基于小波分析的传感器故障检测研究

针对航空发动机控制系统传感器故障检测在强噪声环境下易误报的问题,设计了基于模极大值原理的传感器故障检测方法.首先介绍基于小波奇异性进行故障检测的基本原理,之后根据信号和噪声奇异指数不同的特点判断噪声模极大值.对传感器典型故障,给出基于模极大值原理的传感器故障检测算法,并根据小波变换模极大值在不同尺度下的分布来完成故障的检测.通过某型涡扇发动机控制系统传感器故障检测仿真实验表明,小波变换能很好地刻画信号的奇异性特征,该滤波算法消噪效果明显,故障检测准确度高.     

小波奇异性分析在煤厚探测信号处理中的应用

小波变换为信号的多尺度瞬态分析提供了较好的方法。本文将小波分析在模极大值处理中的优势应用到煤层厚度探测的信号分析中,根据信号小波变换模极大值和信号奇异性之间的关系,由小波变换模极大值沿尺度变化趋势分析出信号的奇异点,得到反射波的初始到达时刻,从而计算出煤层的厚度,取得了比较理想的效果。为信号处理提供了一种新颖的方法。     

小波奇异性分析在煤厚探测信号处理中的应用

小波变换为信号的多尺度瞬态分析提供了较好的方法。本文将小波分析在模极大值处理中的优势应用到煤层厚度探测的信号分析中，根据信号小波变换模极大值和信号奇异性之间的关系，由小波变换模极大值沿尺度变化趋势分析出信号的奇异点，得到反射渡的初始到达时刻，从而计算出煤层的厚度，取得了比较理想的效果。为信号处理提供了一种新颖的方法。     

小波分析在故障监测及诊断中的应用

简要分析了小波变换的二尺度特性,对小波变换模极大值表征信号奇异性的原理进行了讨论,并给出了它在故障监测及诊断中应用的实现方法和实验结果。     

基于小波奇异性理论的输油管道泄漏检测与定位方法

将小波分析在模极大值处理中的优势应用到管道泄漏检测与定位信号分析中,根据信号小波变换模极大值和信号奇异性之间的关系,由小波变换模极大值沿尺度变化趋势分析出压力信号的突变点,计算出管道泄漏诱发的负压波传播到上下游监测点的时间差,利用负压波定位泄漏的常规公式确定出泄漏点的位置。实验证明,该方法能快速准确地捕捉压力信号突变点,并定位管道泄漏位置。     

利用小波变换极大值来检测信号奇异性

通过模型算例验证了信号的奇异性或局部正则性可以由其小波变换幅值随尺度参数的衰减性来刻画,即通过跟踪小波变换在细尺度下的局部极大模来检测[1];且在随机噪声的影响下,该方法仍然有效。     

奇异目标信号的多尺度定位识别方法

在复杂环境下检测微弱目标信号是信号检测技术中关键问题。基于奇异目标信号和噪声干扰在多尺度小波变换下表现出截然不同的特性,利用奇异目标信号的小波变换模极大值随尺度增大而增大,而随机白噪声小波变换模极大值随尺度增大而减小,进行复杂环境中的目标定位识别。理论和实验表明该方法特别适合弱信号的定位识别。     

结合边缘颜色与形状特征的图像检索方法

小波变换具有良好的局部特性与多尺度特性, 能多尺度逼近边缘, 这使得它在图像奇异性检测和特征提取方面得到了广泛的应用. 通过三次样条二进小波变换模极大值法提取图像彩色边缘, 用彩色边缘的环形颜色直方图表示颜色特征, 用小波模极大值的环形直方图表示形状特征; 最后利用上述两种直方图计算图像间的相似度, 并进行彩色图像检索. 实验结果表明该算法不仅具有较好的查准率和查全率, 而且对图像中存在的光照变化和几何变化(尺度, 平移, 旋转等)具有较强的鲁棒性.     

