一种基于小波参数滤波的音素分段算法

本文提出了一种新的基于小波变换和参数滤波的音素分段算法,称为小波参数滤波算法（WPF）,小波变换具有和人耳相似的特性,即随着频率的升高,分辨率下降,我们利用眩特性先对信号进行小波域滤波,然后利用参数滤波对信号进行分段。实验表明本文提出的算法在性能上优于常规的参数滤波方法。     

基于小波分析的MSMA振动传感器信号处理与故障检测

基于磁控形状记忆合金(MSMA)逆特性制作的振动传感器,其输出的感应电压存在较大的干扰,需要对感应信号进行数字滤波以提取有效数据。本文在小波分析滤波原理基础上,采用db5小波数字滤波算法,将不同频段的感应电压信号进行软阈值滤波,并通过小波分解MSMA振动传感器的感应信号进行故障检测。由信号处理结果可以看出小波分析具有理想的滤波效果,可用于MSMA振动传感器的信号处理与故障检测。     

小波分析在水电机组状态检测中的应用研究

研究了基于小波分析的滤波方法及其在水电机组状态检测信号滤波中的仿真实现。利用小波分析将检测信号分解到互不重叠的频带上，根据真实信号的频率特性，删除掉其中某些频段内的干扰与噪声信号，然后对信号进行重构，从而实现了对信号的滤波。仿真结果表明，小波分析的滤波方法与传统的滤波方法相比，可以有效地滤除检测信号中的各类噪声与干扰，保存其中有用的频带信息。     

一种采用小波滤波的独立分量分析算法

在盲信号处理中,作为一种非高斯性度量之一的峭度,对野值可能非常敏感。提出了一种使用小波滤波的独立分量分析(ICA)算法。首先,采用小波对混合信号进行去噪处理。然后,利用主成分分析PCA对混合信号进行白化。最后采用负熵的独立分量分析算法提取混合信号中的独立分量。实验表明,基于小波滤波的ICA算法能有效地提取源混合信号的独立分量,在噪声环境中具有比快速独立分量分析算法更好的盲源分离效果。     

基于小波包分析及Lyapunov指数的汽轮机转子振动故障诊断

根据Bently实验台所采集的碰摩、松动、不对中、不平衡4种典型汽轮机转子振动故障信号,采用小波包分析和Lyapunov指数相结合的方法对其进行故障诊断.先对原始信号采用小波包分析进行滤波,提取有用的信号频段,再对滤波后的信号进行二次处理,提取混沌特征量--Lyapunov指数进行故障定位.诊断结果表明:小波包分析的方法有着很好的滤波和提取非平稳信号的能力;小波包分解重构后的汽轮机转子的振动时间序列在不同故障状态下的Lyapunov指数明显不同,因此,Lyapunov指数在进行汽轮机转子故障类型诊断时有较好的区分度.     

基于改进冗余提升方案的汽轮机组振动故障特征提取

故障特征提取是大型机械设备状态监测和故障诊断领域的核心问题。传统的振动故障特征提取方法主要是基于频谱分析的方法,小波变换的出现则为该领域提供了新的工具。文中提出并构造了一种改进的冗余提升小波变换算法来提取振动信号的时域特征。算法以第2代小波为基础,设计了冗余提升小波变换的算法,不进行分裂,直接利用构造的算子进行预测和更新,各层分量和原始信号的数据长度相同,从而保留了更多的时域信息。研究了提升小波和冗余提升小波算法中存在的频率混叠问题,阐述了产生频率混叠的原因。通过对冗余提升小波分解得到的近似信号和细节信号采用傅里叶变换的方法消除了与其对应频带无关的频率成分,以突出相应频带信号的时域特征。对仿真信号和实际汽轮发电机组振动故障信号进行了分析,结果表明,改进的冗余提升小波变换算法能够较理想地提取出故障特征,有效地解决了提升小波算法中存在的频率混叠问题。     

提升EEMD降噪方法及制冷机轴承故障诊断应用研究

针对制冷机轴承振动信号被复杂干扰淹没,难以提取有效特征问题,提出一种提升总体经验模态分解(EEMD)的轴承振动信号降噪方法。首先,利用小波包精细分解特性,基于白噪声检验原理提取第一个IMF分量中有用信号;然后,利用噪声和信号主导的本征模态分量(IMFs)与原始信号互相关系数差异巨大的特性,对分解后的IMFs进行区分,分别使用小波包浮动阈值方法和SG滤波算法提取高、低频分量的有用信号,克服了传统EEMD降噪时信号失真、IMFs选择的难题。为了验证方法的有效性,进行了数字仿真与制冷机轴承振动信号应用验证分析,结果表明,所提方法基于一种精细的决策处理方法,可以将淹没在复杂干扰中的有用特征提取出来,为制冷机轴承状态监测提供有效的预处理手段。     

