肠鸣音的小波域滤波方法

肠鸣音信号是人体重要的生理信号之一,对其进行分析可以研究胃肠运动生理学,进而对许多胃肠功能紊乱疾病进行直接有效诊断.临床检测到的肠鸣音信号具有信号弱、噪声多、复杂且高度不平稳等特点,本文引入小波滤波方法,对采集到的原始信号采用不同的阚值去噪方法去噪,在MATLAB环境下进行仿真,分析了各自的滤波效果,总结出各种阚值去噪...     

基于分数阶希尔伯特变换的罗音特征提取

现有的罗音检测方法存在检测效果不理想、计算复杂度过高等不足,而分数阶希尔伯特变换对信号中的异常分量有着高度敏感性.文中在不同的分数阶将希尔伯特变换作用于罗音信号；变换后的信号表现为逐步相移.之后将原肺音信号与各阶变换结果构建相关函数,以各阶相关函数为待匹配特征,将其与标准模板相匹配,匹配系数高的判定为罗音,否则判为非罗...     

用声表面波器件实现二进小波变换的方法

根据声表面波传播的非线性特性 ,将变换信号用的小波作为声表面波器件的脉冲响应 ,从而提出了一种用声表面波模拟硬件实现小波变换的方法 ,并成功地用特种模拟器件实现了连续二进小波的快速变换 .由于实现方法简单 ,避免了复杂的算法和昂贵的制作过程 ,对于开发小波变换的优超性和小波变换的应用有重要的价值 .同时 ,还给出了小波变换在信号检测和信号滤波方面的应用例子 ,证明了用声表面波器件完全可以实现实时的信号小波变换 .     

基于肌音信号分析的踝关节动作模式识别

通过测量分析受试者小腿胫骨前肌和腓骨短肌的肌音信号,对踝关节背伸、跖屈、外展、内收等4个动作进行模式识别研究。提出了基于二次包络线的不等长信号分割算法,以及基于非线性小波变换的奇异值特征提取方法,并使用SVM分类器进行模式识别。结果表明:基于不等长分割的算法可以有效截取踝关节肌音信号的动作段信号;在两通道信号采集的情况下,利用非线性小波变换得到的奇异值特征在踝关节四模式识别中总体准确率可以达到87.8%,验证了本文提出的分析方法的有效性。     

用声表面波器件实现小波变换的方法

根据声表面波SAW（Surface Acoustic Wave)传播的非线性特性,将变换信号用的小波作为声表面波器件的脉冲响应,从而提出了一种用声表面波模拟硬件实现小波变换的方法,并成功地用特种模拟器件实现了连续二进小波的快速变换,由于实现方法简单,避免了复杂的算法和昂贵的制作过程,对于开发小波变换的优越性和小波变换的应用有重要的价值。同时,还给出了小波变换在检测信号和信号滤波方面的应用例子,证明了用声表面波器件完全可以实现实时的信号小波变换。     

基于语谱图的改进型LBP肺音识别

为了准确区分各种肺音信号,获得更理想的肺音识别效果,提出了一种基于语谱图的改进型LBP肺音识别方法.首先通过短时傅里叶变换将肺音信号转化为灰度语谱图;其次利用改进后LBP算法计算语谱图的局部纹理关系,将局部二值模式特征进行级联构成特征向量;最后利用支持向量机对正常肺音和三类异常肺音信号进行识别分类.结果表明,该方法对不同肺音信号的识别率可达92.59%,为肺部疾病的医疗诊断提供了新的思路.     

信号瞬变成分检测与提取及其在故障诊断中的应用

研究基于小波变换的信号瞬变成分检测与提取方法及其在机械故障诊断中的应用 .在分析信号的连续小波变换的模极大值理论的基础上 ,指出连续小波变换系数的模与信号瞬变成分的关系 ;通过分析小波函数的性质 ,分析小波函数对信号的连续小波变换的影响 ;在信号瞬变特征的提取过程中 ,提出基于门限值的特征重建方法 .将该方法应用于齿轮箱振动信号中瞬变成分的检测与重建 .结果表明基于连续小波变换方法能有效检测到信号中的瞬变成分 ,瞬变成分的重建结果有效地表示了机械的故障状态 .     

Mallat小波快速变换与IDRNN在卫星实时故障检测与识别中的应用

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类.     

OFDM系统中一种新的变换域信道估计方法

提出一种新的通过离散小波变换在变换域内进行插值的OFDM系统信道估计方法,利用离散小波变换在频域-变换域分析信道估计信号.这种方法可以更好地跟踪信道变化,显著地消除接收到的导频信号中的加性噪声,提高信道估计精度.     

