加权得到最终的模态参数.工程应用结果表明,所提方法具有较高的识别精度,良好的低频密集模态解耦和高频虚假模态抑制能力.     

基于蚁群算法的方向特征分割方法

针对翅脉特征的有效提取问题,根据蝶翅图像具有方向性的特点,提出了方向小波变换与蚁群算法相结合的分割方法.该方法首先采用Morlet方向小波变换对不同方向的翅脉边缘进行检测、提取.通过分析这些边缘点的特征参数,确定初始聚类中心.基于所设置的初始聚类中心,再利用蚁群算法对蝶类翅脉图像进行分割.仿真实验表明,该方法可以将各方向翅脉特征检测出来,是一种有效的方向特征分割方法.     

基于Morlet小波变换的振动特性参数识别

传统的振动系统特性参数识别方法对于非线性、非平稳信号的处理能力差,尤其对于阻尼比的识别精度较低.将Morlet小波变换和随机减量技术相结合识别振动系统的特性参数,首先利用随机减量技术提取振动的自由衰减响应信号,进而由Morlet小波变换对信号进行连续的小波变换处理得到小波能量谱,结合参数识别的基本理论及对时间-幅值坐标面曲线的半对数拟合结果得到振动系统的频率及阻尼比,数值仿真结果表明,提出的方法能有效识别系统的固有频率和阻尼比.将该方法应用于罐车模型流固耦合冲击试验研究,较好地识别出充液工况下振动系统的固有频率和阻尼比.     

二维小波变换方向的特性

为了分析信号的方向特性,根据二维小波理论和小波变换方法,分别研究了二维Marr、Morlet、Cauchy小波变换在方向性选择方面的特征,并通过仿真试验分别探讨了它们在方向检测中的应用.数值计算结果发现：二维Marr不是方向性小波,二维Morlet和Cauchy小波是方向小波,而二维Cauchy小波比二维Morlet小波在方向性选择方面更具有优越性,因此采用二维Cauchy小波变换能够很好地分析信号的方向特征.     

一种新的小波基函数及其在雷达信号特征提取中的应用

为进一步准确估计雷达信号的瞬时频率，在现有Morlet小波基函数的基础上，提出了一种新的Morlet小波基函数（New-Morlet）用于小波脊线的提取。通过深入分析小波脊线原理以及正确提取小波脊线对小波基函数的要求，利用Morlet小波基函数提取雷达辐射源信号的小波脊线特征，从而可以估计出辐射源信号的瞬时频率。将New-Morlet小波与现有的Morlet小波进行对比得出New-Morlet小波具有更好的时-频综合特性。同时，分析了利用小波脊线原理估计信号瞬时频率的迭代算法。仿真结果表明：基于New-Morlet小波基函数的特征提取性能优于现有的Morlet小波基函数，且具有良好的抗噪性能，其方法是有效的。