基于小波分析的傅里叶变换轮廓术应用研究

采用一种基于小波分析的傅里叶变换轮廓术测量了物体三维形貌.利用小波变化的时频特性,对测量光栅图像进行了处理,提取了有用的频率分量,获得了光栅图像的相位信息,抑制了频率混叠.计算机模拟结果验证了该方法的可行性,并在有噪声和无噪声的情况下与一般数字滤波器处理结果进行了比较,无论从测量精度还是测量范围都得到了提高.     

基于小波变换的光纤光栅测频辨识

针对光纤光栅测量振动模态频率噪声较大的问题,提出采用小波变换去噪。同时获取时频信号,判断光纤光栅测量模态频率结果的有效性,对模态频率进行辨识。从直接快速傅里叶变换方法获得的频域数据分析来看,振动模态频率为7阶,而利用有限元分析和CRAS模态测试平台的结果均为5阶,因此对光纤光栅测频结果存在误判。用小波变换进行去噪处理后,所得测试结果为5阶主要振动模态频率,与有限元分析和CRAS模态系统测试结果相近,分别为：27.25、232.00、423.25、692.50、1 390.25 Hz。其信噪比依次约为65、35、30、23、20 dB,信号的信噪比随着模态频率阶次的增加而降低。因此,采用小波分析可以有效防止光纤光栅测频误判。     

傅里叶变换轮廓术中预处理滤波方法的研究

用傅里叶变换轮廓术测量复杂物体形状时,频谱能量分布弥散,出现频率混叠现象,滤波时难以确定截止频率.选用了3种频域滤波窗以及小波滤波4种滤波方法对傅里叶变换轮廓术中的变形光栅图进行处理,计算机模拟并比较了在有噪声和无噪声的情况下不同滤波方法的误差分布.数据分析表明,选用合适的小波基对信号进行滤波处理比其余3种滤波器的测量精度要高.     

傅里叶变换轮廓术中预处理滤波方法的研究

用傅里叶变换轮廓术测量复杂物体形状时，频谱能量分布弥散，出现频率混叠现象，滤波时难以确定截止频率。选用了3种频域滤波窗以及小波滤波4种滤波方法对傅里叶变换轮廓术中的变形光栅图进行处理，计算机模拟并比较了在有噪声和无噪声的情况下不同滤波方法的误差分布。数据分析表明，选用合适的小波基对信号进行滤波处理比其余3种滤波器的测量精度要高。     

基于小波变换的投影光栅条纹分析

投影光栅条纹相位法通常用于三维物体形貌的测量.采用小波变换直接提取单幅光栅条纹图像的相位分布,不需要进行相位展开,即可得到物体表面轮廓.给出了小波分析应用在空间载波光栅条纹相位分析中的理论推导证明、计算机模拟以及实验验证结果,讨论了小波分析的抗噪能力,证实了该方法的可行性.     

小波滤波器组在三维轮廓术上的应用

在傅里叶轮廓术中引入小波变换滤波器解析对物体的三维形貌进行测量和分析．采用对数伽柏(log Gabor)函数生成一组非线性滤波器对光栅图像进行滤波，从而获得光栅图像的相位信息，以实现全自动化测量和提高测量精度．最后给出模拟和实验结果．     

简支梁位移场小波去噪的试验研究

利用图像技术进行变形的实时测量时,实际采样图像不可避免地会受到各种噪声和干扰的影响,基于数字图像处理技术与小波分析技术,利用Matlab软件编制用数字图像边缘检测程序,获取简支梁加载工况下的位移场,后处理中采用小波技术对位移场进行小波分解,而后进行阈值处理,消除属于噪声的小波系数,实现噪声滤除.试验结果表明:位移场的噪声得到了有效的滤除,充分体现了小波变换在信号除噪中的优势,具有一定的工程实用价值.     

一种基于能量分布特性的小波去噪算法

目前对于保持图像细节、滤除噪声,普遍采用空间域、频率域滤波．在空间域滤波,尽管能够有效地限制噪声,但是同时模糊了图像细节．因此,在频率域滤波的方法越来越引起关注．在小波频率域中,我们常常采用Donoho阈值方法处理小波系数来以此去除噪声,保留图像细节,然而该方法同时也一定程度上模糊了图像细节．小波变换具有良好的时、频局部化性能,图像经过多级小波变换得到不同分辨率的子图个数,各高频子图上的小波系数具有相似的能量统计分布特性．也就是说随着分解层数的增加,分辨率最低子图的小波系数范围最大,而高分辨率子图上大部分数值接近于0．因此,该文提出了一种新的基于能量分布特性的小波去噪算法(WCED)．     

小波变换在微光图像处理中的应用

微光图像中含有的噪声点具有椒盐噪声的特点,对图像进行小波变换,然后根据噪声的特点仅对其高频小波系数进行小波重构,重构后得到含有细节和噪声点的图像;根据重构图像的直方图的特点,对重构图像进行阈值处理,得到只含有噪声点的图像。根据小波变换提取的噪声点位置,对含噪的微光图像进行中值滤波处理,消除掉微光图像中的椒盐噪声。克服了中值滤波方法的边缘模糊的缺点,保持了微光图像中的细节部分。     

