二维离散小波转换应用于加筋板格的损伤检测

文章主要是探讨利用小波转换来探测铝合金加筋板格的多重裂缝,在实验中利用小波包节点范数(Wavelet Packet Node Norm)来建立带有铝合金加筋板格的第一模态振型值,并且利用二维离散小波分析来探测裂缝之所在位置.在数值分析方面,利用有限元法分析软件(ANSYS),进行平板之模态振型分析,并以二维离散小波分析探测裂缝位置,证明此方法之可行性.从数值分析与实验两者之结果均证实所提出之方法对于探测铝合金加筋板格的单一或多个破坏程度之缺陷位置,均有较好的检测能力.     

小波分析在信号消噪中的应用研究

小波分析具有在频率域的多分辨能力,已广泛用于信号和图像的消噪中。在引入小波阈值去噪方法的基础上,提出了一种新的阈值函数。经过信号仿真验证,这种新的阈值函数取得了较好的消噪效果,克服了采用传统的软、硬阈值函数去噪的不足。     

光纤陀螺干扰信号探测

介绍了一种利用小波模极大值检测光纤陀螺干扰信号的方法。对实测的光纤陀螺干扰信号采用连续小波变换,通过分析小波变换模极大值线的特点,提出了光纤陀螺扰动信号探测的小波模极大值线方法,并进行了实验验证。结果表明：小波模极大值方法能够有效的对光纤陀螺干扰信号进行检测和定位。     

工程爆破振动信号分析中的小波方法

应用小波 富里叶综合分析方法对爆破振动信号进行时频域分析, 从爆破振动测试信号中分离出真实的振动信号, 并对爆破振动信号的频率特征进行精细地分析． 从而为在爆破振动安全规程中引入速度 频率准则提供了一种可行的技术手段     

MA(q)模型参数的估计——一种混合相位子波反演算法

笔者在文中讨论了混合相位子波A的反演问题.利用高阶累积矩获得近似反子波B(0),再通过B(0)与地震记录S褶积生成数据S=B(0)*S,最后对模型S=C(0)*r采用统计递归算法SRA[14]得到介入子波C(0)=(C,C*).真实子波A的估计通过解方程C=B(0)*A得到.如果混合相位子波A的长度有限,我们的算法可获得相当满意的结果.     

基于小波变换的电力系统谐波监测研究

为了满足突变的和时变的非平稳谐波检测与时频分析的需要,论述了基于小波变换的谐波检测的原理,提出了用DSP实现电力系统谐波的在线监测的方案。仿真结果表明此方案能满足电力系统中谐波监测实时性要求。     

基于多尺度Kalman滤波的多传感器数据融合

通过分析多尺度动态系统模型,提出了一种基于小波变换的Kalman多传感器数据融合算法。该算法结合了Kalman滤波的实时性、递归性和小波变换的多尺度特性,能对多传感器的观测数据有效地融合。算法首先将最细尺度上观测数据滤波后得到的估计序列小波分解到各尺度上;然后在各尺度上,利用该尺度上的传感器观测数据对小波分解系数进行更新;最后利用小波重构,达到更新原始估计序列的目的。仿真实验表明,该算法具有很好的数据融合效果。     

基于小波网络的船舶柴油机燃油系统故障诊断

采用小波变换和BP神经网络的辅助式结合,通过小波变换提取故障特征向量作为BP神经网络的输入值,设计并组建了小波神经网络;利用小波变换模极大值分析高压油管燃油压力信号的奇异性,提取故障特征向量;根据故障采集数据并建立学习样本,通过网络训练建立BP神经网络输入和输出间良好的非线性映射,进而通过特征向量输入BP神经网络来诊断故障。实验数据分析表明:该方法具有良好的诊断效果。     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

Wavelet De-noising of Speech Using Singular Spectrum Analysis for Decomposition Level Selection

The problem of speech enhancement using threshold de-noising in wavelet domain was considered.The appropriate decomposition level is another key factor pertinent to de-noising performance.This paper proposed a new wavelet-based de-noising scheme that can improve the enhancement performance significantly in the presence of additive white Gaussian noise.The proposed algorithm can adaptively select the optimal decomposition level of wavelet transformation according to the characteristics of noisy speech.The experimental results demonstrate that this proposed algorithm outperforms the classical wavelet-based de-noising method and effectively improves the practicability of this kind of techniques.