基于小波奇异性的结构故障检测

提出了一种新的基于小波奇异性的结构故障检测方法.通过对传感器检测信号进行二进离散小波变换,采用模极大值算法对信号进行去噪滤波,同时根据小波变换模极大值在不同尺度下的分布来完成故障的检测与定位.该方法可有效抑制噪声对残差信号的影响,提高故障检测的鲁棒性.最后,针对歼击机的结构故障进行了仿真,仿真结果表明了本文方法的有效性。     

转子故障信号的小波能量特征自动提取

提出了一种基于小波变换的转子故障信号能量特征自动提取方法,受倍频分析思想的启发,运用尺度变换对原始时间信号重采样,将重采样后的信号进行小波变换,并统一分解到给定层上,从而获取信号的频带特征。该方法能消除转子转速和采样频率对小波分解频带分布的影响,提取的频带能量特征具有统一的物理意义。在ZL-3多功能转子模拟试验台上模拟了不平衡、不对中、碰摩及油膜涡动四种转子常见故障的128个样本,应用本文方法进行小波分析特征提取,并构造集成神经网络诊断模型进行诊断实验,结果表明了本文方法的有效性和正确性。     

孤岛检测中复小波变换与实小波变换的对比

孤岛检测是分布式光伏并网发电中的重要问题.为此,研究复小波变换和实小波变换在孤岛检测中的应用,提取并分析公共耦合点电压小波变换系数的幅值和相位的对比关系,以判断孤岛是否发生.仿真结果表明:基于复小波变换的孤岛检测可解决实小波方法特征信号分层繁琐和阈值选取过程复杂的问题.     

应用小波的PV振荡周期多分辨率检测

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.     

小波变换在变压器励磁涌流识别中的应用

提出了一种基于滤波和小波理论的区分励磁涌流和短路电流的新方法,通过滤波后的小波变换的模极大值提取涌流和短路电流的突变点特征,从而清楚地区分涌流和短路电流,通过计算机仿真证明了该方法的有效性。     

一种应用于电力系统谐波检测方法的理论研究

提出了一种小波变换与傅里叶变换相结合的谐波检测方法。利用小波变换的奇异性优点,划分出谐波的高低频部分进而获得谐波信号的稳态与非稳态量。同时对低频部分采用快速傅里叶变换(FFT)法分析,在频域内可确定各次谐波的含量;高频部分信号存在大量的噪音与奇异信号,对此采用小波熵分析法,在时域内求出信号的相关信息。该谐波分析方法在获得信号发生突变的时刻点同时可以进一步将其噪音信号与奇异信号从信号源中剔除,从而提高了电力系统谐波分析的适用性和精确度。通过进一步仿真表明,所提出的谐波检测方案能满足测量各次谐波含有率标准的要求,为谐波检测的工程实际应用提供了理论依据。     

基于小波变换和相模变换的电力电缆故障测距

通过将小波变换与相模变换理论相结合,提出了电力电缆故障测距的方法,采用新的相模变换不仅可避免传统行波方法中存在受故障起始角影响的问题,而且单一模量能够反映所有故障类型．仿真结果表明,该方法有很高的测距精度,是可行的．     

小波包-Hilbert分析在滚动轴承故障诊断中的应用*

<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     

基于小波的图像去斑点噪声方法的研究

根据超声图像斑点噪声统计模型的特性,通过对超声图像进行连续小波变换、分形插值小波变换等变换方法以及小波分析的软阈值滤波方法,提出了结合小波软阈值与中值滤波去噪的方法,在不同尺度对信号小波系数进行处理,达到降噪目的.     

基于二维小波变换的图像边缘检测方法

在不同尺度下图像突变点可以通过它的小波变换局部极大值为检测。该文给出了一种基于二维二进小波变换的图像边缘提取方法。这种方法通过对二进尺度下二维小波变换图像局部极大值的检测得到图像的边缘信息,文中给出的实验结果表明该检测方法是十分有效的。     

电流模电路的小波神经网络测试研究

提出一种基于多尺度小波分解及神经网络映射归纳的测试电流模电路故障缺陷的方法.针对CMOS器件典型故障建立了测试所需的故障模型,给电路节点加入故障模型进行故障响应测试.对故障信号进行时域采样,采用小波多尺度分解对故障相应信号进行频域多尺度分解,然后将处理数据作为神经网络训练样本,对各类缺陷响应结果进行分类、识别,最后根据可接受偏差范围确定信号为故障或非故障.给出了6类故障的故障覆盖率测试结果.     

