基于小波变换的信号奇异性检测

作者在该文中中介绍了基于小波变换的信号多分辨率分解,比较了信号和噪声在小波变换下的不同特性,给出了使用小波变换模极大化的信号奇异性检测算法。     

小波变换在信号奇异性检测中的应用

从理论上探讨小波变换如何具体确定奇异点的位置及如何进行边缘检测。     

基于小波变换的电力信号奇异性检测

电力信号奇异性是分析事故时间和原因的重要依据,小波变换能在时域和频域上同时对信号实现局部化处理,能准确的定位信号的奇异点,因而在信号的奇异性检测方面有广泛的应用价值.本文介绍了小波变换对电能质量信号检测的基本原理和方法,并通过MALAB仿真实验验证.     

基于小波变换的奇异性检测在信号分析中的应用

为了找到美元图像4个边缘的宽度，首先对图像进行长、宽方向的投影。投影信号中的突变最激烈的点就是边缘的起始处和终止处，将小波变换检测信号的奇异性理论应用于这种突变点的检测中。详细地分析了如何选择合适的小波基以及如何选择合适的尺度来进行突变点的定位方法。     

小波变换在信号奇异性检测中的应用

小波变换是近十年来迅速发展起来的学科，它与傅里叶变换相比，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，在信号分析中，因为奇异点包含了比较重要的信息，因此信号的奇异性检测甚为必要。本文介绍了信号奇异性的小波变换检测原理，通过对仿真信号的分析表明在信号奇异性的检测中小波变换优于傅里叶变换。     

小波变换在信号奇异性检测中的应用仿真研究

小波变换突破了传统傅里叶变换等信号处理方法,在时域和频域上可同时对信号实现局部化处理,更符合信号非平稳的变频带结构特征,因而在信号检测奇异性等方面具有广泛的应用价值。简要地介绍了小波应用在信号奇异性检测方面变换的基本原理,最后通过仿真实验进行验证。     

奇异性信号检测时小波基的选择

奇异性信号往往带有一些重要信息，小波是奇异性检测的一种有力工具。本文研究了几种常用小波对不同奇异性信号的检测效果，通过对比分析，对不同的奇异性信号，推荐出了优先选用的小波基，并实际应用于刀具磨损时切削力信号的分析。     

小波变换在机械故障信号检测中的应用

小波变换由于具有良好的时频局部特性，能够反映信号在局部范围内的特征，是机械故障诊断中信号突变点检测的有力工具。文中阐述了小波变换用于机械振动信号的突变点检测以发现机械故障的方法，根据对振动信号小波变换的系数模极值点来定位突变点，检测机械故障。实例仿真表明，该方法可以发现故障机械振动信号带有的奇异性，实现机械的故障诊断。     

小波变换在信号奇异性检测中的应用

从理论上探讨小波变换如何具体确定奇异点的位置及如何进行边缘检测．     

基于小波变换的奇异性检测在信号分析中的应用

为了找到美元图像4个边缘的宽度,首先对图像进行长、宽方向的投影.投影信号中的突变最激烈的点就是边缘的起始处和终止处,将小波变换检测信号的奇异性理论应用于这种突变点的检测中.详细地分析了如何选择合适的小波基以及如何选择合适的尺度来进行突变点的定位方法.     

基于小波分析对信号奇异性的检测

提出小波分析对信号奇异性的检测方法，实现小波分析对信号各类奇异间断点的有效检测，并结合仿真实例对小波分析在奇异信号检测上的应用进行实际分析．     

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     

基于小波分析对信号奇异性的检测

提出小波分析对信号奇异性的检测方法，实现小波分析对信号各类奇异间断点的有效检测，并结合仿真实例对小波分析在奇异信号检测上的应用进行实际分析．     

三维信号小波变换的局部奇异性检测

建立了三维小波变换,给出了三维小波在三维信号局部奇异性检测应用中的一些定理和结论.     

三维信号小波变换的整体奇异性检测

建立了三维小波变换,给出了三维信号整体奇异性检测应用中的一些定理和结论.     

基于小波分析和EMD的手写阿拉伯数字字符特征表示

经验模态分解(EMD)能有效地对信号结构做出精确的分辨, 利用这一特点本文提出了一种基于小波变换和EMD的票据手写体数字特征抽取方法。 通过对原始数字字符进行G小波变换极大模预处理,得到能反应字符特征信息的光滑轮廓, 进而对规范轮廓曲率序列作EMD分解,以获取浓缩曲率特征的主要信息,最后对此曲率特征数据进行聚类分析。 实验表明,与经典的字符特征提取算法相比,本文方法具有更好的聚类效果,提高了分类器的分类设计能力。     

小波变换在地震道奇异性检测中的应用

作者在本文考虑到地震道信号的分形特征，选取了具有紧支集的样条小波对信号作小波变换，相应地提出了利用小波变换的极大模值来检测地震道奇异性的方法。并用了应用实例来说明，所提出的方法对实际地震资料的处理是十分有效的。     

基于小波包和EMD的异步电动机轴承的故障诊断方法

异步电动机轴承的故障信号为低频带周期冲击性特征故障数据,呈现非线性特征,倘若对此类特征信息直接做傅里叶变换,会被高频信号调制,使得故障信号严重失真。为此,提出一种新的集有小波包变换、经验模式分解和Hilbert包络谱分析相融合的滚动轴承故障诊断方法,旨在消除高频噪声信号,提升故障诊断效果。利用小波包变换对滚动轴承的振动信号进行降噪,使用经验模式分解把降噪后的故障信号分解成多个有效本征模态分量,并对筛选后的故障信号进行重构处理,最后对重构信号做Hilbert包络谱分析,计算得到滚动轴承故障频率。通过实验及分析,结果表明新方法应用效果良好。     

基于小波变换的串扰信号频率的检测

在对小波变换与串扰信号奇异性检测算法分析基础上,对印刷电路板(PCB)的设计中串扰信号频率产生进行了分析,进而推定串扰信号源频率检测方法.并通过PROTEL软件产生串扰信号数据,利用小波变换与串扰信号奇异性检测算法检测串扰信号取得准确频率范围.     

信号奇异性检测中小波分析的应用

信号的局部奇异性包含了信号的许多重要的信息,小波变换突破了傅立叶分析在时域和频域方面的局部化能力,适合对非平稳信号的处理.在介绍了小波分析的概念及其时频方面性质的基础上,讨论了小波的时频局部化在信号奇异性检测中的理论与方法,该方法非常适用对边缘信号与突变信号的处理和提取,因而在故障诊断中大有可为.