共查询到18条相似文献,搜索用时 93 毫秒
1.
2.
3.
4.
脉动流条件下涡街信号瞬时频率的估计 总被引:1,自引:0,他引:1
研究脉动流条件下涡街信号的模型,提出频率测量的新方法.利用基于ⅡR滤波器组的小波变换,对信号进行二进制分解.根据实时性要求,提出基于ⅡR滤波器组的递归小波分解算法.对分解后的涡街信号进行Hilbert变换,估计出瞬时频率.仿真结果表明,该方法计算精度高、实时性好,可以准确反映脉动流条件下涡街信号的频率特征. 相似文献
5.
该文提出了一种新的使用小波技术检测PV数据信号振荡周期的方法. 首先使用小波技术对PV数据进行降噪;然后在不同分辨率上,应用冗余二进制离散小波变换(DDWT)来分解PV振荡信号,并检测该信号的小波系数极值,重构PV信号,避免降噪后的PV信号失真;最后基于本文提出的新算法,计算获得PV振荡信号的周期. 相似文献
6.
7.
<正>滚动轴承在运转过程中,当出现如局部点蚀、疲劳剥落,微小裂纹等早期损伤类故障时,其振动信号的能量分布在较宽的频带上,频率成分比较复杂,使得故障特征隐蔽性较大,仅仅用传统的傅立叶分析不容易发现故障隐患。与傅立叶变换技术相比,小波分析技术具有良好的时间、尺度特性。小波变换通过正交基的平 相似文献
8.
利用小波分析技术,对不同传感器接收到的声发射信号进行分解,提取出特征频率段的小波分量,对这一分量的重构信号进行相关性分析,确定了声发射信号到达两传感器的时间差,进而确定了声发射源的位置.对热障涂层进行铅笔芯断裂的定位分析验证了该方法的准确性. 相似文献
9.
10.
针对机电系统短路故障检测方法中存在检测精度低的问题,该文提出一种基于小波变换的高速公路机电系统短路故障检测方法.首先分析机电系统短路故障类型,将其划分为暂时性、固定性、机械性、人为性、系统性五种,不同故障类型具有不同信号特征,使用小波变换提取短路信号特征,并将故障信号波动范围控制在合理范围之内,在此基础上,对采集到的数据进行归一化处理,完成高速公路机电系统短路故障检测.实验结果表明:采用所提方法对高速公路机电系统短路故障测距的精度更高. 相似文献
11.
12.
针对单训练样本情况下的人脸识别问题,提出一种虚拟样本扩展方法. 利用光照模板映射将单一样本扩展为一组虚拟样本,从而增强单训练样本的分类信息. 采用主成分分析(principal component analysis, PCA)对扩展的虚拟样本进行降维,并用Fisher 鉴别变换作二次特征抽取,然后用最近邻分类器识别人脸图像. 所提方法在人脸图像库Yale B 和Extended Yale B 上进行试验,用PCA+LDA 方法把扩展图像作为训练集对测试图像进行特征提取和识别. 相对于以单样本图像为训练集的PCA 特征提取,该方法显著提高了识别率. 相似文献
13.
研究了声发射(AE)信号在风电塔筒中的传播衰减规律,测定了实际的距离衰减关系,并采用小波分析方法对所采集的AE信号进行分层分析。结果得出,AE信号在焊缝处较母材处明显,漆面对信号的传播距离有一定的影响,在塔筒中最远可达6 m;断铅信号通过焊缝的能量频段主要在d4和d3频段,断铅信号未通过焊缝的能量频段主要在d3和d1频段;低频信号在通过焊缝时能量急剧降低,漆面使低频信号和d3频段信号的能量有一定降低。以上结论可以作为现场塔筒动态监测中传感器的布置依据,并可以作为信号源分析和定位的参考条件。 相似文献
14.
提出了一种基于奇异值分解和离散小波变换的音频盲水印方法,将原始音频数据进行小波变换,提取低频分量分块奇异值分解后,利用置乱加密处理的水印图像,量化选取的奇异值,实现水印的嵌入过程.利用图像置乱和奇异值分解方法,提高了水印的不可感知性.另外在水印的检测与提取过程中不再需要原始载体数据,更加利于实际中的应用.通过MATLAB仿真实验表明,水印隐藏效果好,而且对多种攻击具有较好的鲁棒性. 相似文献
15.
16.
17.
为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果. 相似文献
18.
小波变换应用于信号去噪研究 总被引:5,自引:0,他引:5
分别对小波分解与重构法去噪法、非线性小波变换阈值法去噪法以及小波变换模极大值去噪法的原理进行了阐述,并比较了这几种小波去噪方法的优缺点,通过计算机仿真结果表明有效可行。 相似文献