基于离散小波理论的时间尺度变换实现

时间尺度变换就是使信号在时域上压缩或扩展而幅度不发生变化，将连续小波理论的时间尺度变换推广到了离散小波变换领域，推导了基于离散小波变换的函数时间尺度变换公式，在已知任意平方可积函数f(t)的条件下，通过离散小波变换和反变换求得期望的g(t)=f(t/λ)，并给予了理论证明和仿真实验。     

离散小波变换快速算法中预滤波器的选取方法研究

离散小波变换快速算法使得小波变换在信号处理领域得到广泛应用,其中抽样空间上测量值的求取是快速算法中的重要步骤。在论述离散小波变换快速算法的基础上,研究了对抽样空间上测量值的求取方法,即预滤波器的小波选取法,直接选取法,取样函数法及其和特点,探讨了一种基于小波系数范数误差极小的预滤波器优化设计方法,仿真分析各种方法的误差,结果表明优化方法具有较好的分解精度。     

基于m序列调制的自适应音频数字水印算法研究

提出了一种基于m序列调制的自适应音频数字水印算法．该算法首先将视觉上可辨的二值水印图像降维为一维序列，再将水印序列伪随机排序并与m序列作扩频调制，最后对数字音频信号进行分段离散小波变换，把经过调制的水印信息自适应地嵌入到原音频信号小波分解中等尺度绝对值较大的分量上．仿真实验证明了算法的稳健性和不可觉察性．     

基于DCT与DWT的水印算法的比较分析

数字水印技术是保护数字媒体安全的一种有效手段,但当前对数字水印技术的研究还有待进一步加强。文章阐述了数字水印技术的基本原理,介绍了离散余弦变换（DCT）和离散小波变换（DWT）水印算法,并通过攻击实验,对DCT和DWT水印技术在不可见性、鲁棒性、水印容量等方面进行了比较分析,以期对推进数字水印技术的发展起到一定的积极作用。     

基于小波变换的斜拉桥索双轴漏磁检测方法

针对在役斜拉桥索只能进行无损检测的特点,提出了基于漏磁检测的缆索缺陷探伤方法以及检测电路.由于检测现场空间磁场噪声较强,导致漏磁信号特征不明显,为此,应用二进小波变换的方法,对周向漏磁信号采用基于高斯白噪声的快速离散软阈值算法进行信噪分离,以确定缆索缺陷程度;对轴向漏磁检测信号进行奇异性检测处理,以获取缺陷的精确位置信息.实验结果表明,该方法可实时获取缆绳索缺陷程度和位置信息.     

图像压缩中的变换方法及应用

分析了通过变换为什么会实现图像的压缩，简要分析了几种常用变换方法的优缺点和离散余弦变换．从小波和小波变换的定义、小波变换浅析、小波变换在图像压缩中的应用等方面，重点阐述了很有发展前景的小波变换．最后概要分析了JPEG2000性能方面的特点。     

基于图像小波变换的数字水印

提出了一种基于小波变换的数字水印的嵌入与检测方法。这种方法充分利用小波变换的特点,在原始图像的适当位置加入水印,采用盲水印算法检测图像中是否含有水印。     

基于小波分析的高速公路事件检测算法

以高速公路为研究对象,首先利用突变理论分析了事件发生对高速公路交通流特性的影响,并建立了突变交通流模型,然后在此基础上设计了一种基于小波理论的事件检测算法。该算法利用小波变换放大交通流奇异点特征,根据小波系数幅值变化情况检测道路交通事件。为求取小波系数模值,对Newto—Core数值积分算法进行了改进,使其能充分反映M...     

