基于小波变换的MHD信号的提取

混有干扰的Mirnov信号是一类非平稳,和Fourier变换的方法进行MHD信号的提取不能取得满意的效果,因而提出采用小波变换的方法对Mirnov信号进行处理。理论分析与实验结果表明,利用小波变换的时频分析特怀对Mirrnov信号进行滤波处理,可以有效地去除干扰,提取出有用的MHD信号。     

基于提升小波变换的雷达生命信号去噪技术

对于噪声干扰严重、非线性、非平稳、多奇异点的微弱雷达生命信号而言,去噪是对有用信号进行分析前的必要手段。基于多普勒效应原理和雷达噪声的统计特性,建立了雷达生命信号的模型,分别用传统小波变换和提升小波变换对强噪声干扰下的生命雷达信号进行了去噪处理,结果表明被强噪声污染的雷达生命信号可以用传统小波变换的方法和提升小波变换法对其有效去噪,提升小波变换去噪效果优于传统小波变换去噪效果,其信噪比(SNR)和均方误差(MSE)两个性能指标均高于传统小波去噪。对雷达生命信号进行去噪处理时,使用的小波基函数是sym8,分解层数为3层。     

基于激光自混合干涉技术和小波变换的齿轮箱故障诊断

激光自混和干涉(SMI)技术是一种利用光反馈原理进行的振动检测技术,它具有结构简单,非接触式测量振动信号的特点。为了解决齿轮箱故障诊断的问题,提出了用激光自混合干涉技术提取信号,并通过小波变换对信号分析进行处理的方法。通过分析小波变换的各个分量以及最终经过小波变换去噪后的信号,能够准确地识别出齿轮箱在运转时所存在的周期性振动故障信号,实验得到的结果与理论值结果完全吻合。     

小波分析在汽车车灯光源色测量中CCD光谱的消噪平滑处理

本文依据小波变换原理 ,提出利用小波变换技术对汽车车灯光源色测量中实时采集的光源光谱信号进行多分辨分解 ,有效地消除噪声 ,提高了光谱的信噪比。由CCD接收的标准A光源谱进行了多层分解 ,讨论了不同小波基和分解阶次对信号分析结果的影响。选取最佳小波基 ,为光谱信号消噪平滑处理提供了较有效的数据处理方法。通过对CCD接收的光谱信号进行了消噪和平滑处理 ,解决了实时采集光谱信号在分析和数据处理上的困难 ,该研究充分体现了小波变换在数据处理方面的优势 ,在依赖于光谱信号的颜色测量领域中起重要的作用。     

基于小波变换的岩石超声波检测信号的研究

介绍了小波变换的基本概念和特性.通过对岩石超声波检测信号的小波分析和处理,表明该方法在奇异信号检测和局部化分析方面具有优异特性.     

基于小波变换的紫外光信号降噪处理

介绍了小波变换的基本理论以及利用小波变换进行信号处理的方法和步骤.选择db8小波对紫外光信号进行小波阈值降噪处理.实验结果表明采用小波阈值降噪法能够有效地抑制信号中的噪声,信噪比提高了8.519 2 dB.     

瞬态位移干涉仪信号处理新方法

利用短时傅里叶变换计算速度快的特点,先对瞬态位移干涉仪信号进行预处理,得到速度的轮廓范围.据此估计小波变换中尺度因子的范围,然后用连续小波变换的方法对信号再次进行处理,用此方法分析计算机模拟出的位移干涉信号,恢复的速度相对误差小于2％.对高速爆轰实验中的位移干涉信号分别采用短时傅立叶变换、小波变换和二者相结合的方式进行...     

