小波变换在漏磁检测中的应用研究

无损检测向着自动化、智能化方向发展 ,而要在漏磁检测中真正做到定量分析还存在一定困难。文章简要介绍了小波变换 Mallat快速算法 ,把小波变换作为一种先进的信号处理手段引入进行数字信号的预处理 ,可以完成去除噪声和数据压缩的工作 ,为漏磁信号的定量分析提供了很大的可能性     

去除漏磁数据中无缝管道噪声的小波域自适应滤波算法

漏磁(MFL)检测是油气管道在线检测中应用非常成熟的一种无损检测技术。将小波变换与自适应滤波技术相结合,提出了一种去除漏磁数据中无缝管道噪声(SPN)的小波域自适应滤波算法。将该算法用于实测漏磁数据的处理,所得结果说明该算法具有良好的去噪效果,可以极大地提高漏磁数据中缺陷信号的可检测性。     

小波神经网络在海底石油管道漏磁缺陷检测中的应用

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷的漏磁信号识别缺陷的形态参数,噪声消除和缺陷识别是其中的关键问题。利用噪声信号和测试信号在各个尺度上波谱的不同特征,基于小波变换来消除管道漏磁检测中的噪声信号,并根据正交小波多尺度多分辨率特点,把信号分解成各相互独立的频带,构建一个小波神经网络系统,通过输入漏磁信号的特征量识别缺陷的参数。漏磁检测数据处理实验表明该小波变换能较好地去除检测信号中的主要噪声,所建立的缺陷识别小波神经网络系统具有收敛速度快、逼近精度高等特点。     

小波去噪及其在信号检测中的应用

基于信号和噪声在小波变换下表现出的截然不同的性质，提出了一种非线性的消噪方法．该方法与传统的消噪方法不同，它并非等价于信号通过一个低通或带通滤波器，而是根据信号与噪声的奇异点性质不同进行滤波，因而在改善信噪比的同时，又保持相当高的时间分辨率．理论分析和实验表明该方法特别适合于弱信号的检测和定位     

小波神经网络在海底石油管道漏磁缺陷检测中的应用

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷的漏磁信号识别缺陷的形态参数,噪声消除和缺陷识别是其中的关键问题。利用噪声信号和测试信号在各个尺度上波谱的不同特征,基于小波变换来消除管道漏磁检测中的噪声信号,并根据正交小波多尺度多分辨率特点,把信号分解成各相互独立的频带,构建一个小波神经网络系统,通过输入漏磁信号的特征量识别缺陷的参数。漏磁检测数据处理实验表明该小波变换能较好地去除检测信号中的主要噪声,所建立的缺陷识别小波神经网络系统具有收敛速度快、逼近精度高等特点。     

基于小波脊的超声信号处理

根据超声信号通常是单频载波脉冲信号,具有渐近信号的特性,提出了一种基于小波脊的超声信号处理算法．首先利用渐近小波变换提取超声信号的小波脊,计算小波脊的移动熵,然后通过移动熵实现缺陷信号与噪声的分离和缺陷定位,最后利用小波反变换重构出缺陷信号．该算法充分利用了超声信号的时域、频域和相位信息,不仅消噪性能好,而且缺陷定位准确     

用于管道漏磁数据的小波域自适应及小波系数去噪算法

基于漏磁检测是油气管道在线检测中应用最广泛的无损检测技术,提出了一种去除漏磁数据中无缝管道噪声(SPN)和系统噪声的新算法.首先利用将小波变换和自适应滤波技术相结合而提出的新型小波域自适应滤波方法去除漏磁数据中的SPN,然后再利用小波系数去噪方法去除小波域自适应SPN消除系统输出漏磁数据中的系统噪声.实测漏磁数据所得结果表明,该算法具有良好的去噪效果,极大地提高了漏磁数据中缺陷信号的可检测性.     

ANSYS在管道漏磁检测中的应用

通过对管道漏磁检测技术和有限元分析软件ANSYS的介绍，得到了有限元分析软件ANSYS在管道漏磁检测中应用的具体事例，通过计算分析得出一系列管道缺陷的漏磁信号曲线，为实现管道缺陷的智能诊断打下了基础。     

小波分析在信号消噪中的应用浅析

本文简述了小波分析的基本原理和方法，在Matlab语言的基础上，对小波分析在信号消噪中的应用进行了探讨。     

自适应小波阈值去噪在重力仪信号处理中的应用

为了有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响，提高重力异常测量值的精度，在分析了小波阈值及自适应小波阈值去噪算法的基础上，将其应用到高精度海洋重力仪系统数据处理中，并与自适应卡尔曼滤波做了对比，以处理后信号的信噪比作为衡量3种数据处理方法优劣的依据。理论分析和仿真实验表明，自适应小波阈值去噪方法、传统的小波阈值去噪方法和自适应卡尔曼滤波都能在一定程度上消除噪声信号对重力仪测量信号的影响，但在相同情况下，自适应小波阈值去噪方法具有明显的优越性。     

