小波包分析在信号压缩中的应用

着重介绍了将信号在小波包最优基下展开,利用小波包最优基极好的空间、尺度定位性,使得信号的小波包变换系数在小波变换域尽可能集中,从而使在不降低压缩信号的质量情况下,进一步提高信号压缩比成为可能.具体讨论了小波包分析及小波包最优基的选取,同时针对小波分析在信号压缩中的局限性,研究用小波包分析来进行信号的压缩,从而提高了信号的压缩比和重建信号的质量,并用于实际数据处理压缩.     

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。     

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.     

小波变换的时频分析及其在实际中的应用

由于小波变换自身的特性,它非常适合对非平稳和时变信号进行分析及处理。本文介绍了小波变换的时频分析,具体将小波变换应用于几个非平稳及时变信号的处理,并将小波变换和其他信号时频分析方法做了比较,得出了小波变换的优势和适用特点,最后给出了小波变换应用于信号去噪的例子。     

工程信号中的小波采样与小波分析

基于墨西哥小波母函数，详细地分析了小波分析中的采样与Ｆｏｕｒｉｅｒ分析中采样的差别，小波分析中，在满足信号分析的采样定理条件下，先对信号和小波正交基进行一次采样后，再进行２次采样，并研究了Ｌ＾２（Ｒ）中信号的小波直接分析和小波时频谱，还对现场信号，时变信号，调相和奇异等模拟信号在不同频率成分上的分解作为实例对小波分析的聚集原理进行了论证。     

电力系统故障信号的小波分析和处理方法研究

将小波分析方法应用于电力系统故障信号分析和处理，获得了小波包分析和数据压缩处理两个方面较好的结果。在给出小波分析概念的基础上，较为详细地讨论了离散二进正交小波算法，并利用该算法分析了电力系统故障信号，获得了较好的结果。     

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。     

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。     

小波分析在信号降噪处理中的应用

通过对比几种不同的信号降噪方法,论述了小波分析方法用于信号降噪的优越性。给出了一种简单的小波分析用于降噪的方法,并给出实验结果。     

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.     

基于小波包分解的细胞膜离子电流重构

提出了一种基于小波包算法重构离子电流信号的新方法,利用小波包分解对离子电流进行多分辨率分析,获得尺度能量分布特征信号.然后,进行小波包重构,再经过平滑滤波,恢复通道离子电流信号.仿真实验结果表明,采用小波包算法,在较低信噪比时,离子电流恢复精度高,算法收敛速度快,且具有较强的抗噪能力.     

一种低比特率中文语音信息编码传输技术

研究一种中文语音信息编码技术．通过采用语音小波分析识别处理和语音信息特征编码，包括中文语音小波包分解、语音音素和音节声调识别、口音特征参数提取、语音信息和特征参数组合编码，这种低比特率编码技术理论上可将传输效率提高1倍．     

基于小波包和Elman神经网络的异步电机转子断条故障诊断方法

提出了一种基于小波包分析(WPA)和Elman神经网络的异步电机转子断条故障诊断方法.针对异步电机转子断条故障时定子电流出现的边频分量进行小波包分析,提取动态条件下各频带能量作为故障特征向量,削弱了负载变化及噪声对诊断准确性的影响.采用Elman神经网络对故障进行识别,并对Elman网络进行改进,在关联层增加了自反馈增益因子,提高了网络性能.以频带能量作为Elman神经网络识别故障的特征向量,建立从特征向量到电机转子断条故障之间的映射.试验结果表明:基于小波包分析提取的故障特征明显,由WPA和Elman神经网络构成的诊断系统,能有效地识别出转子断条故障,故障诊断准确率高.     

损伤识别系统中小波包信号特征量的提取

基于结构损伤识别系统,构建了耦合神经网络模型,阐述了小波包分析技术的原理和方法,对小波基的选取原则进行了分析和探讨,确定了小波基函数DbN中的N以及小波包分解尺度j;从模式识别的观点对结构损伤识别进行了分析,分析了小波包信号能量特征提取的方法。利用小波包多分辨率的特点,提出了以小波包信号成分能量特征向量为结构损伤识别的损伤特征指标,并在实验中得到了良好的识别效果。     

基于小波分析的谐波检测

提出了基于小波分析的谐波分析方法。首先论述了基于小波包分析信号的分解及实现方法：然后提出并论述了基于差拍选频和子带滤波的谐波分析方法；最后提出一种新的同步检测法，用于电压闪变信号的检测与谐波分析。     

谐波小波解调法在齿轮箱故障诊断中的应用

在研究谐波小波频段分解与Hilbert解调分析的基础上,提出了基于谐波小波包变换的解调分析法,并详述了其具体实现过程。该方法根据齿轮箱频谱特征与齿轮箱故障特征频率的理论计算值,确定所需提取的特征啮合分量,并在此基础上选择谐波小波包分解层数与所需提取的频带带宽;通过傅里叶变换及其反变换提取出相应的特征啮合分量,然后借助Hilbert算子对提取出的啮合分量进行包络解调分析。采用这种方法对存在磨损及点蚀故障的齿轮箱振动信号进行了分析,结果表明,基于谐波小波包的包络解调法具有精确提取任意频段调制信息的能力,能够为齿轮箱故障源的准确定位及故障程度提供可靠的判断依据。     

微弱振动信号的谐波小波频域提取

为解决设备故障检测和故障预报中某些微弱振动信号难以提取出来的问题,在介绍谐波小波变换的优良特性及其基本原理的基础上,给出了谐波小波变换的实现技术.在不减少信息点数的情况下,用谐波小波变换成功地对微弱振动信号实现了频域提取与时域重构,并且实现了强噪声下微弱周期振动信号的频域提取.通过算例和工程实例,说明谐波小波方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波方法和傅里叶分析方法,且在混有强噪声的信号提取中消除了二进小波包仍然存在的噪声泄漏,同时也显示了谐波小波变换的频域保相特性.     

PROSPECTS FOR APPLICATIONS OF WAVELET ANALYSES IN POWER SYSTEMS *

本文介绍了小波分析的发展历程和基本理论;阐述了连续小波变换、二进小波变换、多分辨分析和Ｍａｌａｔ塔式算法等重要概念;分析了小波分析优于其它方法的显著特点及其重要价值,并结合已取得的研究成果,详细讨论了小波分析在电力系统状态监视和故障诊断、谐波分析、抗电磁干扰、继电保护和故障定位、负荷预测、暂态稳定、动态安全分析、神经网络、专家系统、ＨＶＤＣ系统和电能质量评估等各个领域成功应用及发展的情况。     

桥梁损伤识别的小波空间变换及基函数选取的理论探讨

采用类比推理的方法建立了结构损伤识别空间信号的小波变换理论;系统的介绍了小波函数的特性;分析了工程结构损伤信号类型及其对小波函数的敏感性以及与分解尺度的关系;综合上述理论,初步讨论了工程结构损伤识别所用小波函数选取的一般规律.