非平稳信号瞬时特征提取的谐波小波方法

分析了非平稳信号的瞬时特征(瞬时频率和瞬时相位),对非平稳信号进行谐波小波变换,建立非平稳信号的谐波小波系数与该信号的瞬时特征之间的关系,提出非平稳信号瞬时特征提取的谐波小波模型和提取方法.通过算例中的线性调频信号和应用实例中的轴承座振动信号的验证表明,该模型与方法具有较好的抗噪能力,对非平稳信号的瞬时特征具有更高的分析精度,能实现非平稳信号中特殊成分的瞬时特征提取.该方法能通过傅里叶变换实现其快速算法,具有算法简单、快速的特点,实现非平稳信号瞬时特征的实时分析.     

非平稳信号自适应滤波的小波模型与滤波方法

分析自适应滤波和小波滤波的原理与方法,建立非平稳信号的自适应滤波的小波模型和滤波方法。利用小波变换的多尺度分解,将分离出来的噪声成分作为自适应滤波器的输入信号。通过自适应滤波器组能同时实现对多种噪声成分的最佳滤波,是实现信噪分离的最佳滤波方法,具有优良的滤波性能。模型验证和工程实例应用表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计。     

基于Shannon小波能量熵与FFT的电力系统谐波检测方法研究

利用小波变换的频带划分能力和小波熵对扰动信号检测能力,结合傅立叶变换准确的频域分辨能力,提出一种基于傅立叶变换及小波能量熵联合的电力系统谐波检测改进算法。分析了快速小波变换中小波混叠产生的原因,并提出解决方法。根据电力系统谐波的特点,建立谐波信号数学模型,基于该模型利用Matlab对算法进行仿真验证;利用DSP实验台,对改进算法进行实用化测试。     

测试系统中非平稳信号的时频优化小波包检测算法

非平稳信号为测试系统所测试分析的主要目标之一.对于这些信号传统的检测方法(例如:傅里叶变换)不能起到有效的分析作用.小波包变换是非平稳信号分析的常用工具.Shannon小波函数是现有的单小波家族中唯一能够对信号频域进行严格划分的小波函数,但是由于其时域的非紧支性限制了其应用.本文通过对Shannon小波函数的时频联合优化,改善了其在非平稳信号检测过程中的性能;首先在时域上,改写其时域表达式,并保留其频域的紧支性,提升了其时域的紧支性;其次在频域上,提出了对Shannon小波函数频域滤波器的插值算法,改善其频域的滤波性能;再次,通过牛顿插值法给出了算法的快速实现;最后,做出了仿真实例.结果表明,通过本文的算法,改善了Shannon小波包变换的性能,使其成为测试系统关于非平稳信号检测的有效手段.     

基于谐波小波变换的低速滚动轴承故障诊断

谐波小波具有严格的盒形谱特性，是理想的带通滤波器。将谐波小波变换运用于共振解调技术，提取故障激发的共振信息，实现轴承的故障诊断。应用该方法，对低速滚动轴承进行了故障分析和诊断，诊断结果与实际状况吻合。     

基于小波变换的涡街流量计信号处理方法

涡街流量计有许多优点,应用比较广泛。但是,涡街流量计易于受到由管道振动和流场扰动引起的噪声干扰。涡待流量计中的处理电路不能保证仪表在工业现场的测量精度。本文研究基于小波变换的涡街流量计信号处理方法。本文介绍小波变换的基本原理和快速算法,分析小波滤波器的幅频特性,研究调整滤波器中心频率的方法,给出涡街信号的处理过程,进行仿真和实验测试。仿真和实验结果表明,小波变换能有效地减小了噪声影响,使频率测量的精度高,处理实时。小波变换是涡街流量计信号处理的一种新方法。     

