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.     

双模噪声背景下多阈值小波包在信号消噪中的应用

针对一类非高斯噪声——双模噪声信号进行消噪时,传统小波变换和小波包变换在选取恰当阈值准则及阈值量化时存在困难,通过详细分析双模噪声信号结构及频率分布特征,在将小波包分解频带按照频率顺序排列且通过比较最底层子空间节点能量大小的基础上,提出一种将频带进行多分段的多阈值小波包消噪方法.实验结果表明:在双模噪声且信噪比相同情况下,该方法比传统的多尺度小波软阈值、小波包自适应阈值消噪效果都优越,是一种非常有效的信号消噪方法.     

基于神经网络与特征融合的损伤诊断方法

为了能准确地诊断复杂结构损伤是否产生以及产生的位置和程度,提出了一种小波包分解、多传感器特征融合和神经网络模式分类相结合的结构损伤诊断方法。首先,用正交小波包对多个传感器采集的振动信号进行小波包分解,并计算每个频带上的相对能量;然后把这些传感器信号的小波包相对能量融合,构成神经网络分类器的输入特征向量,从而实现损伤的诊断和评价。研究结果表明:正交小波包分解的频带能量分布能够较好地反映结构的损伤特征;特征融合能够使不同传感器的信息相互补充,减小了损伤检测信息的不确定性,使诊断信息具有更高的精度和可靠性,提高了诊断准确率。     

振动环境中法兰连接结构状态的声发射辨识

在法兰连接结构振动试验的基础上,利用MATLAB对采集到的声发射信号进行处理,主要对重构后的信号进行分析。用特征频带与优势频带的概念,确定出小波包分解层数,得到声发射信号的频带分布特征。利用小波包能量百分比定量给出优势频带及其与扭矩之间的关系,发现能量随扭矩变化具有一定规律性,并提出用小波包能量谱变化率这一指标来表达其规律特征,从而实现对连接结构状态的辨识。     

电厂锅炉燃烧工况特征研究

分析了电厂燃烧锅炉工况诊断技术,提出了基于小波包频带能量分析方法的小波包分解能量特征提取方法.利用小波包分解技术,对稳定与非平稳的电厂锅炉燃烧压力波信号进行能量特征提取,为工况识别提供了有用信息.     

采用小波包树能量矩阵奇异值分解的局部放电模式识别

为了从局部放电信号电磁波大量冗余的频率信息中提取有效的局部放电特征参量,提出了采用小波包和奇异值分解相结合的能量特征提取方法。该方法从大量小波包树节点的能量信息中提取了一组能量特征参量用于局部放电类型识别,首先对4种放电类型的电磁波信号进行小波包分解,计算每个小波包节点系数的能量,接着采用奇异值分解法从小波包树所有节点的能量信息中提取奇异值较大的一组参量,利用这组参量建立识别模型,最后使用支持向量机对4种变压器典型放电类型进行识别。结果表明,小波包树能量矩阵奇异值分解可以从包含有大量无效和冗余频率信息的电磁波信号中提取能量特征参量,从而进行局部放电识别。研究内容可为局部放电类型识别提供一种有效的特征提取方法。     

基于小波包频带能量检测技术的结构损伤诊断

小波包变换能将振动信号按任意时频分辨率分解到不同频段, 而各频段信号的能量变化包含着丰富的信息.以悬臂梁为实验对象,对不同损伤程度下的振动信号进行小波去噪后,通过4尺度小波包分解和重构,得到了其能量谱图.实验结果表明:损伤程度不同,小波包能量谱图明显不同.因此可将敏感频带的能量值作为损伤程度的特征值进行损伤诊断.     

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。     

听觉诱发电位信号分析中小波基函数的确定

声舒适是评价建筑室内环境的重要部分,听觉诱发电位是声环境舒适度评价的客观生理指标,听觉诱发电位信号的时频能量特征可以用来评价声环境的舒适性.小波包分析可以探究听觉诱发电位信号时频能量分布规律,分析时运用的小波基不同,产生的结果也不同.为了更好地研究听觉诱发电位信号的时频能量分布,比较了5种小波基函数的时域特点和幅频特性.对16名正常成年人进行了脑干听觉诱发电位实验,将所测16组听觉诱发电位的平均值进行小波包时频能量分析.结果表明,dmey小波分析结果在时频分布上可与实际信号的能量信息相匹配,可以减少各个频带信号分解后的失真问题.选择dmey小波对听觉诱发电位信号进行处理,能够更准确地分析听觉诱发电位信号的时频能量分布,为声环境的舒适性研究提供理论依据.     

