基于小波变换的故障信号分析与检测

讨论了小波变换及其基本性质，探讨基于小波变换模最大值沿尺度演变的信号突变检测的基本原理与方法，在不同尺度上分析和处理信号的各种频率分量，使信号的奇点，突变点放大，提高信号的分辨率，信噪比。研究小波分析在机械工程信号处理中的应用，提出通过二进小波变换检测信号奇异点的实用技术。利用介绍的模极大值多尺度小波变换的方法，较有效地检测出滚动轴承故障发生的起始点，对在线故障诊断进行了有益的探索。     

由小波变换的模极大值快速重构信号

本文从多尺度分析的思想出发，提出一种由信号小波变换的模极大值快速重构信号的方法，在不同尺度上，以阶跃函数在该尺度上的小波变换作为基函数，利用模极大值拟合信号的小波变换，然后进行小波反演得到重构信号。这种快速算法具有明确而直观的物理意义，实现简单方便。文中还给出了对重构信号的误差修正方法，数值方法的结果表明，这种快速重构算法对不同类型的信号同样有效。     

小波变换用于信号突变点的检测

小波分析的形成是傅里叶分析发展史上里程碑式的进展，小波分析优于傅里叶变换的地方在于它在时域的频域同时具有良好的局部化性质。本文在简单介绍小波变换的基础上，着重介绍了小波变换用于信号突变的检测原理。计算机模拟结果表明，小波变换理论在信号突测中是非常有效的。     

小波变换用于信号突变的检测

本文介绍了小波变换用于信号突变的检测原理，给出了实现小波变换的快速算法。语音的基音检测作为一个应用实例，在文中得到验证。理论与实验表明，利用小波变换检测基音与传统方法相比具有独到之处。     

基于小波变换的音频信号基频提取

通过对小波变换表征信号突变原理的研究，给出了基于小波变换的音频信号基频提取的原理和算法。在算法的实现过程中，利用信号在时域和频域的对应关系提出了一种动态确定小波变换最佳尺度的方法，克服了固定变换尺度在检测基频变化范围大的声音信号时的不足，并将数学统计方法引入到极大值点的提取。在音频信号的实时基频检测实验中，该算法较准确地定位最佳尺度和极大值点，取得了较好的基频提取结果。     

小波在信号检测及去噪处理中的应用

信号的奇异性检测在计算机视觉领域，函数f（x）在尺度S上的奇异点（边缘）定义为被光滑函数θs（X）平滑后的f（X）的局部突变点。当尺度较小时，θs（X）对f（x）的平滑作用是可以忽略的，因此进线检测提供了f（x）的大部分突变点位置。而当尺度较大时，信号与从θs（X）的卷积除去了小的信号波动，检测到的是较大结构的突变点。若把小波函数定义光滑函数的一阶或二阶微商，则利用多尺度小波变换可以检测出这些奇异点的位置。我们称θ（X）为平滑函数，当且在无穷远处θ（x）＝0，例如可取θ（x）为三次样条函数，并定义它的一阶和二阶…     

基于小波变换模极大值的电能质量奇异性检测

针对配电系统中最常见的暂态电能质量扰动,例如电压暂降、电压暂升、电压振荡和脉冲等,在发生扰动的起止时刻常常对应电压信号发生奇异点的特点,提出了一种基于小波变换模极大值的电能质量奇异性检测方法,通过信号小波变换模的极值点在多尺度上的综合表现,来表示信号的突变或暂态特征,并通过算例仿真验证了该方法的有效性。     

小波变换在埋弧焊V型坡口信息检测中的应用

提出了一种V型坡口光纹提取以及计算焊接纠偏量的方法。选取3次样条小波函数对图像中的每列灰度信号进行多尺度小波变换得到边缘突变点信息,再利用尺度1与尺度2上的小波变换相乘,以突出边缘、削弱噪声,可靠地提取出V型坡口光纹,最后建立数学模型,计算出纠偏量。本方法图像信号处理简洁、运算量小,可应用于自动焊接的实时信号处理。     

小波变换边缘检测特性分析

本文一改以往的以仿真的感性效果作为信号边缘检测质量的效果评价方法，提出小波变换边缘检测定位精度和抗噪声能力量化分析方法，基于小波变换的边缘检测算法，物理意义上是一个先进平滑，再进行边缘检测的过程，其边缘持性与边缘类型和尺度大小有关，随尺度增大，定位偏差增大，反映了小波变换局部化特征强弱对边缘检测特性的影响，本文给出了不含噪声和含有噪声情况下，典型边缘定位精度的量化表述。     

基于小波变换的局放信号检测与提取

为提高局放信号检测的准确度，确保电力设备故障诊断的有交性和可靠性，利用连续小波变换对背景噪声较强的的局放信号进行多尺度分解，在某些尺度下，使局放信号明显增强，用阀值比较就可以有效地检测并消除噪声干扰。实验和仿真结果表明，选取合适的小波函数就能有效地抑制噪声干扰并完成对局放信号的检测和特征提取。     

