多小波的多分辨率分析在电力信号处理中的应用

简要介绍了多小波的多分辨率分析方法．以电力系统故障电压信号为原始信号，探讨了多小波在故障检测、故障数据压缩以及故障信号去噪方面的应用，并与传统小波进行了详细比较．仿真算例表明，选择合适的预处理方法，多小波总体上能比传统小波取得更好的效果．     

基于小波分析的车轮六分力信号的去噪研究

介绍了利用小波分析去噪的原理,分析了小波变换模极大值法、小波系数尺度相关法和阈值法3种信号处理方法的特点,详述了利用阈值法处理信号时选择小波基、确定分解层、阈值处理和信号重构的方法。利用Matlab的小波分析工具箱对车轮纵向力信号进行去噪分析应用,结果表明:小波分析能很好的区分信号里的突变信号与多余的噪声,通过小波重构得到去噪后的车轮分向力突变的信号。本设计具有一定的应用价值。     

对称-反对称正交多小波滤波器序列的参数化设计

多小波由于它具有良好的性质已成为小波研究者们研究的热点.在多小波的研究中多小波基的构造是它的一个重要研究课题.由于单小波经过十几年的发展理论非常完善,并且已经构造出具有不同特点的单小波基.因此,从单小波基出发来构造多小波是一种简便而有效的方法.给出了利用单小波基将一类对称-反对称正交多小波滤波器序列参数化的设计方法,可使得多小波的应用更广泛,使用更灵活.     

基于改进小波变换方法的混沌信号去噪研究

针对混沌信号和噪声频谱互相重叠,传统方法难以实现有效滤波这一问题,提出一种改进的小波去噪方法.该方法采用参数加权法构造信号,将小波分解系数进行阈值处理,通过循环迭代,利用序列中包含的有效信息,将有用信号提取出来.仿真结果表明,利用改进小波变换去噪方法改善了混沌时间序列的预测结果,证明了该方法的有效性.     

小波去噪在振动压路机振动信号处理中的应用

振动压路机振动轮加速度是检测路面压实度的重要参数,因此在用传感器检测速度信号的过程中,加速度信号的准确性显得至关重要.在以往的加速度信号数据处理中傅里叶变化是主要的处理方法,通过对比分析可知傅里叶变换存在着一定的局限性,而采用比较实用的小波分析方法对数据进行去噪重构,通过分析证实小波分析在信号的去噪方面有独特的优势.     

基于小波分析的电力参数交流采样信号去噪方法

介绍了应用小波分析方法进行信号去噪的基本原理,基于阀值小波变换去除信号高、低频噪声,然后应用小波包分解方法获取信号的特征量从而进行信号的重构,消除瞬态突变干扰信号.论述了电力参数交流采样信号的特点,并对系统结构和组成进行了分析.实验结果表明:该方法可以有效地进行信号的消噪,并获取真实的采样测量信号.这种方法对其它类似系统也具有一定参考价值.     

一种小波包去噪自适应阈值算法

小波包变换可以将不同频段的信号分离,信号和噪声经小波包分解后,其小波包系数将表现出不同的特性,通过对小波包系数进行阈值处理 ,可以有效地抑制噪声,很好地重构信号.运用统计信号处理的理论,提出了一种确定小波包分解系数自适应阈值的方法.结果证明,这种方法具有良好的去噪效果.     

基于平均阈值的小波包去噪方法研究

通过对小波分解系数进行限阈值处理,可以有效抑制噪声,同时能够很好地重构信号、文中提出了平均阈值的概念,并在此基础上研究了小波包手去噪的效果,仿真结果表明,基于平均小波包去噪是一种有铲的去噪方法,其效果优于小波去噪。     

一种雷达辐射源信号分选新方法

提出一种基于小波与神经网络联合分析的雷达辐射源信号分选新方法.该方法首先对接收到的雷达信号进行小波去噪,达到提高信噪比的目的,然后利用小波脊线法准确提取其脉内特征参数,最后基于神经网络实现信号的分选.计算机仿真结果表明,较现有方法,该方法在较低的信噪比情况下,可以更准确地实现雷达辐射源信号的分选.     

基于小波变换的交通流速度-密度关系分析

车流速度和密度是交通流理论研究的重要参数,而小波变换是一种信号分析工具,它可以将信号进行去噪分析。基于通过调查获得的速度和密度数据构成交通流特征信号,引入小渡变换方法对交通流特征信号进行去噪,并运用典型特征构建速度与密度关系曲线,对其进行分析并与小波变换前原有速度与密度关系曲线进行对比。为更加清楚地观察三参数与时间变化的关系,以及三参数之间的相互关系提供了有效方法。     

GPS动态实测数据的小波降噪

介绍了小波变换理论,阐述了小波降噪原理、算法及3种噪声处理方法,概括描述了4种阈值规则的选取方法,以及在选用不同的小波基函数和分解层数对降噪效果的影响。在假设噪声为高斯白噪声的前提下,根据小波分解和重构法,对含噪信号进行降噪处理,并对GPS接收机得到的实测信号进行分析和效果比对。     

工业时窗小波降噪调制连续线性动力学系统参数直接辨识

在时窗内对噪声干扰的信号进行小波降噪,对降噪数据调制积分得等价的代数方程,利用最小二乘算法,进行线性动力学系统参数的直接估计．针对受噪声污染的系统参数估计的有偏性,借助时窗降噪调制方法构造辅助变量,提出了降噪调制辅助变量递推算法,进行了系统参数的无偏估计．仿真实验和应用实例表明,该方法具有有效性和实用性,可为工业在线辨识获得可信的系统参数提供参考．     

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。     

基于Matlab数字图像处理的车牌定位方法

通过彩色图像灰度化、最佳阈值法对图像进行二值化,改进的中值滤波策略对图像去噪,小波融合技术等对图像进行预处理。从而提高图像质量。利用改进的边缘检测的方法对预处理后的图像进行定位,并运用数学形态学的知识筛选车牌区域。结果证明,该定位方法取得了较好的效果,可为车牌图像的准确识别奠定基础。     

Feature Extraction of Bearing Vibration Signals Using Second Generation Wavelet and Spline-Based Local Mean Decomposition

In order to extract the fault feature frequency of weak bearing signals,we put forward a local mean decomposition(LMD)method combining with the second generation wavelet transform.After performing the second generation wavelet denoising,the spline-based LMD is used to decompose the high-frequency detail signals of the second generation wavelet signals into a number of production functions(PFs).Power spectrum analysis is applied to the PFs to detect bearing fault information and identify the fault patterns.Application in inner and outer race fault diagnosis of rolling bearing shows that the method can extract the vibration features of rolling bearing fault.This method is suitable for extracting the fault characteristics of the weak fault signals in strong noise.     

基于Rao-Blackwellised粒子滤波的岩石声发射信号去噪

针对声发射数据采集过程易受随机噪声干扰,提出了Rao—Blackwellised粒子滤波的信号降噪方法。在地震波模型的基础上,建立了声发射信号的状态空间模型。由于两者在某些方面有相通性,从而把降噪问题转为在状态空间模型下的滤波问题。首先,通过对构造信号的仿真实验,验证Rao—Black—wellised粒子滤波能够用于信号滤波;其次,利用Rao—Blackwellised粒子滤波,对石灰岩声发射信号进行降噪处理,并取得较好的滤波效果,从而为处理声发射数据提供一条新途径。     

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。