小波变换用于列车振动信号消噪的研究

小波变换的重要应用之一就是用于信号的消噪。通常从列车上采集的振动信号都混有大量的噪声 ,现采用非线性小波阈值法对信号进行消噪 ,并利用阈值处理后的小波系数重建信号 ,从而得到有用的信号波形。实验结果表明该方法能有效的去除噪声 ,可靠性高 ,特别适用于信号中混有白噪声的情况     

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。     

基于小波分析的齿轮箱故障诊断

通过对齿轮箱噪声机理进行研究,建立了相应的数学模型,提出了一种基于小波变换的故障诊断方法.其基本思想是:首先利用小波变换的多分辨率特性,滤除信号的随机噪声,并将提纯后的信号分解到不同的频区;通过对各频区信号进行比较与分析,选取能量集中、包含了调制成分的部分进行复小波变换,利用多尺度小波包络谱获得信号的包络信息;最后,结合傅里叶频谱,确定齿轮箱的故障原因.研究结果表明:该方法能有效识别出齿轮箱系统中轴和齿轮的缺陷,并能锁定故障发生位置、衡量故障程度.     

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。     

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.     

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。     

一种融合小波变换和数学形态学的图像边缘检测算法

针对传统图像边缘检测方法中出现噪边、边缘定位不精确等缺点,提出一种融合小波变换和数学形态学的图像边缘检测算法。先将图像进行小波分解,高频部分利用小波模极大值噪声抑制和尺度相关子带关联算法进行边缘检测,可以很好地减弱噪声;低频部分利用修正的形态算子进行形态学边缘检测,能够检测出弱边且定位准确;最后对两种方法得到的边缘图像进行融合。实验结果表明,该算法能有效抑制噪声,提高边缘精度并且定位准确.     

一种低信噪比环境下的基音检测方法

噪声是低信噪比环境下影响基音检测准确率的主要因素之一,为此提出一种基于形态学滤波和小波变换相结合的基音检测方法。该方法首先用形态学滤波器滤除噪声,突出基音。然后在小波域利用Teager能量算子区分清、浊音,通过浊音小波系数模的极大值提取基音。实验结果表明,在信噪比较小时该方法也能准确地检测出语音信号的基音,与传统的基音检测方法相比,该方法有较强的抗噪性。     

小波包方法在车载FSK信号中的应用

FSK信号作为保障铁路安全运行的主要信号制式，在国内铁路上现在有两种，是法国引进的UT信号和国内自主开发的YP信号，小波变换是继傅里叶变换之后的重大突破，而小波包则是小波变换的进一步发展，克服了小波变换的一些不足，本文首先研究了车载FSK信号的特征，再利用小波包对车载FSK信号进行滤波处理，文中，给出了如何确定给定频率的信号在小波包分解树各个分解层中对应节点的算法，在滤波处理过程中，为了处理带内的噪声，也给出了采用阈值的方法来减少带内白噪声，阈值的选取充分应用到FSK信号的小波包分解的特点，最，我们给出了计算机产生的仿真FSK信号和现场采集的FSK信号的两种仿真，仿真结果表明，根据车载FSK信号的特性，小波包方法是处理车载FSK信号的有效方法。     

小波变换在机车振动信号分析中的应用研究

介绍了小波变换的理论背景和在振动信号处理方面的两种应用。文中对机车转向架振动信号用db4小波进行了分解,并运用本文所介绍的算法进行了降噪处理,取得了明显的效果;运用小波包技术建立了机车转向架的振动状态特征向量,较好地表征了机车振动的故障状态。     

小波分析在机车振动信号分析中的应用

通常从机车上采集的振动信号混有大量的噪声,现利用小波变换进行降噪,仿真结果表明小波变换能够有效地去除信号中的噪声,特别适应于信号中混有白噪声。提出利用小波包技术构造机车振动信息的特征向量,对检测机车的走行品质有一定的应用价值和现实意义。     

基于小波域谱相减算法的语音增强研究

谱相减算法是目前常用的语音增强算法，它常在处理宽带噪声中使用，具有运算量小、效果明显等特点，但该算法是基于短时傅立叶变换（STFT）基础上的，是一种单分辨率的信号分析方法。与STFT本质不同的小波变换是一种变分辨率的时频联合分析方法，当分析低频信号时，其时间窗口很大，而当分析高频时，其时间窗口减小，这恰恰符合实际中对非平稳信号进行分析的自然规律。基于小波域的谱相减算法，是将带噪语音信号进行Mallat多尺度分解，然后分别对各尺度下的信号进行谱相减运算，再逐一进行小波重构，得到去噪后的语音信号。仿真结果表明。该方法不但有效地提高了语音信号的信噪比，而且也在很大程度上改善了语音的失真程度，不失为一种有效的语音增强算法。     

利用小波分析技术提取移频信号信息特征

针对铁路移频信号的信息特点,提出了利用小波脊线技术分析移频信号信息特征的具体方法。该方法可以快速、准确地计算出移频信号的瞬时频率和信号包络,并根据所得出的瞬时频率推算出相应的调制低频信息,为铁路移频和UM71信号的分析和译码提供了一个新的方案。     

基于小波变换的城市轨道交通牵引供电系统谐波分析

分析了采用12脉波整流机组和24脉波整流机组进行整流的城市轨道交通牵引供电系统所产生谐波的特征.提出将小波变换应用于城市轨道交通牵引供电系统的谐波分析并进行仿真.结果表明:小波变换可将城市轨道交通牵引供电系统谐波中的高频成分逐步分离,减少高频谐波成分对电力系统的污染,对实现城市轨道交通牵引供电系统谐波信号的高分辨率检测具有很好的应用价值.