小波变换在微光图像处理中的应用

微光图像中含有的噪声点具有椒盐噪声的特点,对图像进行小波变换,然后根据噪声的特点仅对其高频小波系数进行小波重构,重构后得到含有细节和噪声点的图像;根据重构图像的直方图的特点,对重构图像进行阈值处理,得到只含有噪声点的图像。根据小波变换提取的噪声点位置,对含噪的微光图像进行中值滤波处理,消除掉微光图像中的椒盐噪声。克服了中值滤波方法的边缘模糊的缺点,保持了微光图像中的细节部分。     

基于小波包变换的三维荧光光谱数据压缩方法

基于db小波包变换,采用频率分级阈值方法对三维荧光光谱数据进行了压缩。建立了数据的小波包分解树,根据对数能量熵最小原则确定最优树,通过频率分级阈值方法对最优树中的小波包系数进行压缩,并且用实验获取的数据加以验证。实验结果表明,和小波变换相比小波包变换能够更有效地保留数据的细节信息。通过和其他阈值法比较可知,频率分级阈值法具有更好的压缩率和数据恢复能力,其压缩分数达到90%,恢复分数大于98%,谱线相对误差小于1%。平行因子分析重构光谱与原始光谱的结果表明,小波包压缩能有效保留有用信息。     

基于小波理论的舰船非线性横摇运动特性分析

探索采用小波分析方法研究船舶在波浪中非线性摇摆运动的动力学特性．对在几种不同的典型波浪参数情况下,得到的船舶在波浪中非线性摇摆的响应,进行小波变换．利用小波变换所特有的时频窗,可以同时在时域和频域中研究船舶横摇响应的模图和相图．通过分析所得模图和相图的典型特征,得到舰船非线性横摇幅值和频率等动力学特性．且小波变换适应不同频率的窗口特性具有更好的分辨率,可以获得更多的横摇运动响应特性信息．研究表明,小波分析在非线性横摇运动动力学特性分析的研究中是可行的,可以加强对船舶横摇非线性复杂动力学特性的分析能力．     

应用多分辨率小波变换提取脑电信号异常节律

脑电信号是非平稳的随机信号，其中包含了大量的生理和疾病信息，对于医生判断脑都是否有器质性的病变具有重要作用。因此对脑电信号的分析和处理一直是人们努力研究的领域。考虑到小波变换良好的时频局部化特性，利用多分辨率小波变换方法来实现脑电信号异常节律的提取，脑电信号经多分辨率小波变换后所得到的各个尺度的信号不仅反映了信号的频率信息，即尺度越大，对应信号的频率越低，同时也反映了信号的时间信息，即反映此时的EEG状态，实验结果表明，选择合适的小波基，可以有效地提取脑电信号中的异常节律。     

一种基于小波变换的包络分析法

对机械故障中常见的调制信号,包络分析法是一种有效的分析方法,为克服当前的包络分析法需要选择合适的滤波器参数的局性性,提出了一种基于小波变换的包络分析方法,运用小波包将调制信号分解到不同频率段上,提取需要的频率段成分进行重构,对重构后的信号作络细化谱分析就能有效地从原始信号中提取调制信息,仿真信号和实际动用都表明该方法能有效地提取信号的故障特征。     

基于小波包分解的一种非稳态油膜力轴承-转子系统的碰摩故障诊断

奇异信号往往载有设备运行状态的重要特征，小波分析理论可在时域和频域上同时对信号实现局部化处理，转子碰摩信号具有奇异性，利用小波包分散具有“变焦距”性质，或小波包对信号的奇异性即奇异点的位置及奇异度大小的分析更加有效，分析了碰摩信号在小波包变换下的持征，理论分析和计算结果表明，利用小波包分解能有效地实现磁摩故障诊断。     

基于小波变换的红外图像模糊与同态增强

针对红外图像对比度差、视觉效果模糊的缺点,提出了一种基于小波变换的红外图像模糊与同态增强算法。首先,采用正交小波变换对红外图像进行处理,将空域图像转换到频域,得到小波各层的分解系数;然后,运用同态滤波法对红外图像的低频子带小波系数进行处理,同时对红外图像的高频子带小波系数进行模糊增强处理;最后,经正交小波逆变换重构得到增强后的红外图像。实验结果分析表明,该方法可以增加红外图像细节,提高图像对比度,符合人眼视觉直观感应,能够有效达到红外图像增强的目的。     

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     

几种小波变换的图像处理技术

对图像数据先进行二维离散小波变换 ,根据小波变换后高、低频分量的特点 ,用数据隐含技术将加密数据隐藏在小波变换图像的高频部分 ;图像加扰技术采用改变小波变换图像的低频部分 ,以此干扰复原图像质量 ;防伪技术是在原图像中改动某些象素值 ,使在小波变换图像的高频部分得到某种显而易见的标志 ,以此分辨图像的真伪 ,这三种技术处理都是基于小波变换后的图像 ,几乎没有附加传输信息量 ,所以基于小波变换的图像压缩技术对上述处理后的图像依然适用     

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.     

基于小波变换的图像增强算法

根据小波的时频特性及多分辨率特点,提出了一种基于小波变换的图像增强算法,对图像小波变换得到不同分辨率下表征图像低频及高频信息的小波系数,对小波系数单支重构,对各分辨率下低频单支重构信息分段线性增强并线性叠加,增强图像低频轮廓;对各分辨率下高频单支重构信息分段线性增强并线性叠加,增强图像边缘。实验结果表明:算法具有很高的灵活度,既可以实现对图像轮廓的增强,也可以实现对图像边缘的增强。