一种基于Morlet小波的振动信号包络提取方法

本文分析了Morlet小波的性质,定义了小波包络的概念,进而提出了一种振动信号的小波包络提取方法,理论分析和实验表明,在振动信号的包络提取中,该方法优越于希尔伯特变换方法。     

复解析小波变换与语音信号包络提取和分析

利用传统的Ｈｉｌｂｅｒｔ变换方法提取语音信号包络存在一些固有缺陷,为此本文建议了一种复解析小波变换包络提取新方法。该方法将Ｈｉｌｂｅｒｔ分析与小波分析紧密地结合在一起。文中推导并论述了新包络滤波器的时域、频域构造条件和设计方法,选择Ｍｏｒｌｅｔ复小波对语音信号进行了初步数字仿真实验,结果证实了理论分析的正确性,并显示出文中提出的新的分析方法对于信号处理上有许多独特优势和潜在性能。     

基于改进经验小波变换的时频分析方法及其在滚动轴承故障诊断中的应用

经验小波变换是最近提出的非平稳信号分析方法,针对其不足,提出了一种改进的经验小波变换方法;同时结合瞬时频率新定义,提出了一种非平稳信号时频分析新方法.该方法首先通过改进的经验小波变换将一个复杂的非平稳信号自适应地分解为若干个具有紧支集频谱的内禀模态函数之和;再通过对每个内禀模态函数进行解调,得到原始信号的时频分布.将提出的方法应用于滚动轴承试验数据分析,并将其与希尔伯特黄变换进行了对比,结果表明,论文提出的方法能够有效地诊断滚动轴承故障,且诊断效果优于希尔伯特黄变换方法.     

基于调制信号识别的希尔伯特变换实现及优化

信号瞬时特征量来源于信号希尔伯特变换后的解析信号,要获取信号的完整信息,需要对信号进行精确而高速的希尔伯特变换.鉴于实时处理和高精度的要求,文中从算法和硬件结构上,对离散希尔伯特变换进行了优化,保证变换精度的同时将硬件乘法和加法计算量降低约50%,并且给出了硬件系统实现方案.仿真验证表明,变换后信号能正确提取出调制信号的瞬时特征.该算法能用于实时的信号调制识别系统之中.     

成形QAM信号的小波特性和尺度选取问题研究

对经均方根升余弦脉冲成形的QAM信号的小波特性进行了推导,主要包括QAM信号的瞬时包络和瞬时相位,并通过仿真将得到的结果与传统的基于Hilbert变换的提取方法进行了比较。同时从改善信号信噪比的角度,对小波变换最佳尺度选择问题进行了详细的研究,得出了利用最佳尺度下小波变换提取QAM信号瞬时包络和瞬时相位的一种算法,并通过仿真验证了算法的可行性。     

基于锁相环和小波变换的PSK信号波特率估计

提出一种改进的基于小波变换的波特率估计方法,使用基于锁相环技术的自适应相位跟踪方法实现相位同步并提取信号包络,通过获得基带信号的小波变换的幅值来估计信号的波特率。这种改进方法能够有效地解决经典的Chan氏算法中存在的估计效果受初相和噪声影响的问题。仿真结果表明,这种新方法有效并且与已有算法相比体现了其先进性。     

分数阶希尔伯特变换的复包络分析

分数Hilbert变换,也即传统的Hilbert变换由整数阶向分数阶的推广,由此其应用领域也得到了扩展,譬如在通信中的单边带调制解调系统,图像的边缘提取等领域中得到广泛的应用。首先,文中回顾了利用经典希尔伯特变换的正交性把经典的Hilbert变换的定义形式进行广义化后得到的分数阶Hilbert变换,并讨论了由分数阶Hilbert变换构造的两类复信号,最后讨论了这两类复信号的包络提取并且给出了具体的实例。     

基于小波变换的数字通信信号识别

小波变换对瞬态信息具有较强的检测能力。不同的数字通信信号在码元变化时呈现不同的瞬态信息。分别对幅度未归一化和幅度归一化的3种数字信号（ASK、FSK、PSK）进行小波变换,提取变换后包络方差与均值平方之比作为分类的特征参数,最后利用人工神经网络进行分类识别。仿真结果表明,在低信噪比（5dB）时该算法仍具有很高的识别率。     

小波包变换及其在电力系统谐波电流检测中的应用

在此阐述了小波变换及小波包变换的基本原理。小波包变换是建立在小波变换的基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果表明,小波包变换方法能够正确地提取电力系统的谐波信号,将电流信号中的基波分量和高次谐波分量分离,验证了该方法的有效性。     

基于小波变换的干涉信号包络提取方法研究

为了实现对宽谱光源自相干函数的测量,必须对宽谱光源干涉信号的包络进行提取.因此,宽谱光源干涉信号包络的提取就成为了测量光源自相干函数的关键因素.针对现有的包络解调方法的不足,建立了基于复Morlet小波的干涉信号包络提取方法.该方法采用复Morlet小波作为母小波,通过选择适合尺度参数和位置参数,可以有效地提取干涉信号的包络并具有良好的抗噪能力;利用计算机Matlab仿真证明了该方法的有效性;最后利用该方法对韩国Fiber Pro公司的白光干涉仪干涉输出信号进行包络提取,动态范围达到-60 dB.     