综放垮落煤岩声压信号小波包频带能量特征提取

为探索综放开采中煤岩性状的识别方法,根据放顶煤开采中煤、矸石、顶板岩石物理与力学参数的不同,垮落时冲击液压支架后尾梁产生的声压信号在幅值、能量及频率上会存在差异.据此自行设计现场信号采集实验并拾取到大量真实顶煤垮落、矸石垮落、顶板岩石垮落三种工况下垮落物冲击后尾梁时的声压信号.由于信号混有现场刮板输送机的工作噪声,利用小波降噪对信号进行降噪处理.通过对降噪后的声压信号进行六层小波包分解并运用频带能量分析法提取第6层64个频带的归一化能量,并进行能量百分比分布及统计指标分析.研究结果表明:3种工况下的声压信号各频带的能量以及在0~1 250 Hz、0~2 500 Hz内的能量分布特征以及对统计指标的敏感程度不同.     

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。     

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.     

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.     

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。     

运动目标地震动信号的时频特征分析

该文对由典型地面车辆目标－－轮式车、履带式车引起的地震动信号进行了实时探测，对实验所得的信号，应用短时傅立叶变换、小波及小波包分析方法对信号进行了处理，得到了时频分布矩阵奇异值分布特征（SVD）和小波及小波包分解能量分布特征（WWDD）。采用改进的BP网络，对远距离目标的地震动信号进行目标识别，应用WWDD对远距离信号的识别率可达85％以上，说明WWDD具有更好的可分性。     

基于小波变换的语音信号的特征提取

本文将小波变换用于语音信号目标特征的提取,利用小波变换对语音目标进行小波包分解后提取各频带内的能量特征作为特征向量。实验表明,小波变换使信号的频率特征得到增强,且压缩了特征空间的维数,具有很好的语音信号分类效果。     

多频带分析的配电网单相接地故障选线

针对多年来一直未得到根本解决的配电网单相接地故障选线问题, 在分析故障选线现状和基于小波包选线方法的基础上,提出了多频带分析的选线方法.根据各线路暂态零序电流信号小波包分解的能量分布情况,提出对各线路选择能量集中的特征频带或组合特征频带;并根据故障线路和非故障线路暂态零序电流大小关系原理,比较各条线路特征频带或组合特征频带的暂态零序电流的能量以确定故障线路.现场数据和大量的Matlab仿真试验结果表明:该选线方法可以准确、可靠地实现配电网单相故障的选线.     

基于小波包分析与互补集合经验模态分解的轴承故障诊断应用

针对滚动轴承早期故障信号特征微弱且难以提取的问题,提出结合小波包分析与互补集合经验模态分解的故障诊断方法;凭借小波包在分解时能处理噪声的功能,通过预处理振动信号初步消除噪声,然后利用互补集合经验模态分解得到各本征模态函数分量,并结合快速谱峭度的频带范围和相关系数计算,从而筛选出真实分量用以重构获得有效的故障特征信号。结果表明,该方法能较好地识别并提取目标轴承的故障特征信息,具有一定的可行性和有效性。     

基于小波包能量谱及SVM算法的轴承故障检测

针对小波分析在故障诊断时的局限性,将小波分析和支持向量机算法相结合,提出基于小波包能量谱及支持向量机算法(SVM)的故障检测方法.该方法以振动信号小波包分解后各子频带的能量作为故障检测特征,利用SVM算法对轴承故障进行检测实验.结果表明:小波包能量谱能有效地反映轴承信号特征,并对故障进行检测.该方法同基于Lipschitz指数熵、单奇异点检测,以及小波包能量谱与神经网络相结合的故障检测方法进行比较,检测率均优于其他三种常用方法.     

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。