基于小波分解的自适应滤波算法在抑制局部放电窄带周期干扰中的应用

在局部放电在线监测中，由于窄带周期干扰的频率范围很宽，自适应滤波器的参数设置比较困难，有时甚至会导致算法不稳定。为此，文中提出了一种基于小波分解的自适应滤波算法，以用于抑制窄带周期干扰：利用小波的分频特性先将信号分解到不同的频段上，然后对各频段的信号施以自适应滤波，由于信号被分解到不同的频段，各频段内的窄带干扰频率相差有限，所以，可以根据各频段信号的特性采用最佳的滤波参数，以达到较好的滤波性能。计算机仿真分析和现场数据处理表明，该算法比普通自适应滤波算法有更好的抗干扰性能和稳定性。     

基于最优小波包的水轮发电机组振动信号特征提取方法

水轮发电机组振动信号的在线监测是实现机组状态检修方法的关键。在分析了水轮发电机的机组振动信号特征后,提出采用db1小波进行振动信号的特征提取,在信号分析中主要应用shannon熵。小波包的构造是基于函数空间的正交剖分;最佳小波包基的选择就是应用最优的分解方法和有效的算法寻找出最小熵标准;给出了机组振动信号特征提取的步骤。根据所构造的最优小波包对机组振动信号进行分解并运用能量特征提取分析方法对机组振动信号进行特征提取。     

小波分析技术在汽轮机振动信号消噪与检测中的应用

采用小波包进行汽轮机振动信号的消噪与检测,可有效保留信号中包含故障特征的弱突变信息。提出了基于小波包的汽轮机振动故障信号的消噪与检测方法。它是以小波包能量为基础,以原始信号与降噪后信号之间的均方误差(MSE)极小化为目标的基于小波包的降噪算法,并与传统的Donoho硬阈值降噪算法作了比较。检测结果表明,在故障检测前先采用小波包基方法对故障信号进行消噪,有利于提高汽轮机振动检测的准确性。     

用于提取PD信号的复小波簇消噪算法

因电气设备处在强烈电磁干扰环境中,常被噪声淹没,为了准确检测PD信号,需有效抑制其噪声干扰。根据PD信号和白噪干扰的复小波系数各有其特点和小波变换的本质是被分析信号和小波做内积运算,提出了从一簇复小波中逐层选择最优复小波并根据模极大值原理确定分解层数的方法即以阈值消噪法为基础的复小波簇消噪法。采用该方法对PD染噪信号进行去噪处理,并用去噪前后的信噪比(SNR)和波形相似性参数(NCC)对仿真PD信号的消噪结果进行评价。结果表明,复小波簇消噪法在满足SNR>10 dB的要求下,两个信号的NCC都>0.9,复小波簇消噪法从白噪干扰中提取PD信号的能力更强,在高SNR的情况下,信号的畸变也更小。     

基于双向工频通信系统的弱信号检测与分析

针对工频通信系统中背景电流大于调制信号的情况,提出以最小二乘法进行背景电流拟合的设想。针对调制信号湮没在噪声中的情况,采用小波分析、时频分布以及短窗自相关3种信号提取方法,介绍3种方法的原理、特点,并做仿真试验,对仿真结果进行比较、分析,确定小波分析方法为信号的有效提取方法。最后采用实际工程数据进行检测,结果表明最小二乘法与小波分析方法相结合是检测强干扰中有用信号的有效方法。     

基于DSP的变压器振动信号的小波能量谱熵提取

变压器器身的振动信号含有丰富的故障信息,利用振动法进行变压器运行状况的在线监测已经成为变压器故障诊断的研究重点之一。结合小波变换与信息熵的理论,采用变压器振动信号的小波能量谱熵作为故障诊断的特征信号,同时利用DSP芯片TMS320F2812作为核心芯片,设计并完成对变压器振动信号的采集和小波能量谱熵的提取。结果表明,变压器正常运行与故障运行时的小波包能量谱熵存在差异。因此,该方法能够有效提取变压器振动信号的特征值,为后续故障诊断提供有力的依据。     

