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。     

基于小波分析对信号噪声的处理

分析了信号处理中噪声的小波分析特性,用一维小波分别对平稳信号和非平稳信号进行了分析和研究;并通过Matlab软件仿真实现了基于小波域的消噪处理,验证了小波分析方法对信号噪声处理的有效性.     

基于小波分析的战斗机起飞噪声特性

为封锁跑道智能地雷的目标识别提供一种有效的技术手段,利用小波分析的方法对战斗机起飞噪声信号的时频特性进行分析,通过对其起飞阶段产生的噪声信号进行了测试方面的研究。利用小波变换技术对该噪声信号的时频特性进行分析,获取了目标信号在多尺度上的细部特征。结果表明,利用小波变换获取的能量分配特征与战斗机起飞噪声信号频率分布相一致。     

小波分析在动态测试信号降噪中的应用

论述了小波分析在动态测试信号降噪中的应用.主要分析如何引入小波变换理论并通过它去除动态测试信号中的白噪声.随后阐述小波分析去除噪声的工程实现方法及其相对FFT除噪方法的优势.对一例加入白噪声的力脉冲信号进行了计算机仿真实验,结果表明,用小波变换处理含噪信号,具有明显效果.     

小波分析在轴承故障诊断中的应用

分析了小波的频率分解特性及信号分解后的频率分布范围，并将小波变换与功率谱分析相结合，利用小波将检测到的轴承正常信号和故障信号分解到各个频段，通过比较分解出正常信号与噪声信号的功率谱，分析轴承故障原因，得出故障模式。     

基于小波分析的微弱信号处理

应用离散小波变换对微弱数字信号进行分析及处理．离散小波变换具有时频分析特性，能将信号的细微变化反映出来．对实验获取的微弱信号进行小波变换分析的结果表明：离散小波分析可明显提高数字信号的信噪比，有利于从噪声中提取微弱信号。     

连续样条小波变换解析高噪声重叠分析信号

采用连续样条小波变换方法对化学中高噪声重叠信号中峰位置和峰数目的提取进行了分析,讨论了信噪比、重叠程度、信号相邻峰高比对重叠信号解析的影响．结果表明：对于信噪比低至1的高噪声信号,采用连续样条小波变换处理能够得到重叠信号的峰位置和峰数目;连续样条小波变换对于高噪声重叠信号具有较好的解析能力,为低含量多组分物质的复合信号的定性定量分析提供了基础;该方法与离散小波变换法相比,数据点无须为2^n(n为整数),并且不需要对信号进行多次分解,因此简单快速。     

小波分析及其在弱信号处理中的应用

应用离散小波分析进行数字弱信号分析及特征提取.离散小波分析具有时—频分析特性,能将信号的细微变化反映出来.对实时获取的数字弱信号作离散小波变换分析的结果表明;离散小波分析可明显提高数字信号的信噪比,十分利于从噪声中提取微弱信号.     

小波阈值去噪在烟气轮机信号分析中的应用

由于烟气轮机振动信号中含有大量的噪声成分,常使其非线性特征量的提取不准确,因此将基于阈值的小波去噪应用于烟气轮机振动信号分析中。首先介绍了小波阈值去噪的基本原理、阈值和阈值函数的选择方法,并对阈值函数进行了改进;然后分别对含噪Lorenz信号和实测振动信号进行小波阈值去噪实验,计算了其去噪前、后的关联维数。结果表明,小波分解后,不同尺度上信号和噪声的小波系数的分布规律明显不同,通过对其分析可以合理选择小波分解的尺度;在此基础上对小波系数进行阈值处理并重构,能有效地去除信号中含有的噪声,很好地保存信号的局部特征;去噪后信号的伪相图更加规则,关联维数估计值更加合理。该方法能提高信号分析的准确率。     

小波分析及其在弱信号处理中的应用

应用离散小波分析进行数字弱信号分析及特征提取。离散小波分析具有时一频分析特性，能将信号的细微变化反映出来。对实时获取的数字弱信号作离散小波变换分析的结果表明；离散小波分析可明显提高数字信号的信噪比，十分利于从噪声中提取微弱信号。     

脑-计算机接口系统中诱发脑电信号的小波分析

针对特定思维诱发脑电信号的特点,提出一种确定其分布情况及提取其波形的方法·首先采用离散小波变换对脑电信号进行分解,然后使用小波奇异点检测和小波统计分析相结合的方法进行特征分析,确定特定思维诱发脑电信号处于小波变换的哪个尺度上,并根据分析结果重构出诱发脑电信号·结果表明,这种方法能够有效地消除脑电信号中的常见噪声,尤其适用于对诱发脑电信号的提取·     

基于快速小波变换的信号分析系统

介绍了小波分析中的快速小波变换算法,通过与常用小波基相对应的正交镜像滤波器组,实现了信号的快速小波分解和重构。结合虚拟仪器技术,研制成功虚拟式快速小波变换信号分析系统。经由该系统分析的动态信号,即可看到信号的概貌,又可看到信号的细节,特别能捕获到反映设备重要故障特征的奇异信号以及提纯被噪声污染的信号。     