奇异目标信号的多尺度定位识别方法

在复杂环境下检测微弱目标信号是信号检测技术中关键问题。基于奇异目标信号和噪声干扰在多尺度小波变换下表现出截然不同的特性，利用奇异目标信号的小波变换模极大值随尺度增大而增大，而随机白噪声小波变换模极大值随尺度增大而减小，进行复杂环境中的目标定位识别。理论和实验表明该方法特别适合弱信号的定位识别。     

基于小波的信号突变点检测算法研究

本文利用小波多分辨分析的特性将突变信号进行多尺度分解,然后通过分解后的信号来确定突变信号的突变位置。Lipschitz指数被用来定量描述函数的奇异性。当小波变换尺度越来越精细时,小波变换模极大值信号突变点的衰减速度取决于信号在突变点的Lipschitz指数。小波变换不仅可以确定突变点发生的时间,而且可以进一步判断突变的性质。     

基于模极大值小波域的去噪算法研究

根据信号与噪声在小波变换下的不同特性，提出了基于模极大值小波域的去噪算法。该算法先用Adhoc算法求出信号的模极大值，再根据模极大值小波域的定义求出信号的模极大值小波域，从而得到信号的小波系数，然后逆变换得到信号。实例分析表明：该算法能有效消除噪声，与交替投影模极大值算法相比，该算法在原理上更简单，程序实现更容易，去噪速度更快，能满足在线监测的要求。     

一种钢丝绳芯输送带早期故障检测方法

针对传统小波变换分析金属磁记忆信号奇异性时易受噪声干扰的问题,将经验模态分解(EMD)和小波变换(Wavelet)相结合,提出了一种EMD-Wavelet早期故障检测模型。将钢丝绳芯输送带的金属磁记忆信号经过经验模态分解得到本征模函数分量,利用小波变换模极大值法提取信号奇异性特征。实验结果表明,该模型抗干扰能力强,能够较好地反映信号局部特征,可有效判断钢丝绳芯输送带异常应力集中区位置,为早期故障诊断提供依据。     

一种在线分离突发性脉冲干扰的小波分析法

选取合适的奇异性小波基，抽取信号与小波基卷积序列中的某一项作为奇异性判断指标。从理论上找到了对有效信号变化最敏感的分析，并按照此条件推导出信号与噪声的小波变换模极大能有效地被区分。仿真结果表明，在合理选取判断阈值和进行小波变换的信号长度时，该方法能快速 ，准确地判断出真正的信号跳变。本文对提高测控仪表的可靠性有一定的借鉴作用。     

信号奇异点的分步检测法

针对两种常见的信号奇异点：脉冲型奇异点和阶跃型奇异点,证明信号的奇异点与信号小波变换的最值有关,如果适当选择小波基函数,那么信号的脉冲奇异点将对应于小波基函数的最值点,而信号的阶跃奇异点将对应于小波基函数的原函数的最值点。据此,设计了一个新的基于小波变换的信号奇异点分步检测法（Hierarchical Singular Point Detection based on Wavelet Transform,HSPDWT）,该方法的特点是根据脉冲奇异点和阶跃奇异点的不同特征分两步从信号中提取奇异点。仿真及真实信号上的实验证明了HSPDWT的可行性和有效性。     

小波滤波与QRS波检测

利用双正交样条小波等效滤波器,实现了ECG信号的小波分解和重建。分析心电信号奇异点与其小波变换模极大值对的零交叉点的关系,提出了心电信号QRS波检测的算法。在检测算法中还使用了一系列策略来提高算法的抗干扰能力和QRS检测的准确性。经MIT/BIH心律失常数据库验证,QRS波的正确检测率达99.506%。最后将该算法应用到Windows Mobile智能手机上的心电监护系统中,达到令人满意的效果。     

基于小波分析的故障系统在旋转机械中的应用

就小波分析技术在旋转机械故障诊断应用中的故障特征提取问题进行了深入研究,提出了基于小波奇异性及小波变换模极大值的故障特征提取方法,通过对故障信号与小波变换的多分辨率方法以及奇异性理论相结合进行研究,发现小波分析便于对信号的总体和局部进行刻画;利用小波变换对信号的分解和重构特性,可有针对性地选取有关频带的信息以及降低噪声干扰,通过对重构信号的频谱分析能更有效地提取裂纹故障的典型特征。结果表明,对于旋转机械的非平稳信号来说,利用小波变换方法进行故障诊断是行之有效的。