基于双树复小波分解的风机齿轮箱故障诊断

风机齿轮箱振动信号具有非平稳、非高斯特性,多种模式混叠和复杂的传递路径使得故障信息微弱完全淹没在噪声之中.针对故障特征提取的难题,将双树复小波变换引入振动信号分析,提出了一种新的工业风力发电机齿轮箱故障诊断方法.首先对风机齿轮箱振动信号进行双树复小波分解,然后计算各频带分量的峭度值,利用峭度筛选故障敏感分量.最后对故障敏感分量进行频谱分析提取故障特征频率.实验结果表明:双树复小波变换可将复杂信号分解为不同频带分量,抑制平移敏感性和频率混叠.与传统离散小波变换相比,能有效抑制虚假频率出现并准确提取故障特征.本文提出的方法已成功用于风力发电机工业运行监测并准确诊断多种类型的齿轮箱故障.     

小波变换在噪声信号处理中的应用研究

基于噪声信号处理的故障诊断技术中的一个重要内容就是如何从大量、繁杂的噪声信号中提取有用信息．在讨论了基于噪声信号处理的故障诊断技术特点的基础上，重点介绍了如何利用小波变换中的多分辨分析和小波包分析来对噪声信号进行处理的原理、方法以及基于Matlab小波分析工具箱的噪声信号特征提取技术。     

小波变换在信号消噪中的应用

小波变换是近十年来迅速发展起来的学科,与Fourier变换相比,是一个时间和频率的局部变换.它的主要特点是将信号表示为不同尺度和不同位置的基本单元,而不同的基本单元表示原始信号中的不同信息成分,这种特点使小波变换成为一种高效的信号处理工具.讨论了小波变换消噪原理,通过对信号仿真分析,表明了小波变换在信号消噪应用中的有效性.     

小波变换在心电图R波检测中的应用

介绍了一种新颖的信号处理方法－小波变换．利用三阶样条小波分析了信号的奇异点与其小波变换的关系，并通过ＥＣＧ信号的小波变换，分析了小波变换的抗干扰能力．最后提出了一种以小波变换为基础的ＱＲＳ波检测方法     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及基于多分辨分析的信号小波的分解算法 ,研究了信号局部奇异性在小波变换下的特性 ;根据故障信号的局部奇异性在小波变换下模的极大值及其在不同尺度上的传播特性 ,对 30 8型滚动轴承振动加速度故障信号进行分解 ,对故障特征信号进行时域定位 ,并提取了故障特征频率f=46 .88Hz,这与实际的故障特征频率相近 ,说明该方法适用于滚动轴承的在线监测和故障诊断     

基于小波变换和中值滤波的医学图像去噪

简单介绍了离散小波变换、二维小波变换分解与重构和中值滤波的原理,提出了利用小波变换、中值滤波对含有高斯和脉冲两者混合噪声的医学CT图像进行去噪的一种新方法。实验结果表明:这种方法能够有效改善图像质量,较好地保持图像视觉效果,降低图像噪声;此方法的效果优于单纯的小波变换或单纯的中值滤波或先中值滤波再小波变换去噪的方法,是去除CT图像中含高斯和脉冲两者混合噪声的一种比较理想的方法。     

小波变换及其在图像处理中的应用

小波分析是对傅立叶变换的继承和发展,在数字图像压缩,图像的边缘检测,信号分析,医学影像以及计算机视觉等领域有着广阔的前景,本文首先介绍了小波变换的基本原理,特别是多尺度分析理论,作为应用,分析了基于小波变换的图像消噪技术,并给出实例。     

一种快速重构信号的方法è

从多尺度的思想出发，提出一种由小波变换的模极大值及造成小波变换模极大值眯的信号突变点的正规性快速重构信号的方法，在各尺度下，依小波变换模极大值及造成小波变换模极大值点的信号突变点的正规性来选取基函数拟合信号在该尺度下的小波变换，再作小波反演得重构信号，实验结果表明，它是一种快速而又有较高信噪比的重构方法。     

小波变换在回波信号检测中的应用

基于小波变换品质因数不变性的特点，结合适当的小波基，探讨小波变换在回波信号检测中的算法。在算法分析基础上，从检测原理、检测步骤、计算机仿真方面阐述如何利用小波变换检测回波信号时差，以确定回波信号的奇异点(回波信号到达时间点)，进而确定被探测目标的位置。小波变换具有表征信号局部特征的能力，适于分析信号中的瞬态和奇异现象，并可展示其成份。所述的算法分析、小波基的选择及小波变换阶的选择等，为地下目标探测中的信号处理，提供了算法依据和应用方法参考。     

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.     

基于小波变换的弱信号检测方法研究

介绍了小波变换原理,对利用小波变换实现弱信号检测的性能进行了分析,并利用仿真结果说明小波变换能提高信噪比。