应用小波变换检测噪声中的信号

研究了基于小波变换的信号检测问题,提出了多分辨似然比的概述,表明对检测问题存在一些特定的时频空间,在其中信号的大部分能量得到保存,而噪声能量很快减少,因此应用小波变换,通过对特定的时频空间的似然比分析较容易判断噪声是否存在信号。     

基于离散小波变换和人类视觉系统的数字水印算法

通过对人类视觉系统（HVS）的亮度特性、频域特性、图像类型特性的研究,提出一种基于离散小波变换和人类视觉系统数字水印算法,将秘密信息嵌入到小波变换不同的方位系数中．实现了水印信号在图像信息中的嵌入与提取,达到隐藏秘密信息的目的．实践证明该算法能提高水印的不可见性,同时具有很强的鲁棒性．     

Power System Transients Analysis by Wavelet Transforms

In contrast to Fourier transform,wavelet transform is especially suitable for transient analysis because of its time-frequency characteristics with automatically-adjusted window lengths.Research shows that wavelet transform is one of the most powerful tools for power system transient analysis.The basic ideas of wavelet transform are presented in the paper together with several power system applications,It is clear that wavelet transform has some clear advantages over other transforms in detecting.analyzing,and identifying various types of power system transients.     

石龙山隧道爆破振动信号的小波分析

采用db8作为小波基函数,对石龙山隧道同一炮次下垂直向、水平切向和水平径向的原始爆破振动信号进行尺度为7的一维离散小波变化。通过MATLAB程序分别计算了原始信号、各层小波的功率谱及能量比例;详细分析了各层小波的幅值特性、频谱特性及能量分布特性。研究结果表明:垂直向、水平切向和水平径向的优势频率分别为78.125～2 500 Hz、39.062 5～312.5 Hz和39.062 5～625 Hz。该分析方法在频率及能量分析方面的优势可以更加全面地获取爆破振动信号所带来的信息。     

基于深度时频特征的机车轴承故障诊断

针对现有机车轴承诊断方法存在故障特征提取不理想、诊断精度低等问题,提出了一种基于深度时频特征的机车轴承故障诊断新方法;利用双通道一维和二维卷积神经网络(CNN)分别对输入的一维原始信号和连续小波变换(CWT)提取的二维时频信号进行深度特征提取;为使输入的一维原始信号简单而有效地反映出信号在时域的全局特征,上通道使用一维CNN,为使输入的二维时频域信号能多角度地反映出信号的细微局部变化,下通道使用二维CNN;在融合层中将上下通道特征自动融合成一个新的深度时频特征,并将提取到的深度融合时频特征经归一化指数函数进行故障分类识别;在此基础上,分析了某局机务段实测的7种机车轴承数据,验证了本文方法的实际工程应用价值。研究结果表明:基于深度时频特征的机车轴承故障诊断方法对7种机车轴承故障的平均诊断精度达到了100%,与一维CNN模型、二维CNN模型和支持向量机(SVM)模型相比,平均诊断精度分别提高了0.7%、1.9%和2.2%;本文方法提取的深度时频特征中每类故障分布间隔规则有序,类内间距很小,而单个一维CNN模型和二维CNN模型提取的特征的每类故障分布间隔不规则,类内间距较大,说明基于深度时频特征的机车轴承故障诊断方法提取深度特征的能力优越,是一种解决机车轴承故障诊断问题的有效模型。      

GLOBAL MEASURE ON IMAGE CONTENT

IntroductionContent- based image retrieval has been proposedto allow retrieval to be performed on the basis ofa variety of aspects of image content[1] .A chal-lenging problem arises with many imagedatabases,within which queries are posed via vi-sual or pictorial examples.A common visualquery to an image database system would involvefinding all images in the database which containa subimage that is similar to the query image.Such retrievals must be based on embedded con-tent features,such as sh…     