基于LabVIEW的心音多功能分析仪

基于LabVIEW开发了一种集心音的采集、多功能处理和心音信号发生器于一体的心音分析仪。该仪器是在普通PC机上开发,使用自制的无线心音采集装置和心音信号采集子系统配合提取心音信号,然后利用小波去噪子系统清除背景噪声,最后可利用时域分析子系统和频域分析子系统对心音信号进行各种分析。心音信号发生器子系统可以根据需要产生一种合成心音信号,供用户学习使用。为使仪器达到最佳使用效果,已经为每一个功能模块中的参数寻找到最佳值并设为默认值,而且每一个参数都是可调节的。实际使用效果证明该仪器能够采集到清晰的心音信号,能有效去除干扰噪声,快速准确地计算出心音的各个特征值,能根据用户参数设置快速生成相应的心音信号并播放。     

正交小波多尺度阵列观测声信息融合预处理算法

在声阵列信号处理中,为了提高窄带声信号的信噪比,降低信号的失真率,提出了基于q带正交小波多尺度分析的阵列观测声信息融合预处理算法。首先,该算法将多通道阵列声信号随机分组,基于正交小波多尺度分析得到阵列信号的细节信号矩阵函数及近似信号矩阵函数;其次,构建了各组细节信号的互相关函数,给出了细节信号互相关矩阵,以细节信号的均值互相关函数为细节阈值,得到了融合细节信号集合;再次,基于融合细节信号集合和近似信号矩阵函数重构了声信号。最后,通过静态半实物仿真试验及能量比、标准差、相关系数、信噪比四个方面的统计分析,表明融合预处理算法后的观测信号不仅保留了初始观测信号90%的声能,降低了初始观测信号的波动程度,而且还保持了初始观测信号90%的相似度,提高了信噪比,降低了信号的失真率。     

基于变步长随机共振的弱信号检测技术

针对绝热近似小参数随机共振难以满足工程实践中大参数下的弱信号检测，以及单一频率的共振分析在实际应用中的局限性问题，提出了一种变步长随机共振数值算法．该方法通过调整计算步长，使随机共振理论同时适用于犬、小参数条件下的弱信号特征提取．计算机仿真结果表明，对变步长随机共振后的信号作幅值谱和小波分析，均能准确得到低信噪比信号中的多个有用成分，充分证明该算法在大参数条件下可对弱信号中的多个特征频率产生共振输出．同时，变步长随机共振也可以有效抑制信号小波分解中由强噪声引起的边频干扰，提高小波分析在低信噪比信号检测中的可靠性．     

矿山微震信号小波分析与研究

 针对目前人工信号识别技术和傅里叶变换在分析识别矿山微震信号时的局限性,提出Matlab小波工具箱分析方法。首先对矿山实际监测到的干扰矿震信号进行小波变换,对小波分解之后的矿震信号进行频谱分析,结果表明能够准确地观察到信号的突变点,确定矿震信号P波初到时,从而更加精确得出矿震震源的位置和能量大小;其次对受干扰矿震信号进行小波消噪,同时对小波分析的4种阈值降噪方法进行分析对比,发现无偏似然估计阈值效果最好,显示了小波分析的强大消噪功能。研究结果表明,小波分析具有良好的矿震信号识别效果和消噪能力,是矿震信号处理和分析的一种有效方法。     

小波分析技术在数据预处理中的应用

在工程实际中,从被测对象上检测到的信号,往往混有不同程度的噪声。利用小波分析可以过滤掉弱信号或无用信号,得到用户真正需要的信息。介绍了小波变换、小波包分解,以及运用小波包分解进行数据预处理的方法,并最终选择应用小波包分解进行消噪和小波多尺度分解,完成数据预处理,提取了故障特征。     

基于小波分析的被动声纳信号宽带噪声包络调制分析

采用小波分析理论建立了一种新的被动声纳信号宽带噪声包络调制分析算法。通过被动声纳的海上实际信号的分析实验,取得了良好的检测效果且可以节省计算时间,具有很好的应用前景。     

基于小波分析的低速重载轴承故障诊断

从工程应用的角度研究了小波分析的信噪分离技术在低速重载轴承故障诊断中的应用·利用小波分解的多层次多频带特性和小波重构技术,建立了一种简单、精确和实用的低速重载轴承故障小波分析诊断方法·利用这一技术,诊断出其他方法无法诊断的低速重载轴承滚动体和内、外圈发生碰磨故障,检修拆卸时发现,上排滚动体有三个损坏,滚道出现磨损,验证了上述分析的正确性,成功地诊断出了具有低频特征的钢包回转台重载轴承碰磨故障·说明了小波分析用于提取弱信号,即信噪分离的有效性,这种方法可以弥补频谱分析法的不足·     

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．