基于小波变换的调制自动识别新方法研究

在小波分析的理论基础上,提出使用高斯(Gaussian)小波进行连续小波变换,进而提取信号的小波变换后的幅度,获取其瞬时特征,达到识别MPSK(M-ary Phase Shift Keying)与MFSK(Multi-Frequency Shift Keying)信号的目的,从而在不需要先验知识的情况下识别接收信号的调制方式的目的.验证该方法较现有文献利用Haar小波变换识别信号方法具有更好的性能,而且克服了现有文献采用Haar小波变换识别调制信号的漏检问题,提高了运算速度和性能,并有效增加了小波变换识别调制信号方法的适用性.通过理论分析和计算机仿真证实了新方法的有效性和优越性.     

基于乘积性多尺度小波变换的MPSK信号码速率估计

为估计MPSK信号的码速率,提出一种基于乘积性多尺度小波变换的MPSK信号码速率估计算法.首先,采用载频估计值将接收信号下变频至基带;然后选取多个不同尺度分别对基带信号做Haar小波变换以检测相位突变点,对多个尺度下小波变换的模做乘积性运算,显著凸显突变点的位置,极大削减了噪声;最后,对乘积性结果做快速傅里叶变换(FFT),便可得到MPSK信号的码速率.仿真实验表明,该方法可以在较低信噪比下估计MPSK信号的突变点和码速率,体现了良好的估计性能和优良的低信噪比性能.     

基于两步小波变换的管道损伤识别

鉴于信号提取位置的不确定性,研究了信号提取位置对损伤识别的影响.对管道进行数值模拟,提取前两阶径向和切向位移模态.对轴向节点的径向位移模态进行小波变换,小波系数的模极大值反映了损伤的轴向位置;继续对环向节点的切向模态进行小波变换,通过模极大值来识别环向损伤位置;最后讨论了轴向损伤处节点径向位移的小波系数模极大值变化规律.结果表明:两步法可以有效识别损伤位置,轴向位置不含损伤时位移模态的小波系数能显示损伤的轴向位置但小波系数有所减少.     

一种改进小波系数重构的信号去噪算法

利用模极大值原理去噪后的小波系数,提出了一种采用三次样条插值进行小波系数重构,然后再结合Mallat重构算法,恢复出去噪后的信号.实验结果表明,该算法能给出信号原始小波变换系数的一个很好的近似,去噪效果明显.     

基于信噪比估计和盒维数的调制信号识别

针对数字调相和调频识别问题,提出采用调制信号绝对值的瞬时幅度的盒维数作为多进制数字相位调制(MPSK)和多进制数字频率调制(MFSK)信号类间识别的特征参数,并采用拟合曲线作为判决门限,该方法在保持具有较少的特征参数的同时还增强了对噪声的鲁棒性.在调制信号的类内识别中,分别采用MPSK信号的瞬时相位的盒维数和MFSK信号的瞬时频率的盒维数作为特征参数.仿真结果表明,在信噪比为5 dB时,对信号进行完全识别的正确率可以达到90％以上,从而证明了该方法的有效可行性.     

基于复值小波模和幅角经验正交分解的奇异性特征提取

提出了基于Hermitian复值小波模和幅角经验正交分解方法,采用这种方法可以提取信号奇异性特征。通过在滚动轴承故障诊断应用表明:小波模和幅角协方差矩阵的特征值向量反映了在时间-尺度平面上的分布结构,不受时间平移影响,便于信号的奇异性特征提取;用主成分重构信号小波模和幅角,能更清晰地反映信号的奇异性特征,便于分类识别.     

基于小波多尺度乘积的信号去噪算法

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于小波多尺度乘积的信号去噪算法,该算法首先对信号进行多尺度二进制小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数：再利用模极大值小波系数进行小波逆变换得到去噪后的信号。实验仿真表明：该算法在有效去除噪声的同时,也能保留信号的重要特征。     

基于小波包分析的能量阈值消噪

白噪声的方差和幅值随着小波尺度的增加而减小,而信号的方差和幅值与小波变换无关.按照信号能量的观点,提出一种基于小波包分析对图像的高频系数和低频系数同时进行能量阈值处理的消噪方法.同小波分析相比较,该方法可以有效地消除白噪声的干扰,计算简单且有较好的消噪效果.     

用于齿轮故障诊断的复小波变换相位功率谱方法

基于复小波基函数的信号小波变换,体现了小波变换的多分辨特性。复值小波能从幅值与相位两个角度提取被分析信号的信息,在齿轮故障振动信号处理中可以更好地识别故障模式。     

短时电压变动的小波变换模极大值奇异性检测方法

针对短时电压变动的特征,探讨了基于小波变换的模极大值奇异性的短时电压变动实时检测方法及其实现过程,并利用MATLAB对线路发生短时电压变动进行了仿真.仿真结果表明,利用小波变换模极大值奇异性法,可以实时、精确、有效检测短时电压变动信号发生时间、结束时间和幅值及瞬时值.