改进的小波包算法及在故障信号特征提取中的应用

分析TDaubechies小波系列的频带特性，针对故障诊断信号特征提取的问题，提出了一种改进的小波包算法，并运用该算法对变频调速系统输出电流进行分析。该算法克服了小波包频谱混叠的缺陷且其计算量和占用的存储空间较标准的小波包算法均减少50%.经过仿真证明，该方法适用于变频调速系统故障信号的特征提取。     

基于DSP和小波变换故障诊断检测的研究

讨论了交-交变频调速系统故障诊断的重要性,在当前的检测方法研究的基础上,提出了基于DSP和小波分析的变频调速系统故障检测方法,建立了故障诊断系统;充分利用了DSP强大的数据处理功能,以及小波分析所具有的对非平稳信号的分析处理能力;实验证明该方法适用于变频调速系统的故障诊断。     

基于小波神经网络的电动机变频系统故障检测的研究

文章提出应用小波分析技术提取故障特征并以模糊神经网络进行故障预测.由此建立了基于小波与神经网络的电动机变频调速故障的智能检测系统,并用MATLAB进行仿真,证明了该方法对电动机变频系统故障的检测是有可行性的.     

交-交变频双馈调速系统的仿真研究

介绍了用MATLABSimulink软件包建立交-交变频双馈调速系统的仿真模型，并利用该模型对某155kW的线绕电机双馈调速系统进行仿真分析与参数设计。     

基于PCA算法和小波包变换的人脸识别技术

在人脸识别领域,如何提取人脸特征和降低特征维数是关键.提出了一种基于小波包变换和主元分析相结合的人脸识别方法.小波包具有能够保留图像的主体信息又保留不同方向细节信息的优点.算法首先利用小波包变换,把人脸图像分解成不同尺度的低频和高频部分,提取最优基,再采用PCA方法进行人脸的识别.在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率.     

基于小波包分解的导弹目标神经网络识别

提出了基于小波包分解特征的神经网络导弹目标识别算法。在该算法中,首先通过小波包分解获取能够反映时间序列时频信息的稳定特征,然后利用训练过的神经网络提取特征对导弹目标进行识别。文中运用一组仿真数据和一组试验数据对该算法进行测试,结果表明该算法具有较高的识别概率。     

基于小波分析的汽轮机偏心信号监测研究

为提取汽轮机现场振动信号中偏心信号分量,方便偏心监测系统应用,提出一种基于小波分析的汽轮机偏心信号监测设计方案,利用小波Mallat算法对采集到的振动信号进行快速高频滤波,采用小渡包算法提取偏心信号特征.通过对振动模拟试验台采集到的信号进行滤波的试验证明该设计方案能够成功提取偏心信号.小波分析有效反映汽轮机现场振动信号特性,在偏心监测系统中取得良好效果,提高偏心监测精度.     

基于小波结构矩的图像识别算法

提出了一种基于小波结构矩的具有平移、旋转、缩放不变性的新型图像识别方法.小波结构矩是在小波矩的基础上通过改变图像函数的结构即几何矩的密度得到的.该算法结合了小波和结构矩的优点,不但实现了对图像特征的精细把握还增大了相似图像之间的距离.采用三次样条函数作为母小波,有效提取了图像的全局特征和局部特征.实验证明,小波结构矩比改进的Hu矩和结构矩具有更高的识别率,目前该算法已经成功运用到全自动金丝球焊机图像识别系统.     

基于小波包分析的辐射源特征提取和识别算法

提出了一种基于小波包的变换方法。该方法通过对不同脉内调制方式进行频带能量的提取,并引入支持向量机来完成对辐射源的分类。该小波包变换对信号局部的时频特征具有较好的分辨率。仿真结果表明,文中的小波包变换信号时频特征的分析精度优于传统算法。     

小波包分析在旋转机械故障诊断中的应用

简述了小波包分析的基本原理及其用于故障特征识别的机理,研究了小波包分析在旋转机械故障诊断中的应用。由于此技术能够从复杂的信号中有效地提取微弱的故障特征信号,因此与小波分析相比,分析更为精细简单。实例采用小波包原理对一类旋转信号进行分解重构后,成功地提取了故障特征,体现了小波包分析的优良特性,其结果证明了该方法是行之有效的。     

基于改进小波包分析的导航设备故障诊断的特征提取

针对故障诊断信号特征提取问题,提出了小波包分析的改进算法,该算法通过对小波包分解系数的重新排序,解决了小波包分析的频带混叠问题,给出了应用改进小波包分析进行故障诊断特征提取的算法,并在此基础上提出了基于改进小波包分析预处理的神经网络故障字典法．通过仿真比较,该方法剔除了样本信号的冗余成分,大幅度地减少了神经网络的规模,加快了网络的收敛速度,为导航设备故障诊断的特征提取提供了行之有效的手段。     