小波多分辨分析用于化学发光光谱的噪声滤除

本文利用小波变换对化学发光光谱进行了多分辨信号分解 ,有效地滤除噪声 ,提高了光谱信噪比。讨论了不同小波基和分解级次对分析结果的影响。分析表明小波分析对离散信号处理具有一定优势。     

基于小波变换的人体步态序列提取

将小波变换用于处理人体行走时产生的加速度信号.利用离散小波变换的多尺度、多分辨率特性对原始加速度信号进行尺度分解,在对小波基以及分解尺度进行合理选取后准确地从加速度信号中提取出隐藏的步态节律.与利用阈值法直接对原始加速度信号提取峰值的算法比较后发现：利用小波分解得到与步态节律相关的特征尺度后再进行峰值检测能显著地提高信号峰值的检出率;即使当原始信号存在较严重的噪声干扰时,该方法也能保证所提取出的步态序列的准确性.这对于步态序列的后续分析具有至关重要的意义.研究表明,离散小波变换是一种有效的提取步态节律的方 关键词： 小波变换 步态序列 峰值检测 特征尺度     

超声缺陷检测中小波变换信号处理的参数确定

小波变换是最近的处理时变信号的技术,Ａ．Ａｂｂａｔｅ,Ｊ．Ｋｏａｙ和Ｊ．Ｆｒａｎｋｅｌ等提出了一种基于连续小波变换的小波信号处理器进行超声信号处理。但是在应用小波信号处理器进行超声信号处理时,未考虑处理参数的影响,没有进行参数优化。本文从时频局部化角度分析了超声缺陷检测中小波信号处理器的参数优化问题,给出了各种参数如：母小波、母小波的频率带宽比和滤波器数目等的选择方法,并进行了实验验证。     

瞬态位移干涉仪信号处理新方法

利用短时傅里叶变换计算速度快的特点,先对瞬态位移干涉仪信号进行预处理,得到速度的轮廓范围.据此估计小波变换中尺度因子的范围,然后用连续小波变换的方法对信号再次进行处理,用此方法分析计算机模拟出的位移干涉信号,恢复的速度相对误差小于2%.对高速爆轰实验中的位移干涉信号分别采用短时傅立叶变换、小波变换和二者相结合的方式进行分析,并记录三者的计算速度.实验表明,第三种方法能准确地恢复出物体的速度历史,计算误差在系统要求的范围内.本文综合计算速度和计算误差两方面的考虑,选择了适合于瞬态位移干涉信号处理的方法.     

小波变换域中图像噪声平滑技术

本文分析了小波变换应用于图像噪声平滑的原理，并对在应用中的小波函数的选择、信息剪裁和信号重构等几个重要问题进行了详细论述，对小波变换的图像滤波技术既能平滑噪声又能保留图像边缘的问题提出了具体要求。     

子波变换在光信息处理方面的应用

子波变换是光信息处理中的一个重要工具，与常用的傅里叶交换和Ｇａｂｏｒ变换相比，在分析瞬态信号方面有很多优点。此文详细介绍子波变换的基本原理以及如何用光学方法实现子波变换，揭示其在光信息处理方面的应用前景。     

Adaptive harmonic wavelet transform with applications in vibration analysis

An adaptive harmonic wavelet transform is developed by taking advantage of the flexibility of the generalized harmonic wavelets. It first constructs a partition tree, which contains a great number of disjoint partitions of the frequency axis of a signal with each corresponding to an orthogonal harmonic wavelet basis. Then it searches the tree for the partition to represent the signal most sparsely. Since the corresponding basis is adapted to the composition of the signal, the transform can well reveal its characteristics. This is demonstrated with analysis examples of some simulated and vibration signals as well as comparisons with the conventional orthogonal harmonic wavelet transforms and wavelet packet transform.     

