改进的卷积型小波包分解及在故障诊断中的应用

针对卷积型小波包分解存在频带错位与频带重叠缺陷,提出了一种改进的卷积型小波包分解算法。该算法通过交换偶数位置节点小波包分解后的两节点顺序来消除频带错位缺陷,引入两算子分别从频域除去低、高频子带理想通带范围外的频率成分以消除频带重叠缺陷。由构造的故障信号进行仿真实验,并使用某直升机中减速器疲劳实验的故障数据进行了验证。结果表明:由于消除了卷积型小波包和内积型小波包分解算法中广泛存在的频率折叠、频带重叠和频带错位缺陷,改造的卷积型小波包分解算法能更方便、更有效地提取隐藏在强噪声和其他强干扰背景下的故障特征信息,从而为机械故障的诊断提供了一种强有力的分析手段。     

液压挖掘机反铲切削过程振动信号去噪处理

针对小波包频带能量分解和Hilbert-Huang变化在信号的去噪研究中的优势,对比2种方法在液压挖掘机反铲切削过程中振动信号去噪的准确度.以液压挖掘机工作装置的振动信号为例,利用小波包频带能量分解算法与Hilbert-Huang变化算法分别对振动信号进行重构.其中,Hilbert-Huang变换首先是对振动信号通过经验模态分解(empirical mode decomposition,EMD)得到IMF分量;然后,对IMF分量进行Hilbert谱分析,得到IMF分量的能量特征,选择有用的IMF分量进行信号重构,从而消除噪音信号的干扰.研究结果表明:与小波包频带能量分解方法相比, Hilbert-Huang变换的液压挖掘机反铲切削过程振动的重构信号更加接近真实信号.     

基于冗余提升小波包及Volterra级数的机械故障预测方法

针对Volterra级数模型在染噪时间序列预测中精度较低,以及收敛速度慢的关键问题,提出了一种基于冗余提升小波包(Redundant Lifting Wavelet Packet,RLWP)及Volterra级数的机械故障预测方法。首先用冗余提升小波包对振动信号进行分解,对分解得到的末层所有频带信号用奇异值分解进行降噪。然后通过构造二阶Volterra级数预测模型对降噪后的各频带信号进行预测。最后用冗余提升小波包重构算法对各频带预测信号重构,获得预测信号。仿真结果表明:结合冗余提升小波包的多分辨率分析及奇异值降噪,能明显提高Volterra级数模型的预测精度及收敛速度。在工程应用中该方法准确预测出了某离心压缩机的不平衡故障。     

一种新的小波包算法在机械故障诊断中的应用

小波变换由于其良好的时频特性,已广泛用于旋转机械、往复机械、齿轮、轴承等的状态监测和故障诊断中。它能将信号中不同的频率成分分解到互不重叠的频带上,为信号的信噪分离提供了有效途径。在此基础上,我们又引入了小波包分析,它能够为信号提供一种更加精细的分析方法,它能将频带进行多层次划分,对小波分析没有细分的高频部分进一步分解。本文提出了一种新的小波包算法,应用于工程中信号的噪声消除。     

基于D5/3小波的医学图像压缩算法研究

针对医学图像的特点进行分析,选择小波变换对图像进行分解,但第一代小波变换存在缺陷,选择了第二代D5/3小波的提升方案对医学图像进行小波变换,再结合多级树集合分裂算法(SPIHT)进行改进,引入给定阈值思想.在Matlab中对大量医学图片进行仿真实验,实验仿真结果表明,该算法与传统的压缩算法相比较,在峰值信噪比(PSNR)和重构图像质量上都有较大的提高,更适合于医学图像压缩.     

提升小波在漏磁信号处理中的应用

为了解决在漏磁信号中的噪声抑制问题,在讨论了第二代小波变换基本原理及其特点的基础上,提出了应用第二代小波的算法对采集的漏磁信号进行消噪处理,并在阈值处理过程中引入了软硬阈值折衷法.仿真结果表明,与传统小波变换的去噪效果相比较,该降噪处理方法,不仅较好地剔除信号中的噪声,而且保留了原始信号中的有效成分,是一种可行的方法.     

改进的谐波小波包峭度图及其应用

为克服谐波小波包变换按二进方式划分频带的不足,提出一种精细划分频带的改进的谐波小波包变换方法,并将改进的谐波小波包与峭度图相结合,提出了改进的谐波小波包峭度图,以及基于改进的谐波小波包峭度图的机械故障诊断方法.仿真实验和应用实例结果表明,所提出的方法克服了传统包络分析需要人为设定带通滤波器参数的不足,能够自适应地将最优频带从含强噪声的原始信号频谱中分离,具有比现有峭度图更强的微弱故障提取能力,可以提高峭度图方法的应用效果.     