基于DSP＋MCU的列车滚动轴承故障诊断系统设计与应用

基于DSP＋MCU的列车滚动轴承故障诊断系统充分利用了DSP和MCU的信号处理和控制能力,提高了系统的数据处理效率。实验结果表明,该系统通过Hilbert变换法提取出包络信号,利用小波奇异性检测进行故障诊断,取得了很好的效果。     

从时频分布到连续子波变换

本文从时频分布的物理概念出发,首先指出了各种时频分析方法的内在联系和差别,然后着重从连续子波变换在信号分析中的物理意义来讨论它的数学表示和特有性质,并和短时傅里叶变换作了比较。接着对连续子波变换在时间尺度平面上的离散化的概念作了扼要描述。最后,基于文中叙述的物理概念,对子波变换的应用和进展作了简要评述。     

Optimal wavelet denoising for phonocardiograms

Phonocardiograms (PCGs), recordings of heart sounds, have many advantages over traditional auscultation in that they may be replayed and analysed for spectral and frequency information. PCG is not a widely used diagnostic tool as it could be. One of the major problems with PCG is noise corruption. Many sources of noise may pollute a PCG including foetal breath sounds if the subject is pregnant, lung and breath sounds, environmental noise and noise from contact between the recording device and the skin. An electronic stethoscope is used to record heart sounds and the problem of extracting noise from the signal is addressed via the use of wavelets and averaging. Using the discrete wavelet transform, the signal is decomposed. Due to the efficient decomposition of heart signals, their wavelet coefficients tend to be much larger than those due to noise. Thus, coefficients below a certain level are regarded as noise and are thresholded out. The signal can then be reconstructed without significant loss of information in the signal content. The questions that this study attempts to answer are which wavelet families, levels of decomposition, and thresholding techniques best remove the noise in a PCG. The use of averaging in combination with wavelet denoising is also addressed. Possible applications of the Hilbert transform to heart sound analysis are discussed.     

基于小波脊线-Hough变换的LFM信号检测

线性调频(LFM)信号是现代雷达广泛使用的一种大时宽-带宽积的低截获概率信号,根据线性调频信号的小波变换特性,小波脊线与瞬时频率的对应关系,提出了一种检测线性调频信号的联合小波脊线-Hough变换方法,该方法首先计算信号的小波变换,得到二维时-频能量分布图,采用脊算法提取信号的小波脊线,然后在小波脊线时-频平面上再进行Hough变换,从而检测噪声中的线性调频信号并估计信号参数.仿真结果证明,此方法可有效地对线性调频类信号进行检测,并且有较好的抗噪声性能.     

一种基于DSP的小波包变换对瞬时频率的测量

文章研究了一种基于小波包变换对信号的瞬时频率测量方法,利用小波包变换的特性,把输入信号分解成各个单一频率分量信号,然后对分解后的信号做Hilbert变换,得到分解后信号的瞬时频率,最后综合得出输入信号的瞬时频率。文章给出了信号频率测量的硬件系统设计结构,和关键的电路原理图。同时给出了该方法对各种信号的实验结果,试验结果表明该方法在本文所设计的硬件系统上能够有效地测量单目标,及多且标信号的瞬时频率。     

The design of approximate Hilbert transform pairs of wavelet bases

Several authors have demonstrated that significant improvements can be obtained in wavelet-based signal processing by utilizing a pair of wavelet transforms where the wavelets form a Hilbert transform pair. This paper describes design procedures, based on spectral factorization, for the design of pairs of dyadic wavelet bases where the two wavelets form an approximate Hilbert transform pair. Both orthogonal and biorthogonal FIR solutions are presented, as well as IIR solutions. In each case, the solution depends on an allpass filter having a flat delay response. The design procedure allows for an arbitrary number of vanishing wavelet moments to be specified. A Matlab program for the procedure is given, and examples are also given to illustrate the results     

一种频率编码信号瞬时频率提取新方法

针对小波变换法在提取频率编码信号脉内特征中的不足,提出了将时频重排和时频脊线相结合的时频联合分析方法。首先通过Morlet小波计算信号的小波谱,再对小波谱进行时频重排,最后由重排后的时频图提取时频脊线,得到频率编码信号的脉内特征。该方法在低信噪比下,能准确提取频率编码信号脉内特征信息。最后利用计算机仿真验证了该方法的可行性。