基于提升小波变换的阈值改进去噪算法在紫外可见光谱中的研究

在紫外可见光谱定量分析中,由于分光光度计内部的光学系统、光源、检测器、电子元器件,电路设计以及外部环境干扰等因素产生的随机噪声,严重影响光谱定量分析结果的准确性,为提高紫外可见光谱分析精度,需要对光谱数据进行去噪预处理。由于小波分析具有多分辨率,低熵性、去相关性等特点,基于小波分析的去噪算法优于传统的去噪算法,目前基于小波去噪的方法主要有模极大值去噪算法,系数相关去噪算法,阈值去噪算法,工程实际应用以Donoho的阈值去噪法最为常用。根据Donoho阈值消噪原理,提出一种基于提升小波变换的阈值改进算法,一方面使用提升小波变换,提升小波变换是第二代小波变换,继承了小波的多分辨率特性,并且不需要进行傅里叶变换,从而具有算法简单,速度快,实现简单的优点;另一方面提出了一种新的阈值函数,克服了硬阈值函数在阈值处不连续以及软阈值函数存在恒定偏差的问题,同时对阈值估计进行了调整,有利于信号小波系数的保留和噪声小波系数的剔除。对三组多金属离子混合溶液的实测紫外可见光谱信号,添加随机噪声后使用该方法进行去噪处理,并使用信噪比(SNR)和均方根误差(RMSE)进行去噪性能评价。试验结果表明,提出的算法优于Donoho的软硬阈值去噪算法,能够有效提高光谱信噪比和降低均方根误差,从而更好地消除光谱信号中的噪声和保留光谱信号中一些重要的细节特征,比较适合用于紫外可见光谱数据建模之前的去噪预处理,在紫外可见光谱信号分析中具有较好的应用前景。     

Crack detection in beams by wavelet analysis of transient flexural waves

In this paper, a method of crack detection in beam is provided by wavelet analysis of transient flexural wave. Firstly, we introduce a rotational spring in the cracked-beam model, and calculate the transient flexural wave propagation by the Reverberation Matrix Method. Secondly, at any point in this beam, the arrival time of waves with different group velocities can be identified by means of analysis of wavelet transform. From the signal of mid-frequency flexural wave extracted by wavelet transform, we can exactly determine the existence and position of crack in the beam. Here, a similar experiment is also produced to test the transient strain signal in beam, and the result after wavelet transform analysis is shown in accord with the theoretical one. Therefore, a powerful method is proved by the theoretical and experimental studies on the cracked beam, which can detect the crack accurately utilizing the wavelet analysis of the mid-frequency flexural wave.     

结点阈值小波包变换图像去噪新算法

小波包变换是小波变换的推广,可视为普通小波函数的线性组合,具有灵活的时频分析能力,随着分解层数的增加,小波包分解能够在所有的频率范围聚焦。提出一种应用结点阈值小波包变换的新型图像去噪算法。利用小波包变换对含噪图像进行分解,在图像信号的子带层次上进行结点阈值操作,采用软阈值的方法进行阈值处理,结点噪声采用谱熵法估计,并使用峰值信噪比评估去噪后的图像质量。实验结果表明,相比于使用其它阈值方法的小波包图像去噪算法,该算法具有更好的图像去噪性能。     

基于小波变换的蓝宝石荧光光纤温度计

采用激光加热小基座法生长出掺Cr3+的蓝宝石光纤荧光温度传感头，它具有结构紧凑，耐高温等特点，测温范围从室温到450℃。使用基于小波变换的数据处理方法，有效去除信号中的噪声，提高了信噪比。在对荧光测温机理和有关光纤技术进行分析的基础上，采用与调制荧光信号相关的双参考源相位锁定测量方案，可在无激励光干扰的情况下对荧光寿命进行实时测量。根据噪音和信号在小波变换下表现出的不同性质，提出以小波变换为基础的温度信号特征提取及消噪方法。与其它处理方法相比，小波变换方法可以克服傅里叶变换对突变信号不起作用的缺点，同时又比Gabor变换具有可变窗口的优点。该方法可以缩短测量时间，提高测量分辨率。     

Feature separation using ICA for a one-dimensional time series and its application in fault detection

Principal component analysis (PCA) is a method that transforms multiple data series into uncorrelated data series. Independent component analysis (ICA) is a method that separates multiple data series into independent data series. Both methods have been used in fault detection. However, both require signals from at least two separate sensors. To overcome this requirement and utilize the fault detection capability of ICA and PCA, we propose to use wavelet transform to pre-process the data collected from a single sensor and then use the coefficients of the wavelet transforms at different scales as input to ICA and PCA. The effectiveness of this method is demonstrated by applying it to both a simulated signal series and a vibration signal series collected from a gearbox. The results show that the method of combining wavelet transform and ICA works better than the method of combining wavelet transform and PCA for impulse detection based on a one-dimensional vibration data series.