自适应冗余第2代小波设计及齿轮箱故障特征提取

针对强噪声背景下齿轮箱故障特征的提取问题,设计了一种提取该类信号时域特征的自适应冗余第2代小波.采用基于数据的优化算法设计每层小波分解的初始预测器和更新器,然后通过对初始预测器和更新器进行插值补零运算,来获得冗余预测器和更新器.第2代小波不需要剖分运算,利用冗余预测器和更新器直接对每层逼近信号进行预测和更新运算,能较好地保留信号的时域特征.采用第2代小波较理想地提取出了齿轮箱发生摩擦故障时的时域调制波形和周期性冲击脉冲,并对得到的细节和逼近信号进一步进行包络解调,从而分离出了故障调制源频率.结果表明,自适应冗余第2代小波对噪声背景下齿轮箱故障特征的提取效果优于其他小波.     

融合频带能量特征和双向门控循环单元的运动想象意图识别

针对脑电信号分类正确率低的问题,结合频带能量、小波包变换和双向门控循环网络,提出了一种基于频带能量特征序列和深度学习算法的运动想象意图识别方法。首先,利用小波包变换对脑电信号进行分解、重构,获得运动想象相关频带信号;其次,对所得频带信号进行加窗,并滑动截取,通过计算所截每段信号能量,实现能量特征的时序化分解;最后利用双向门控循环网络对脑电信号进行识别并输出分类结果。实验结果表明:所提算法取得了92.1%的分类正确率,表明所提方法是切实可行的,能够有效改善分类识别率。     

基于小波包的变换域通信系统窄带干扰抑制技术

为了使变换域通信系统(TDCS)能够对窄带干扰频率进行精确定位,提高生成的基函数的频带利用率,提出了一种基于小波包变换的基函数生成方法.该方法采用树结构算法对信号进行分解,准确判断出窄带干扰的频率位置,改善了有用频带被过多剔除的情况.仿真结果表明,采用该方法的变换域通信系统比采用其他方法的变换域通信系统具有更强的干扰抑制能力和更好的自适应性.     

基于改进Hilbert-Huang变换的超声回波信号去噪研究

超声回波信号中包含大量有关缺陷性质的信息,由于信号在检测和传输过程中不可避免地受到随机噪声干扰,给后续信号处理带来误差。针对该问题,提出改进的希尔伯特-黄变换(Hilbert-Huang Transform,HHT)应用于超声回波信号去噪,提取回波信号中反映缺陷本质特征的信号。改进算法引入小波包变换对超声回波信号作预处理,对处理后的信号进行经验模态分解,提出对数似然检验法,识别并去除噪声引起的虚假分量,重构出有用回波信号。通过对添加高斯白噪声的超声回波信号去噪,验证改进算法应用于超声回波信号去噪的可行性和有效性。     

基于小波变换提升算法的二维信号降噪新方法研究

在经典小波去噪中,小波分解的结果与所采用的小波基函数有关,一旦选用不适当的小波基函数会冲淡振动信号的局部特征信息,从而造成原始信号的细节信息丢失。为了克服上述缺陷,Wim Sweldens博士提出了一种使用提升模式构造小波的方法,即第二代小波。文章讨论了一种基于前人成果发展出的二维信号降噪算法,证明了在二维降噪实践中第二代小波算法的优越性。     

基于小波包分解重构算法的北斗抗多路径误差

针对北斗卫星导航系统（BDS）特有的多星座设计而形成的复杂多路径误差问题，本文提出了一种基于小波包（WPT）分解重构原理的抗多路径误差算法，来提高BDS定位精度。首先，将原始信号进行多层小波包分解，得到多个子频带，并根据各子频带和原信号的互相关系数大小，将其划分成噪声频带、混合频带和信息频带等；其次，舍弃噪声频带，保留有效成分集中的信息频带，并对混合频带进行软阈值滤波处理；最终，将滤波后得到的“干净”数据与信息频带进行重构，从而实现削弱BDS多路径误差的目的。通过数值仿真和实测实验分别验证所提算法的有效性，实验结果表明，采用WPT算法对BDS实测数据进行处理后，N、E、U三个方向精度分别提升77%、78%、83%，有效削弱了多路径误差对BDS定位精度的影响，研究结果对BDS高精度定位具有重要参考价值。     

