基于小波分析的机车转向架振动信号的降噪和故障诊断

从小波变换的理论背景出发，介绍了利用小波变换对信号进行分解的原理。并重点对小波分析在信号消噪和故障诊断两方面的工程应用做了一些有益的探讨。首先对机车转向架振动信号用db4小波进行了分解，并运用所介绍的算法进行了消噪处理，取得了明显的效果。其次是运用小波包频分技术建立了机车转向架的振动状态特征向量，能较好地表征机车振动的故障状态。     

轨道检测噪声数据剔除方法的研究

为了消除铁路轨道检测数据中夹杂的噪声数据对轨道状态评定的影响,利用小波算法对原始数据信息进行分解.通过对分解后得到的高频信息进行分析,即可以找出轨道检测数据中噪声数据出现的规律.然后利用小波消噪方法对检测数据进行处理,得到消噪之后的数据,从而实现数据的恢复.使用Matlab中的小波算法对兰新线某段数据进行分析,实践表明小波算法具有较好的消噪功能.     

基于集合经验模态分解和小波变换的轮轨力应变信号降噪

为解决轮轨力应变信号中的噪声干扰问题,提出了基于集合经验模态分解与小波变换相结合的去噪方法。该方法能够判断出含有基线漂移和高频噪声的模态分量。对含有基线漂移的分量通过小波变换进行分解,将代表基线漂移的趋势项置零达到去除基线漂移的目的。对于高频噪声,则是采用小波阈值法进行去除。实测轮轨力应变信号的去噪处理表明了该方法的有效性。     

强噪声水平下的变形信息特征提取

对含有强噪声水平的变形观测数据序列,采用小渡分析的方法对数据进行处理,研究从含有噪声的观测数据中提取实际变形信号的可行性.在一个长期在线监测点10年的变形观测数据处理中,经过小渡分解、小波消噪、小波重构等操作后,有效地提取出了平滑的实际变形曲线.并且经过对消噪信号和原始信号的比较以及对残差的统计分析,认为小波分析用于强噪声水平下的变形信息特征提取,能够取得较理想的效果.     

基于软硬阈值折中的小波包语音增强算法的研究

由于语音信号的非平稳性,传统去噪方法将会不可避免地造成有用语音信号的损失,小波包分析能同时对信号的低频部分和高频部分进行分解,与小波分析相比,对信号的分析能力更强.文中提出一种新的去噪方法,它对噪声的清除更加干净,仿真结果表明,这种方法优于软、硬阈值法.     

基于小波分析的自适应噪声识别

图像噪声类型直接影响去噪方法的去噪效果.因此,研究图像噪声类型的识别,对于数字图像去噪方法效果的提高具有重要意义.利用小波分解的高频系数,分析直方图和曲线拟合图的跳变出现概率特征以及黄金分割点处的窗口宽度特征,提出一种数字图象噪声类型自适应识别方法.针对图像噪声识别类型,采用相适用去噪方法提高图像去噪效果.通过大量实验表明,该方法是切实有效的.     

基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断

针对轨道车辆的滚动轴承故障诊断问题,提出了一种小波包与RBF神经网络相结合的故障诊断方法.首先对采集到的振动数据进行小波消噪,然后利用小波包分解提取故障信号的能量特征向量,最后利用提取的能量特征训练RBF神经网络,进行故障诊断.诊断结果表明,基于小波包和RBF神经网络的轨道车辆滚动轴承故障诊断方法能够较好的诊断出轨道车辆的轴承故障类型,具有一定的实际应用价值.     

基于小波变换的轨道检测数据滤波方法

为了尽量减小轨道检测数据中夹杂的粗大噪声干扰对轨道检测结果的影响,利用小波算法对轨道检测数据滤波处理是一种可行方法。分析了dbl,db2,db3和db4小波基对轨道检测数据中高频突变脉冲信号的敏感性,选用较为敏感的db1小波基对轨道检测数据进行小波分解。通过3σ准则识别出粗大误差点并加以剔除,对轨道检测数据的高频和低频部分进行小波重构,从而达到较好的轨道检测数据去噪滤波效果。分别采用均方误差值、信噪比和平滑度指标对几种小波的去噪滤波效果进行了分析比较,进一步验证了db1小波能在轨道检测数据的处理中达到较好的去噪滤波效果。实例表明,论文提出的方法对能够敏感地识别轨道检测数据中的噪声信号,有效地剔除检测数据中的粗大误差,达到较为理想的轨道检测数据滤波效果。     

基于小波变换的有限长度信号的分解与重构算法

针对Ｍａｌｌａｔ的小波分解与生构的塔式算法，具体地对有限长度信号提供了一种小波分解与重构的算法，该算法仅利用了有限个小波基，无需对信号进行周期延拓，从而可完全无失真地重构信息。     

小波非线形阈值方法在工程地震勘探中的应用

针对浅层地震勘察中的随机噪声压制,提出了非线形阈值的小波域衰减算法。首先分析了小波软、硬阈值去噪方法的优缺点,对小波阈值去噪算法中的阈值函数进行改进,采用了非线形阈值去噪算法对地震信号进行处理。通过模型分析与实际数据处理表明,相对软、硬阈值去噪算法,该方法不仅可以很好地压制地震信号中高频随机噪声,而且可以很好地保持原信号的地质信息。