一种新的基于小波包分解的EEG特征抽取与识别方法研究

为了提高脑思维任务分类精度,提出一种新的脑电特征抽取与识别方法.首先进行小波包分解,然后结合能反映脑电信号在时域与频域上的能量分布特征的小波包熵概念,从小波包库中选择最优小波包基,对各个最优基所对应的小波系数求取统计特性,然后根据不同脑思维任务下左右半脑各导联间的差异性对各个导联对求取不对称率构成分类特征向量,最后利用SVM分类器对其进行分类.实验结果表明:相对于一般的小波包分解,最优小波包基和自回归特征抽取方法,该方法对5类不同脑思维任务的所有10种不同组合任务对的平均分类预测精度可以达到95.41％～99.65％.     

小波分析在图像消噪中的应用

针对图像消噪问题，提出了二维快速小波算法和改进小波包分析算法，通过对图像的消噪处理，二维快速小波算法消噪效果明显，但由于小波包分析算法对上一层的低频部分和高频部分同时进行细分，具有更为精确的局部分析能力，对小波包分析算法进行了改进，消除了频带混叠问题，其消噪效果更佳，可得到更为广泛的应用。     

基于小波包变换的辐射源信号特征提取和识别

文中基于小波包变换方法,对MSK信号辐射源提取了J-散度特征和能量特征,结合支持向量机分类器完成辐射源的识别,仿真结果表明：两者识别率均达到90％以上,从而验证了基于小波包变换的辐射源识别的有效性。     

基于改进小波包变换的音频指纹提取算法

数字音频指纹技术在音频信号分析和处理中起着重要作用。针对传统基于时频分析的音频指纹提取算法中仅使用信号能量作为特征参数,而无法全面表征出信号的复杂度和不规则性问题,提出了基于小波包分解与重构,将小波包系数的奇异值熵和样本熵相结合,作为音频信号的特征参数提取指纹。实验证明,该算法提取的指纹提高了音频识别的准确率,在常见信号处理下能保持较强的鲁棒性,并具有明显的区分音频和定位音频篡改位置的能力。     

一种基于一维小波包分解的信号特征提取方法

本文主要针对主动声纳的水中目标回波信号,使用一维二进离散小波包分解技术进行信号的特征提取,研究了信号特征的提取方法和分解节点与实际频带对应列表的计算方法,并通过不同的仿真实验对特征提取算法进行了验证和分析,旨在为基于信号处理提取水中目标回波信号的特征提供一种新的方法和思路。     

基于小波变换的网络流量异常监测仿真实验

为有效定位识别和提取网络流量序列的暂态性异常特征,针对网络异常流量特征扰动性和暂态性特点,提出一种基于小波分解的二叉分类回归决策树主分量特征优化跟踪特征提取算法。利用训练集建立决策树模型,采用二叉分类回归决策树模型进行主分量特征优化跟踪建模,利用双正交提升小波分解得到的各层细节信号对暂态性扰动特征的敏感性,通过小波分解得到各层细节信号,将提取的小波分层细节信号的奇异值分解特征再返回到决策树主分量特征优化跟踪模型中,实现网络流量异常特征的定位提取和识别。仿真实验表明,改进算法的抗干扰能力和分辨率提高显著,暂态性异常特征谱图分辨能力提高,异常特征分布谱清晰可见,展示了较好的特征提取和状态识别性能。     

基于小波包变换与RBF网络的大地目标辨识

利用正交小波包变换的高信号时频分辨特性引入小波包能量特征提取法，用于五类典型大地目标的特征提取和距离可分性测度计算。结果显示，小波包能量特征提取法提取的五类典型大地目标特征具有更好的可分性。将小波包能量特征提取法与径向基函数网络相结合，提出了一种大地目标辨识算法。仿真实验表明，对于分解层次m＝5，信噪比SNR≥0dB，五类典型大地目标能完全辨识。表明该大地目标辨识方法在一定条件下是可行的，具有强的抗噪声干扰能力。     

基于连续小波变换的多数据心率提取方法

针对多普勒雷达生命体征检测时强谐波干扰问题,提出一种基于连续小波变换特征提取的改进方法。首先,针对特征信号选择多组不同时间长度的数据集;然后,在小波域分别进行连续小波变换。根据频谱峰值位置是否与数据时间长度相关,识别呼吸信号、呼吸谐波和心跳信号提取心率信息,并对频率分辨率进行分析。实验结果表明:采用文中提出的方法利用4 s~5 s的数据即可检测出心率,当频率分辨率要求为0.1 Hz 时,该方法在有效消除谐波和快速识别心率方面得到了较为满意的效果。