冗余第2代小波构造及机械信号特征提取

针对强噪声背景下机械信号故障特征的提取问题,构造了一种提取该类信号时域特征的冗余第2代小波方法.该方法通过对初始预测算子和更新算子插值补0,来获得不同分解层上的预测算子和更新算子.冗余第2代小波不需要剖分运算,直接利用构造的算子对逼近信号进行对称预测和更新,可使逼近信号和细节信号的数据点数保持不变,并根据每层细节信号的噪声特点选取降噪阈值门限.实验和工程振动信号分析表明,冗余第2代小波的降噪效果优于其他类型的小波方法,较理想地提取出了滚动轴承内圈剥落和汽轮发电机组高压缸蒸汽激振的时域故障特征.     

基于第二代小波变换的图像除噪

讨论了第二代小波变换的基本原理和变换过程,并将第二代小波变换引入到图像信号除噪处理中.提升方案采用的是Deslauriers-Dubuc(4,2)小波,分别对含噪的图像信号进行三级可逆提升变换,对每一级上的细节信号按软阈值法进行处理,削减小波系数中的噪声部分,从而实现了信号去噪.结果表明,去除高斯白噪声的效果令人满意,提升方法设计灵活、计算简单.     

ReliefF算法在雷达辐射源信号识别中的应用

采用小波包变换提取雷达辐射源信号特征能够有效对信号进行识别,然而,由小波包变换提取的信号特征维数高,部分信号特征受噪声污染严重.基于此,采用ReliefF算法对信号特征的分类能力进行评价,选择出小波包中分类能力强的信号特征,再通过特征相关度算法去除分类能力相近的冗余特征,利用剩余的分类能力强的信号特征组成特征向量进行分类.仿真实验结果显示,该方法用较少的信号特征能够获得较高的正确识别率.     

基于小波包变换及改进阈值法则的水声信号压缩

文中提出一种将小波包变换与改进的能量保留阈值法相结合的水声信号压缩方法,并讨论了该方法实现过程中小波包的选取、小波包分解算法、改进的能量保留阈值确定等问题,最后进行了仿真分析．仿真结果表明,本算法对水声信号压缩编码效果较为理想．     

基于结构纹理分解的改进图像压缩算法

用等级树集合分区(set partitioning in hierarchical trees,SPIHT)压缩结构分量所产生的误差一般情况下能体现高振荡的特性,比较符合纹理特点,所以将这部分误差信号叠加在纹理分量中形成一个新的纹理源,利用小波包变换进行压缩,提出了一种改进的基于结构-纹理分解的图像压缩处理算法.理论分析表明这是分层压缩问题中一种普适的有效策略.从实验结果可以看出,这种处理方式相对于现有的结构纹理分解压缩的方式而言,始终具有一定的信噪比增益,相对于目前的JPEG2000压缩标准及单一的SPIHT、快速小波包变换(FWP)等算法具有一定的优越性.     

金属罐形容器罐底声发射信号的检测研究

基于小波包分析和神经网络的声发射信号缺陷检测方法,提出采用区间小波包分解与能量距相结合作为声发射信号的特征向量,取代了传统的“小波包-能量“特征提取方法,并以金属罐形容器罐底缺陷诊断为例验证了该方法的有效性.结果表明,基于区间小波包能量距的神经网络特征提取方法更好地利用了缺陷信号的主要频带和小波包分析的时频信息,与传统方法相比,能大大简化检测系统的复杂度,提高容器的检测识别率.     

小波包时频分析方法的研究及应用

针对非线性、非平稳信号分析与处理方法不能满足某些特别的工程要求的问题,提出将小波包变换和短时傅立叶变换融合形成小波包时频分析技术.建立了一套较完善的小波包时频分析技术框架体系.给出了小波包时频分量谱与小波包时频分量幅度谱以及小波包时频谱与小波包时频幅度谱的算法.对小波包分解的直接算法、Mallat算法、混合算法在计算量和识别精度等方面进行了比较研究.应用Visual C++,OpenGL,photoshop等计算机软件工具和虚拟仪器技术开发了一套虚拟小渡包时频分析仪.能实现任意信号的小波包分解和显示.最后将小波包时频分析应用于仿真测试信号与实测机械磨床振动信号,发现小波包时频分析在识别奇异、辨别信号深层次细节方面具有较好的性质.