小波包结点阈值自适应消噪法

当噪声为时变的时候,传统的小波阈值消噪方法效果很有限:当采用软阈值消噪时,总体效果较好,但当含噪信号很不规则时显得过于光滑;当采用硬阈值消噪时,消噪效果不理想,信号含有明显的噪声。为克服上述缺陷,本文提出基于"自适应阈值消噪思想"的小波包结点阈值消噪法。首先,我们给出了小波包结点阈值的定义,这种阈值取法突破了高斯白噪声和平稳噪声的局限性;其次,我们提出了基于谱熵的噪声估计法用以替代传统的中值绝对值(MAD)噪声估计法,这种噪声估计方法与实际应用环境相符,适用于非平稳噪声和有色噪声。仿真实验证实,相比于常规小波消噪算法,结点阈值法和基于谱熵的噪声估计法在白噪声环境下具有较好的消噪效果。     

一种低信噪比线性调频脉冲信号参数提取方法

本文提出了一种低信噪比条件下的线性调频(LFM)脉冲信号参数提取的新方法.该方法通过自相关滤波提取出LFM脉冲信号的频域参数信息,根据频域参数信息,确定小波分解尺度数和信号采样频率,使对采样数据的小波分解结果中,信号的小波系数在最大尺度上占优.然后利用信号和噪声的小波系数模极大值在不同尺度间的传播特性,分尺度对小波系数进行非线性滤波,并进行信号重构,得到提高了信噪比的重构信号,从该信号中可以较好地检测出原LFM脉冲信号的时域信息.仿真实验表明,该方法能在信噪比低于0 dB时实现LFM脉冲信号时频参数提取.     

渐进信号瞬时频率提取及其在电机性能测试中的应用

平稳相位原理表明,渐进信号在连续小波变换时频平面上的分布呈现脊线的形态,信号的主要参数可以从其对应脊上的信息中提取出来.本文根据分析母小波在特定中心频率条件下小波脊线与信号瞬时频率的关系,提出了渐进信号瞬时频率的提取方法.根据直流电机起动电枢电流信号中高频分量的渐进特性,将其应用到电机性能测试系统中,实验结果表明该方法能实现无转矩-转速传感器的电机性能快速准确测试.由于小波基函数的时频局部特性,该方法具有良好的去噪性能.     

断路器机械振动信号特征值提取方法分类性能研究

以ZW45-12型单稳态永磁机构断路器为研究对象,通过搭建数据采集平台得到断路器正常合闸状态、分闸弹簧单根脱落和机构卡涩3种不同运行状态信号数据,利用模糊C聚类分析算法比较短时傅里叶变换、小波包能量熵和希尔伯特—黄变换3种特征提取方法的性能。通过对比研究,得出采用小波包变换方法得到的时频熵向量具有最佳的类可分性能。     

双向工频通信信号特征函数的小波包构造方法

本文介绍了双向工频自动通信系统的调制原理,提出了利用小波包算法的频带分割特性实现工叔通信信号特征函数的构造方法,仿真和实验结果证明该方法是有效和实用的。     

基于经验模式分解的电晕放电辐射信号阈值降噪处理方法

随着输电电压等级的提高,电晕放电已成为影响高压、特高压输电线路安全稳定运行的重要因素。鉴于此,提出了基于经验模式分解（empirical mode decomposition,EMD）的电晕放电辐射信号阈值降噪处理方法,首先利用EMD算法对采集到的电晕放电辐射信号做分解处理,得到不同的基本模态分量,然后利用阈值函数和给定阈值对各分量做降噪处理,并对处理后的分量重构,得到降噪后的信号。研究结果表明：与小波降噪和EMD时空降噪相比,基于EMD的阈值降噪方法不存在基函数选取和分解层数选取等问题,其降噪过程是完全由信号特征决定的自适应降噪,同时该方法保留了小波降噪中对各分量进行阈值处理来降噪的优点,并且在对信号的降噪过程中去除了可能存在于信号中的趋势项干扰,因而该方法更有利于对电晕放电辐射信号的降噪处理。     

基于第2代小波的水电机组振动信号预处理

传统的小波去噪效果与选用的小波基函数有关，小波基函数选择不当会把信号的有用成分当成噪声去掉，给故障诊断造成困难。而基于提升算法的第2代小波变换可以通过设计预测系数和提升系数获得具有某种特性的小波基函数。文中提出采用基于提升算法的第2代小波变换来进行水电机组振动信号的去噪处理，通过分析提升算法的基本原理，使用第2代小波对水电机组振动信号在不同分辨率下进行分解处理，并使用阈值处理小波分解的细节系数，将处理过的细节系数和近似系数一起重构信号。仿真结果表明，采用第2代小波变换要优于传统小波变换的去噪效果，第2代小波在信号处理中有广阔的应用前景。