小波分析在管道泄漏信号识别中的应用

利用多尺度小波变换，把管道泄漏产生的负压波信号作为瞬态信号，来识别管道的局部泄漏特征。以光滑函数的一阶导数作为小波母函数，研究了管道泄漏特征信号拐点区间的敏感性，突出小波变换系数的局部极值性。分析表明，检测信号的小波变换系数极值的奇异性准确地反映了管道检测信号的泄漏特征，并且从局部描述了管道泄漏信号的瞬态正则性。对各级尺度系数进行了S形曲线拟合，此曲线能够完整地描述管道泄漏瞬变特征，其拐点区间描述了管道发生泄漏时的瞬变过程。     

信号瞬变成分检测与提取及其在故障诊断中的应用

研究基于小波变换的信号瞬变成分检测与提取方法及其在机械故障诊断中的应用 .在分析信号的连续小波变换的模极大值理论的基础上 ,指出连续小波变换系数的模与信号瞬变成分的关系 ;通过分析小波函数的性质 ,分析小波函数对信号的连续小波变换的影响 ;在信号瞬变特征的提取过程中 ,提出基于门限值的特征重建方法 .将该方法应用于齿轮箱振动信号中瞬变成分的检测与重建 .结果表明基于连续小波变换方法能有效检测到信号中的瞬变成分 ,瞬变成分的重建结果有效地表示了机械的故障状态 .     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪。     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪.     

管道泄漏源定位中最优小波基变换研究

针对压力管道通孔型泄漏源互相关定位的声发射（AE）信号降噪问题,进行了小波变换系数重构泄漏信号的最优小波基的选取工作。首先分析了管道通孔型泄漏信号的声学特性;然后使用短时傅立叶变换分析了泄漏声发射事件的发生时间,用于获得其在该时间段内的基本时域波形,同时对比基本时域波形与标准小波基的相似性删选出合适的小波基;进一步,通过分析小波变换定位泄漏声发射事件的频率分布确定最优小波基。同时考虑到声速对定位管道泄漏的影响,对管道声速进行现场测量标定。最后以最佳小波基的小波变换系数作为重构信号开展基于互相关的定位实验。实验结果表明,选择横波的波速作为管道检测的声速时,最佳小波基为“morlet”的小波变换系数作为重构信号能够很好地剔除噪声提高管道定位精度。     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力，是描述和检测信号局部性质的有效手段；利用小波变换模极大值能检测出信号上的所有奇异点，根据小波变换模极大值随尺度的增、减规律，去除噪声对应的极值点，再由模极大值重构信号，提出了小波变换基于奇异信号的消噪方法，并应用于对一瞬时心率信号进行消噪。     

基于SPIHT编码的管道泄漏检测数据压缩方法

针对油气管道泄漏检测数据的压缩问题,首次提出基于小波变换的多级树集合分裂编码(SPIHT)的泄漏检测数据压缩方法。该方法主要是利用原始信号在各尺度下小波变换系数的自相似性,优先传送绝对值较大的小波系数,再传送绝对值相对较小的作为非重要系数以得到更高的压缩倍数和更小的重构误差。应用该方法对实际泄漏检测数据进行压缩,实验结果表明:在不大于1%的均方根误差下,压缩前和压缩后数据的压缩倍数相差达到28,比用EZW算法和算术编码相结合的方法提高了12倍,更多地节省了泄漏检测数据的存储空间。     

基于小波变换的心阻抗血流图特征点提取

以小波变换的极大值在多尺度间的变化与信号的瞬变有直接关系为基础,由小波变换的奇异点(过零点、极值点等)来观测心阻抗微分波形,在感兴趣的尺度上找到模极值点和特征点的对应关系,从而完成对特征点的自动检测。采用临床医学ICG数据对算法进行了检测,实验结果表明:心阻抗微分信号中B点、X点的漏检率与采用传统的相干平均法相比有明显降低,说明小波变换技术是心阻抗微分信号分析与处理的又一可行有效的方法。     

基于谐波小波分析的管道小泄漏诊断方法

在长输管道泄漏诊断过程中,复杂噪声背景下的管道小泄漏信号往往难以检测,更无法准确提取小泄漏负压波信号拐点进行泄漏点定位,为此提出基于谐波小波分析技术的小泄漏信号识别与负压波拐点准确提取方法.介绍r谐波小波分析的基本原理及其快速算法,利用谐波小波时频图、时频等高线图以及时频剖面图挖掘管道泄漏敏感特征,准确提取负压波拐点,实现了对长输管线小泄漏的故障诊断.现场采集复杂噪声背景下的输油管道小泄漏信号,分别采用Daubechies小波与谐波小波进行分析对比.试验结果表明,谐波小波泄漏检测法在噪声干扰下对小泄漏信号识别的准确率较高,为长输管道安全输送提供了可靠的保障.     