基于小波变换的图像去噪技术

利用小波变换中的不同尺度特性对确定信号具有的"集中"能力,提出了基于小波变换的去噪方法。通过在不同尺度上选取适当的阈值,对大于和小于该阈值的小波系数进行相应的处理,其目的是尽量去除由噪声产生的影响,最后由处理后的小波系数对信号进行重构,以得到去噪后的信号。     

基于心理声学模型数字音频水印算法

提出了一种将心理声学模型和小波变换、离散余弦变换相结合的数字音频水印算法,根据人耳听觉系统的掩蔽效应,计算载体音频信号的掩蔽阈值.为了消除图像水印的像素相关性,首先对水印图像进行置乱,以增强水印信号的安全性.然后将水印信号嵌入到小波变换近似分量的DCT变换域中,嵌入强度由掩蔽阈值自适应控制.仿真实验结果表明：该算法隐藏水印具有很强的不可感知性;叠加了水印的音频信号对数据压缩、加噪、重新采样、重新量化、低通滤波等常用的音频信号处理技术具有很好的鲁棒性.     

一种基于边缘和小波变换的图像插值的实现

针对常规插值方法在图像放大时出现的边缘模糊现象,提出了一种基于边缘和小波变换的图像插值算法,小波变换提高了插值图像的边缘高频细节信息.算法首先使用小波变换提取图像边缘,通过边缘检测将图像分为边缘和非边缘这两个区域;对不同的区域分别进行图像插值.实验结果表明,用该方法对图像放大,能提高插值图像边缘的清晰度.     

小波变换及其在语音信号处理中的应用

人们为了了解自然界的规律,或是为了解决工程中的一些问题,需要对各种各样的信号进行分析,在小波变换出现以前,应用最广泛的是傅立叶变换.但是在利用傅立叶变换分析信号时,存在着某些缺陷.小波变换基于海森堡测不准原理解决了局部时间信号分析的难题,发展了信号分析的方法,成为了当代信号分析的主要工具之一.由于语音信号的复杂性,以及在某些方面与小波变换的相似性,使小波变换在语音信号处理有着很广泛的应用.本文对小波变换及其在语音信号处理中的应用进行了简要的综述.     

基于连续小波变换去除奇异信号方法

提出了高维小波变换的一般形式,在一系列的多维小渡变换中,选择一个适当的小波变换,对小波正变换和逆变换进行离散,构造简单易行且有效的数值计算方法．仿真实例表明:对同时带有白噪声和野值的二维信号进行离散的小波正变换和小波逆变换处理,可以彻底地去除信号中白噪声和野值,重建原有信号．     

小波包－Hilbert分析在滚动轴承故障诊断中的应用

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。     

光纤陀螺自适应阈值滤波新方法

通过Lipschitz指数分析不同分解尺度上信号与噪声对应的小波系数变化情况和光纤陀螺输出信号模型,研究了一种新的基于离散小波变换的自适应滤波方法. 该方法可根据光纤陀螺输出信号的能级自动调整小波系数在不同尺度上的阈值. 构造了一种新的阈值函数,用一个多项式来削弱低于阈值的小波系数,能最大限度地保留真实信息. 与软硬阈值函数相比,对于不同信噪比的信号均表现出较好的性能. 仿真实验表明,与传统固定阈值滤波相比,新算法能更好地去除噪声,改进光纤陀螺的零偏稳定性和随机游走等技术指标.     

脉动流条件下涡街信号瞬时频率的估计

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.     

小波变换在语音增强中的应用

通过分析语音信号的特性,采用了先对信号进行清浊音的判断,其次运用小波变换来处理带噪语音信号在不同尺度上的带噪小波系数,从而实现在重构中增强语音信号的目的,并通过计算机仿真结果验证了该方法的有效性.