基于Morlet小波改善飞行颤振试验参数识别精度的方法

为了解决激励能量有限和现场测试数据量较少、噪声大，系统参数识别的准确度差的问题，采用Morlet小波时频滤波和频域参数识别相结合的方法进行参数识别来提高精度。基于Morlet小波函数建立特性滤波器组进行时频域滤波，讨论滤波参数的选取方法，采用有理正交多项式（RFOP）拟合算法进行频域参数识别，基于欧洲航空界广泛采用的GARTEUR飞机模型数据建立密频模态系统，进行飞行颤振的试验数据仿真。结果表明该方法在信号噪声较大时，可以有效地提高系统参数识别的精度。     

半球谐振陀螺滤波算法研究

针对半球谐振陀螺输出信号噪声的特点,提出了一种处理该噪声的前向线性预测(FLP)滤波与小波变换相结合的滤波方法,运用Allan方差法对滤波结果进行了分析.该方法以FLP滤波作为前段滤波器,采用DB4小波函数的强制阈值小波变换作为第二级滤波器.为了改进该级联滤波算法的不足,提出了基于神经网络的滤波融合算法.仿真结果表明,该滤波融合算法保留了级联滤波算法的优势,同时最大程度的保留了信息的完整度,滤波精度得到极大提高.     

高斯滤波技术提取表面粗糙度信息

在传统高斯滤波理论的基础上,提出稳健高斯滤波算法,引入M估计中的权函数对高斯滤波进行稳健处理,并结合高斯滤波逼近理论,在高斯滤波稳健算法基础上,构建高斯滤波的算法模型和零件表面形貌特征模型。利用MALTAB软件编程和仿真模拟系统,模拟出零件表面原始轮廓信号,并采用simulink系统仿真设计出FIR型数字高斯滤波器。将原始轮廓信号通过高斯滤波器,通过一次有效滤波分离提取出零件表面的粗糙度信号和滤波中线,实现高斯滤波的过程,提取粗糙度信息来评定零件表面质量。     

基于小波包分解的时变谐波分析

针对时变谐波的分析,提出了一种基于小波包分解的时-频分析的新方法,该方法利用共轭正交滤波器组所具有的功率互补性,对信号进行小波包变换频域等间隔分解,再将各子带输出交错组合,使得所测各次谐波均落入各自相应的频带内,从而达到对各次时变谐波测量与时频分析的目的。     

谐波小波的时频特性分析及其在故障诊断中的应用

小波分析在故障诊断中得到较广泛的应用,但采用不同的小波,分析结果往往会有很大差异。本文通过对谐波小波的选频和相位特性的理论分析,结合仿真信号与故障试验进行分析研究,提出了将基于谐波的小波包分析方法用于诊断碰摩故障,并提出了基于谐波小波的进化谱分析方法,为松动故障的识别提供了一种有效手段。     

离散小波分析导论（一）：小波变换的基本思想,展缩方程,展缩小波

介绍了离散小波分析的基本理论，详细阐述了离散小波变换的实现方法，并指出离散小波变换的一些应用前景。     

基于三通道不可分对称小波的多聚焦图像融合

针对Daubechies系列小波不具有对称性、张量积小波变换只强调水平和垂直方向的不足,提出了一种基于三通道不可分对称小波的多聚焦图像融合方法.利用矩阵扩充的方法,给出了一种三通道不可分对称小波滤波器组的构造方法,用所构造的不可分小波滤波器组分别对多聚焦图像作非下采样多尺度分解,采用低频分量系数值取小、高频分量系数绝对值取大的融合规则对分解后的子图像进行融合.实验结果表明,该方法有较好的融合效果,其融合结果图像有较丰富的边缘信息、较高的清晰度和空间分辨力,其融合性能比基于不作采样的张量积离散小波帧变换的融合方法的融合性能好.     

