基于Morlet小波时间尺度表示的地下连续墙无损检测

对Morlet小波及其变换特性进行了分析 ,利用其良好的时频正则性及复分析特性 ,把一维检测波映射到二维时间尺度表示 (TSR) -Scalogram谱图上。Scalogram承载了介质结构的丰富信息 ,利用这些信息能够实现对介质的全面分析和缺陷识别 ,辅以Morlet小波变换的实部模极大值 ,可以对缺陷进行准确定位。该方法有效地弥补了基于Hilbert变换的复信号分析 (CSA)、短时傅立叶变换 (STFT)及二次时频表示 (TFR)等方法的不足。对水泥土地下连续墙进行的无损检测结果表明 ,基于Morlet小波TSR的检测方法有较好的实用性 ,它为结构无损检测领域提供了一条新的技术路线。为进一步完善前述方法 ,将Morlet小波与Dergauss小波进行优势联合 ,可以避免模极大值线分叉现象 ,有利于提高定量解释精度。     

二维小波变换方向的特性

为了分析信号的方向特性,根据二维小波理论和小波变换方法,分别研究了二维Marr、Morlet、Cauchy小波变换在方向性选择方面的特征,并通过仿真试验分别探讨了它们在方向检测中的应用.数值计算结果发现：二维Marr不是方向性小波,二维Morlet和Cauchy小波是方向小波,而二维Cauchy小波比二维Morlet小波在方向性选择方面更具有优越性,因此采用二维Cauchy小波变换能够很好地分析信号的方向特征.     

基于可变邻域的小波变换的球团图像边缘检测算法

提出一种基于小波变换的球团图像边缘检测算法。Mallat等提出利用小波变换的局部极大值点来表征信号的奇异点，从而进行图像边缘提取。但小渡变换的局部极大值点的确定直接关系到边缘检测效果的优劣。提出一种基于模极大值的小渡变换的局部极大值点选择方法，实验表明，该方法比传统的图像边缘提取方法具有更好的效果。     

小波变换模极大值重建检测瞬态诱发耳声发射

为提高检测效率,将基于小波变换的奇异性检测技术引入到瞬态诱发耳声发射(TEOAEs)检测中,提出了小波变换模极大值重建(WTMMR)检测TEOAEs的新方法。该方法采用多孔算法对A、B缓冲区数据分别进行二进离散小波变换,通过比较A、B间各尺度下小波变换模极大值的异同,确定其中的共同模极大值,采用共轭梯度法对它们进行重建,得到TEOAEs。69例TEOAEs实测结果表明:在累加次数较少时,由此法所获TEOAEs的总相关率明显高于传统相干平均方法。这意味着此法检测TEOAEs时比相干平均法更有效,可在TEOAEs少次提取中发挥重要的作用。     

基于小波脊的MDOF系统的模态参数识别

将小波理论应用于多自由度(MDOF,multi degree of freedom)系统的模态参数的识别中,首先对MD OF系统的响应函数作基于Morlet小波的时频分解,再由小波系数模的局部极大值求得小波脊,最后求出MDOF系统的各阶模态的固有频率及阻尼比.文中给出了实例,进行了计算说明,结果表明了该方法的有效性.     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力，是描述和检测信号局部性质的有效手段；利用小波变换模极大值能检测出信号上的所有奇异点，根据小波变换模极大值随尺度的增、减规律，去除噪声对应的极值点，再由模极大值重构信号，提出了小波变换基于奇异信号的消噪方法，并应用于对一瞬时心率信号进行消噪。     

心电信号小波分析

心电信号是一种非平稳并具有很多奇异点的微弱信号。小波变换中的模极大值消噪法具有非线性及自适应性,小波的这种特性对于类似于心电信号这种非平稳微弱信号是十分适用的。针对传统的消噪方法在处理心电信号时的局限性,研究了小波变换的时-频局部化特性及基于多分辨率分析的信号小波分解和重构算法———Mallat算法。采用小波分析的模极大值法实现对QRS波R峰值点的检测,以及对心电信号的消噪处理。通过试验研究可知,运用小波进行QRS波检测,QRS波的识别率高达99.9%,经过消噪重构后的心电信号信噪比较原始信号有较大提高。     

基于小波模极大值的点焊缺陷边缘检测

基于小波模极大值边缘检测原理，推导出一类具有良好反对称性的无限光滑小波并运用于点焊缺陷的边缘提取。实验表明，该方法能有效地提取缺陷边缘，并能获得较好的效果，从而为小波理论在工业X射线无损检测中的应用作了初步探索。     

基于小波变换与模极大值法的高速铁路牵引网故障行波波头自动识别算法

为解决准确自动识别入射波和反射波的波头这一难题,提出了一种基于小波变换与模极大值法的行波波头自动识别方法。在分析小波变换及突变点检测原理的基础上,利用牵引变电所采集到的电压行波信号,进行多尺度一维离散小波变换。选用Daubechies小波族的db6为基本小波,并采用搜索模极大值的方法和约束函数判定,在模极大值点间进行自动识别起始波和反射波的波头位置。理论分析和现场数据验证结果表明,该算法切实有效,并能结合初始波与反射波间数据采样点数,得出故障初始行波脉冲与故障点反射回来的行波脉冲之间的时间差。     

炭素制品X射线图像的小波边缘提取

针对经典的边缘检测算法在炭素制品X射线有噪图像的边缘检测效果问题,提出了基于小波变换的多尺度局部模极值边缘检测算法.该方法充分利用了小波变换优越的时频局部化分析能力及图像边缘点和噪声点的小波变换局部模值和方向在不同尺度下呈现不同的特性的特点.首先对图像进行小波增强处理,改善了图像的质量,在此基础上,确定了检测X射线图像边缘的最优边缘检测滤波器(小波基)和尺度,给出了小波多尺度局部模极大值的算法,并将该算法与经典的边缘检测算子进行了比较.实验结果表明,该方法明显比传统检测算子的效果要好,为进一步的缺陷模式识别等高层处理奠定了良好的基础.图3,参15.