基于小波变换的多尺度图象边缘检测

边沿作为图像视觉的最主要特征 ,成为图像信息获取的重要内容 .而小波变换具有检测局域突变的能力 ,而且可以结合多尺度信息进行检测 ,因此成为图像信息边缘检测的优良工具 .基于信号与噪声在不同尺度下小波系数模的变化特征 ,利用小波变换系数模局部极大值来提取图像的边缘特征 .实验结果说明这种特征提取方法不仅有效地降低了噪声 ,而且也能较准确地提取图像的边缘及降低计算量 .     

VMD-Wavelet 联合去噪算法研究与应用

为解决天然气管道运行过程中采集到的泄漏声波信号含有大量噪声的问题, 通过研究小波、 经验模态分解、 变模态分解等常见去噪算法, 分析了泄漏声波信号的特点, 将改进小波阈值去噪和变模态分解去噪相结合, 提出了变模态分解-小波变换(VMD-Wavelet: Variable Mode Decomposition-Wavelet) 联合去噪算法。 利用该算法对典型信号进行去噪运算仿真, 结果表明, 该联合去噪算法性能优于常见算法。 最后, 将 VMD-Wavelet 联合去噪算法应用于实际采集的油气管道泄漏声波信号去噪处理, 研究发现, 该去噪算法对强背景噪声下的泄漏声波信号能取得很高的信噪比改善和很小的均方误差。     

小波神经网络在海底石油管道漏磁缺陷检测中的应用

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷的漏磁信号识别缺陷的形态参数,噪声消除和缺陷识别是其中的关键问题。利用噪声信号和测试信号在各个尺度上波谱的不同特征,基于小波变换来消除管道漏磁检测中的噪声信号,并根据正交小波多尺度多分辨率特点,把信号分解成各相互独立的频带,构建一个小波神经网络系统,通过输入漏磁信号的特征量识别缺陷的参数。漏磁检测数据处理实验表明该小波变换能较好地去除检测信号中的主要噪声,所建立的缺陷识别小波神经网络系统具有收敛速度快、逼近精度高等特点。     

基于小波变换的奇异信号检测研究

奇异信号的奇异点经常携带有比较重要的信息,它是信号的重要特征之一.证明了小波变换能用来检测信号的奇异性,利用小波变换模的极大值和信号奇异点的关系,可以分析信号局部奇异性.信号局部奇异性用李氏指数来描述.研究了奇异性检测小波基的选择条件.给出了实例分析,结果表明,小波变换在信号奇异性检测和局部化分析方面具有优异特性.     

基于ISODATA算法的漏磁信号到缺陷轮廓的网络映射

由于漏磁信号与缺陷轮廓的非线性关系，由管道漏磁信号描述管道缺陷的几何特征一直是管道漏磁检测的难点．本采用小波基函数神经网络的方法，建立了由管道缺陷的漏磁信号到缺陷截面轮廓图的网络映射．算法中应用迭代自组织数据分析(ISODATA)动态聚类的算法使得基函数中心的选取更加合理，经过多层分辨率的训练．网络输出表明，该网络可以较准确反映出缺陷的几何特征，为管道缺陷的特征提取提供一种可行的方法。     

输油管道泄漏信号去噪的研究

由石油管道泄漏引发的负压波传播到泄露点上游和下游的监测点时,会使该点的压力信号产生一个幅度较大的震荡,伴随震荡曲线将会产生一些噪声干扰。针对这一现象,将管道监测点采集到的压力信号,采用小波变换和中值滤波相结合的方法,在MATLAB软件环境下进行去噪仿真实验,最后得出该方法可以很好的去除负压波信号中的干扰。     

SG-VMD-SVD的信号去噪方法研究

油气管道信号泄漏检测易受噪声影响,因此去噪成了关键问题.为了提高对油气管道信号的去噪效果,提出了一种基于Savitzky-Golay平滑滤波、变分模态分解(VMD: Variational Mode Decomposition)和频域奇异值分解(SVD:Singular Value Decomposition)去噪相结...     

一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数模不同的变化特征,提出了一种边缘检测方法,该方法通过对图像的小波变换域中由噪声引起的小波变换系数模进行处理,再利用小波变换系数模局部极大值来提取图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提取出图像的边缘。     

一种基于时频域归一化二次谱的信号特征检测方法

针对传统的基于傅里叶变换的信号特征检测方法在频率域内没有考虑时间分辨率，而基于小波变换的方法对缓变信号特征检测困难等问题，提出了一种基于时频域归一化二次谱的信号特征检测新方法．该方法首先在频率域内对原始信号的振幅谱进行傅里叶变换，再将其归一化，获得归一化二次谱，这种二次谱的自变量具有时间量纲，它既能反映信号的频率特征，也能反映信号的时间特征．然后，基于二次谱进行特征检测，同时可采用补零或加窗等方法对数字信号进行处理，以防止频谱泄露，从而克服了单纯频谱分析的不足．针对大型杆件与石油管线传导信号的特征检测结果表明，所提方法能对被测物的完整性做出准确、有效的诊断．