基于小波包联合AR功率谱理论的滚动轴承故障诊断

提出了小波包联合自回归功率谱理论的故障诊断方法.对采集的轴承振动信号采用高、低正交共轭镜面滤波器组,将信号划分到不同频道上.滤波器每作用一次,数据点减半,采样的时间增至两倍.选取轴承缺陷所在频段的数据插零,将其他频带补零重构提高缺陷信号的时频分辨率;然后通过AR功率谱分析轴承运行状态,诊断出轴承对应的故障.对207滚动轴承的早期缺陷作了实际诊断,诊断结果与实际较为符合.证明该方法是一种有效的弱信号缺陷提取与诊断方法.     

小波神经网络用于非线性函数逼近的研究

神经网络具有良好的学习特性，而小波变换具有良好的时频局部化特性．将二者结合在一起构成小波神经网络，网络隐层采用morlet小波函数，输出层采用线性函数，使得该网络兼具神经网络和小波变换的优点．分别用小波网络和BP网络逼近一非线性函数，其结果表明，在相同的误差条件下，小波网络的收敛速度要远远快于一般的BP网络．     

小波变换在检测粘接件信号特征中的应用

在对金属与非金属粘接件性能检测的分析处理中，应用小波变换的方法对这种非平稳过程的信号进行分析，有效提取了性能检测所需要的特征参数，为提高金属与非金属粘接件性能检测的准确率和效率奠定了基础。     

基于小波分析的X线医学图像噪声综合抑制方法

提出了一种基于小波分析理论的医学X线图像噪声的综合抑制方法．将X线图像的试验处理结果与邻域平均、中值滤波去噪处理方法进行对比分析，结果表明该方法不仅能消除噪声提高图像质量，而且有效地保留了影像中丰富的细微影纹和边缘信息．     

小波变换式小电流传感器的研究

采用霍尔检零原理(即闭环原理)推导出了霍尔检零系统的稳态误差表达式，得出了在霍尔检零系统中放大器的放大倍数越大稳态误差越小的结论．把小波变换技术应用到小电流传感器中，构造的声表面波换能器脉冲响应函数等于小波函数，从而制造出了声表面波式小波变换及重构器件，该器件可有效滤除小电流传感器的干扰信号．霍尔检零系统可以补偿温度和霍尔元件恒流源电流的变化对测量的影响．     

基于小波分析的HDTV信源编码技术

分析研究了基于MPEG-2标准的高清晰度数字电视信源编码技术,阐述了小波分析中多分辨分析的基本思想和理论,并将基于多分辨思想的Mallat算法较好地应用于HDTV的图像压缩编码系统中.     

小波分析在旋转机械故障诊断中的应用

简述小波分析的数学原理和小波分析在故障诊断中的应用机理，并以透平压缩机组为例，分析了小皮分析在故障诊断中的应用。用小波进行信号降噪的方法是，先对机组轴承径向报动信号进行处理后再进行特征提取，使故障诊断过程变得容易，很好地保存了瞬态信号的尖峰和突变部分。     

数字图像中照度不均匀校正技术研究

为了消除数字图像中的照度不均匀性，对现有数字图像的照度不均匀校正技术进行了归类和讨论．分析了这些方法在计算误差上的内在原因，并在此基础上提出了基于小波变换的数字图像照度不均匀校正技术．该技术兼顾了数字图像的频域和空域，使得采用本方法校正后的图像具有品质优，计算误差小和时间消耗较少等特点．     

基于小波分解的色噪声预测

研究色噪声的预测．将小波分析理论与神经网络建模预测基本原理相结合，提出了基于小波分解的神经网络预测方法．通过对年平均太阳黑子数典型统计模型的预测，验证了该方法的预测效果．将该预测方法用于色噪声的预测研究，通过改变对色噪声的采样速率，分析了色噪声预测的可能性和效果．研究结果表明，色噪声是可以预测的；对其预测的误差随采样率的提高而减小；基于小波分解的神经网络预测方法的预测精度优于线性神经网络预测方法．     

基于小波多级分解的数字散斑相关搜索方法

为提高数字散斑相关方法(DSCM)的测量精度和计算速度,提出一种基于小波多级分解的数字散斑相关搜索方法。该方法利用二维离散正交小波技术对图像滤波去噪同时进行多级分解,从最低的一级开始进行相关搜索计算,然后逐级回溯。与传统的相关搜索方法相比,该方法可提高运算速度至少1个数量级并提高测量精度,有更强的适用性,可以对大位移、有噪声的图像进行数字相关位移场的处理。