Numerical fringe pattern demodulation strategies in interferometry

The performance of two different numerical frequency demodulation strategies for evaluating sampled fringe patterns in interferometric applications and optics is discussed. Namely, these techniques involve traditional Fourier filtering techniques and a strategy based on the Gabor wavelets. While the latter is found to be more precise, it is generally difficult to implement wavelet-based frequency demodulation with equal performance as methods based on the fast Fourier transform. Here, we demonstrate a specialized fast wavelet algorithm that outperforms Fourier-based strategies for array sizes up to a few thousand data points and is yet more precise. The performance is investigated in numerical examples, indicating that the required choice of a global filter bandwidth is one of the main problems of the Fourier filtering strategy. Wavelet frequency demodulation, in contrast, always appears to perform slightly better, does not require judicious choice of filtering, and can often be made equally fast without loss of precision. Finally, applying this new algorithm to an ideal sinusoidal signal without noise, the precision of the numerical frequency demodulation is increased by nearly two orders of magnitude.     

Mallat算法的光学实现方法

现有的光学小波变换方法均基于连续小波变换,基于离散信号的小波变换算法（Mallat算法）的光学小波变换还没有出现,这阻碍了光学小波变换应用的发展。针对这一问题,分析利用光学4f系统实现Mallat算法的基本原理,提出Mallat算法的光学实现方法。针对空间光调制器只能实现非负的实函数,且CCD只能记录光的强度,给出一种应用于光学4f系统的光学小波滤波器的设计方法。使用该种光学小波滤波器,利用光学4f系统实现Mallat算法的小波分解部分,并通过数值计算实现Mallat算法的小波重构部分。仿真分析和光学实验结果验证了方法的正确性。     

基于小波变换和傅立叶变换的电参量测量

提出一种基于小波变换和傅立叶变换综合测量电参量的新方法.首先利用小波变换对谐波信号作预处理.消除谐波信号中的噪声以及分离信号中的暂态分量,然后通过小波变换重构信号并对其进行快速傅立叶变换,最后根据Budeanu定义的电参量计算公式就可以很方便的计算出各电参量.仿真结果表明,该方法能够更精确的测量出各电参量.     

小波变换在摆式列车倾摆控制系统故障诊断中的应用研究

小波变换在故障诊断中得到较广泛的应用，但采用不同的小波，分析结果往往会有很大差异。对常用的正交、半正交、双正交小波提取信号特征的能力进行分析比较，表明半正交B样条小波因具有线性相位和采用较长的分解系列，而具有较好的局部化特性和较小的变换误差，是摆式列车倾摆控制系统故障诊断中的较佳小波基。提出一种新的确定故障诊断阈值的方法，并通过实验证明了方法的有效性，为小波变换在摆式列车实车倾摆控制系统故障诊断中的应用提供理论依据。     

Frequency slice wavelet transform for transient vibration response analysis

This paper introduces a new kind of time–frequency signal analysis method, called frequency slice wavelet transform (FSWT), by means of extension of short-time Fourier transform (STFT) defined directly in frequency domain. The original signal can be decomposed by frequency slice function (FSF), which is similar with the wavelet base but can be designed very freely. At the same time, the original signal can be reconstructed by a FSWT representation in an easy way without the strict limitation of wavelet theory. Some new characteristics of its time–frequency window will be shown. Due to these features, FSWT is more flexible to fit ever-changing signals, and convenient to analyze and control in application. Next, the frequency resolution ratio of signal and Dirac function, etc., are employed to study FSWT, and to select a new scale parameter. The new scale is a good balance factor between time and frequency resolution. Moreover a fast discrete algorithm of FSWT is completed. Its application is focused on transient vibration signal analysis in this paper. FSWT can not only individually represent each modal signal in frequency domain, but also correctly show its details in time domain. FSWT helps to discover some new features of the experimental signal obtained from a small laboratory bridge monitoring system. By using FSWT, the filtering under high noise, and the segmenting of signal with high damping and close modes of frequency, will be discussed. Finally, the summary shows that this paper will be able to provide a more available tool for signal analyzing simultaneously in time–frequency domain, and further to refine the wavelet theory.