Singularity Detection of Signals Based on their Wavelet Transform

1　ＩｎｔｒｏｄｕｃｔｉｏｎＴｈｅｐｏｉｎｔｓｏｆｓｈａｒｐｖａｒｉａｔｉｏｎｓａｒｅｏｆｔｅｎａｍｏｎｇｍｏｓｔｓｉｇｎａｌｓｏｒｉｍａｇｅｓｗｈｉｃｈｃａｎｂｅａｂｓｔｒａｃｔｅｄｂｙｔｈｅｓｉｎｇｕｌａｒｉｔｙｄｅｔｅｃｔｉｏｎｏｆａｆｕｎｃｔｉｏｎ     

微弱LFM信号的FrFT检测能力分析

基于分数阶傅里叶变换（FrFT）检测线性调频（LFM）信号广泛应用于雷达、通信、声呐和电子战领域,但缺乏对检测灵敏度的定量分析。为此,研究了FrFT对微弱LFM信号的检测能力。根据FrFT思想和二元假设检验理论,推导了检测概率和虚警概率的数学表达式。由于表达式是关于LFM信号频谱的函数,因此区分快变信号和慢变信号对LFM的频谱进行了合理近似。基于接收机工作特性曲线分析了FrFT检测LFM信号的灵敏度。仿真比较了FrFT与传统傅里叶变换（FT）对微弱LFM信号的检测能力,结果表明FrFT对LFM信号的检测灵敏度和信号累积能力均优于FT。     

DCT变换域滤波码捕获方法

 针对较小时频不确定度的卫星信号捕获,提出了一种结合离散余弦变换(DCT)的码捕获算法.首先对信号进行部分匹配滤波(PMF),然后对各个码相位对应的PMF输出矢量进行DCT变换域滤波及信号重构,最后对信号进行基于能量的检测.由于PMF输出信号和噪声时变特性不同,滤波重构后信号能量几乎无损,而噪声能量得到了明显降低,从而提高了相同虚警概率下的捕获概率.理论分析和仿真结果表明本文检测算法可以有效提升检测概率,并且具有较低的复杂度.     

基于聚类分析的分数阶Fourier变换信号分离与检测

针对应用分数阶Fourier变换检测多分量信号计算量大、效率低的问题,提出在分数 阶Fourier域采取混沌-多步拟牛顿法和聚类分析相结合的方法分离与检测信号。在保证全局 快速搜索最强信号的条件下,实现一次检测多个较强信号,并将已检信号逐次消去,减小对 剩余信号检测的影响。仿真结果表明,该方法能快速分离检测多种调制的频谱混叠信号。     

Detection threshold for non-parametric estimation

A new threshold is presented for better estimating a signal by sparse transform and soft thresholding. This threshold derives from a non-parametric statistical approach dedicated to the detection of a signal with unknown distribution and unknown probability of presence in independent and additive white Gaussian noise. This threshold is called the detection threshold and is particularly appropriate for selecting the few observations, provided by the sparse transform, whose amplitudes are sufficiently large to consider that they contain information about the signal. An upper bound for the risk of the soft thresholding estimation is computed when the detection threshold is used. For a wide class of signals, it is shown that, when the number of observations is large, this upper bound is from about twice to four times smaller than the standard upper bounds given for the universal and the minimax thresholds. Many real-world signals belong to this class, as illustrated by several experimental results.     

基于YOLOX的跳频信号检测

现有跳频信号检测算法大多针对固定参数的跳频信号检测,而面对可变参数的跳频信号检测时,其每跳时长及带宽的不确定性导致这些算法的适用性下降。为此,提出了一种基于YOLOX的跳频信号检测算法。该算法适用于固定参数跳频信号和可变参数跳频信号,判断跳频信号的存在性。首先将观测时间内的信号进行短时傅里叶变换获得灰度时频谱图;然后将时频谱图经过目标检测网络YOLOX,获得各个信号的预测框;最后根据跳频信号各跳点的时间连续性,筛选出跳频信号各个跳点,根据连续跳点个数判断跳频信号的存在性。对算法的检测流程进行了仿真,以验证算法的可行性。实验结果表明,该算法可以较好地完成盲检测任务,且能够通过增加较少的先验信息以提高检测性能。     

结合蚁群搜索与边缘检测的红外轮廓提取算法

现有的边缘检测算法对红外图像进行边缘提取的过程中,容易出现边缘模糊和噪声残留等现象;针对这种现象,提出了一种结合蚁群搜索与边缘检测的红外轮廓提取算法。根据小波变换后各高频子带间的相关性,引入了图像的相关性因子来对图像信号进行分类;并对提取的边缘信号进行基于蚁群算法的边缘检测算法进行边缘提取,来去除其中的噪声信号并对弱边缘信号进行保护。实验结果表明,其实验结果与预期效果基本相符,在不同复杂背景的红外图像中,都具有较好的边缘保护效果与抗干扰能力。     

基于修正的平滑伪WVD和Hough变换的二值积累的信号检测方法

在低信噪比条件下,WVD-Hough变换可以有效的地检测多个线性调频信号,但是当多个线性调频信号能量相差很大时,强信号的平台会将弱信号的峰值给淹没, WVD-Hough变换就很难同时将这多个线性调频信号检测出来。该本文基于在WVD-Hough变换的基础上,提出了基于修正的平滑伪WVD和Hough变换二值积累的方法。这种方法可以同时检测出强信号以及被强信号平台掩盖的弱信号,具有很大的实用价值,仿真的结果验证了算法的有效性。