车辆传动系统变参小波流形融合故障诊断方法

应用流形学习方法非线性融合信号在不同小波参数下中央尺度对应的小波包络,研究了强背景噪声下车辆传动系统振动信号故障瞬态脉冲包络的有效提取问题,并与传统信号时频分解方法进行了对比研究;采用不同小波参数对振动信号进行连续小波变换,提取了每组参数下中央尺度上的小波包络;采用基尼指数选择若干包含故障瞬态脉冲信息的小波包络,构造了高维小波包络矩阵;采用局部切空间排列算法对高维小波包络进行流形融合,获得了反映故障瞬态脉冲包络本质结构的小波包络流形;为了验证所提方法的有效性和优越性,采用不同方法对轨道车辆轮对轴承和汽车变速齿轮箱的故障振动信号进行了对比分析。研究结果表明:在分析轴承外圈故障信号时,所提方法基尼指数比传统信号时频分解方法提高27.32%以上;在分析齿轮磨损故障信号时,所提方法基尼指数比传统信号时频分解方法提高26.74%以上。可见,所提方法通过综合具有不同形态的变参小波包络,可以在无需优化小波参数情况下,对车辆传动系统中的不同关键部件故障振动信号具有较好的自适应性,提取的故障脉冲包络中的带内噪声少,故障脉冲特性明显,容易识别其频谱中的故障特征频率,是检测车辆传动系统故障的一种有效方法。      

基于改进EEMD和WVD联合时频分析的车轮多边形状态识别方法

为了准确识别高速列车车轮多边形状态以及磨耗幅值,提出了一种改进的聚合经验模态分解(EEMD)与魏格纳-威尔分布(WVD)相结合的随机振动信号联合时频分析方法;利用相关系数法和频谱分析来评估筛选轴箱振动加速度信号经EEMD分解后的变量,然后进行WVD计算,在保持WVD高时频分辨率的同时可有效抑制交叉干扰项;应用该方法分析了周期性车轮多边形磨耗与现场实测随机车轮多边形磨耗引起的轴箱振动加速度信号。研究结果表明:利用EEMD-WVD二维时频谱的主频率可识别车轮多边形状态,利用EEMD-WVD三维时频能量谱的能量幅值分布可评估车轮多边形磨耗幅值,最大误差为0.3%;将改进EEMD和WVD联合时频分析方法的识别结果与短时傅里叶变换、小波分解、WVD传统时频分析方法进行对比,表明此方法应用时无需改变任何参数,自适应强,保留了WVD高时频分辨率的特点,而且可有效抑制EEMD产生的模态混叠现象和WVD产生的交叉干扰项,验证了所提出联合时频分析方法的有效性及其优势,为高速动车组车轮多边形识别和评估提供了新的技术途径。      

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明:在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。      

NOVEL METHOD FOR TEXTURE DISCRIMINATION USING WAVELETS

ＮＯＶＥＬＭＥＴＨＯＤＦＯＲＴＥＸＴＵＲＥＤＩＳＣＲＩＭＩＮＡＴＩＯＮＵＳＩＮＧＷＡＶＥＬＥＴＳ＊ＬｉｕＪｉａｎｆｅｎｇ（刘建峰）ＱｉＦｅｉｈｕ（戚飞虎）（Ｄｅｐｔ．ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＳｈａｎｇｈａｉＪｉａｏｔｏｎｇＵｎｉｖ．）Ｊｏ...     

基于小波脊频级联特征的雷达辐射源信号识别

为识别复杂体制雷达辐射源信号,提出了一种基于小波脊频级联特征提取的信号识别方法.该方法采用新的小波原子和脊线检测策略提取信号的脊频特征,并提取其级联特征作为信号识别向量.仿真结果表明,采用级联特征能有效地识别辐射源信号,当信噪比为5 dB时,识别率达95%以上.与传统小波和现有方法相比,所提出的方法具有更好的信号识别效果.     

小波变换在轴承故障声发射信号降噪中的应用

噪声消除是小波变换最成功的应用之一，其基本思想是将信号的小波变换系数通过阈值处理，然后进行小波重构得到降躁的信号。根据故障轴承声发射信号的脉冲特性选取Morlet小波．以“小波熵最小”原则确定Morlet小波的波形参数，然后进行连续小波变换。采用软阈值方法处理小波东数，通过小波重构得到降噪后的故障声发射信号，噪声得到了很好的抑制，故障脉冲特征明显增强。采用实验数据，通过与离散小波变换的比较，得到了用连续小波变换可以有效降低噪声、提取故障声发射信号特征的结论。