基于边缘检测的提升小波图像去噪

为了图像去噪的同时能很好地保持图像的细节,提出了一种基于边缘检测的提升小波图像去噪方法,先用Canny边缘检测方法得出原图像的边缘,提升小波去噪时就可用阈值去噪而不必担心损害图像的重要特征。其去噪步骤是：对噪声污染图像进行提升小波去噪;对含噪图像提取边缘图像;对去噪图像高频系数进行阈值处理进行重构变换;图像合并。实验结...     

基于一维离散小波变换的心电信号降噪研究

针对心电信号中含有噪声的现象,为了准确提取反映心电信号的特征信息,该文提出了应用一维离散小波变换实现对心电信号的降噪处理方法.研究结果表明,该方法能够有效地去除心电信号中的噪声,从而为进一步实现心电信号特征信息的提取提供了有效的参考价值.     

连续小波变换在生物医学信号处理中的应用

小波由于同时具有空间域与频率域的局部性，而成为描述、检取函数奇性的局部性质的有效工具。探讨了连续小波变换在生物医学信号特征提取中的精确检测机理。由于Mexican hat小波特有的时域特性，对诸如心电信号中的QRS波群、脑电信号中的棘、尖波具有很好的定位特性和分析精度，因此选用Mexfican hat函数作为小波基。对临床实测数据分析表明，即使在有严重噪声干扰的情况下，此方法也很容易实现对QRS波群、癫痫样渡等生物医学信号中的特征信息进行准确检测和精确定位，从而在作者研制的“虚拟式心电记录分析仪”和“虚拟式脑电记录分析仪”中获得了实际和有效的应用。     

小波变换在语音信号处理上的应用

利用小波的多分辨率分析,以及其良好的空间域和频率域局部化特点,针对语音信号特征,选取适当的小波算法进行去噪和增强语音,压缩编码,提取语音信号特征等处理。通过Matlab仿真分析,得到增强后的信号图和压缩后的压缩比参数、能量保留参数、零系数比例系数,提取的信号特征。结果表明,基于小波变换的语音信号处理表现出良好的特性。     

基于提升小波的脉冲涡流检测信号去噪的研究

脉冲涡流检测是无损检测的一个重要方法.由于检测过程噪声的干扰,信号在测量过程中不可避免的受到不同程度的污染.文章介绍了提升小波的基本原理、阐述了提升小波去噪的算法.利用提升小波对脉冲涡流检测过程中的噪声进行去噪,得到了去噪后的结果波形.实验结果表明,采用提升小波去噪可以使脉冲涡流检测结果信号的信噪比得到显著的提高.     

基于多节点样条理论的漏磁数据去冗余压缩算法

为解决管道漏磁缺陷检测中采样数据的去冗余压缩问题,在利用小波去噪的基础上,根据多节点样条理论具有插值过程无需解方程组、逼近误差小、基函数有界支集的性质,通过构造一个对称的、局部支集的、拉格朗日型基函数,从而设计出一种能快速、高效地逼近原检测数据的去冗余压缩新算法,以提高管道漏磁在线检测数据压缩的实时性．用实验室检测到的漏磁数据对该算法进行了验证．结果表明,该算法具有很好的实时性及较高的数据压缩率．     

基于形态学和提升小波的心电信号去噪方法研究

心电信号是一种典型的微弱信号,含有大量噪声,还具有强烈的非线性和非平稳性.针对传统小波计算量大,很难同时将心电信号中高频和低频噪声去除的问题,提出一种结合形态学与提升小波阈值去噪的算法,通过形态学滤波器去除信号的低频噪声,提升小波阈值去噪法去除信号中的高频噪声.经过对MIT-BIH心律失常数据库中的心电信号进行仿真,结果表明,结合形态学算法与提升小波去噪算法的去噪方法,能同时有效去除信号中的低频和高频噪声,提高了心电信号的质量.     

基于第二代小波变换的图像除噪

讨论了第二代小波变换的基本原理和变换过程,并将第二代小波变换引入到图像信号除噪处理中.提升方案采用的是Deslauriers-Dubuc(4,2)小波,分别对含噪的图像信号进行三级可逆提升变换,对每一级上的细节信号按软阈值法进行处理,削减小波系数中的噪声部分,从而实现了信号去噪.结果表明,去除高斯白噪声的效果令人满意,提升方法设计灵活、计算简单.     

信号处理中的小波分析

介绍了母小波和完全小波系的概念，详述了它们的数字特征。给出了连续小波变换、离散小波变换和二进离散小波变换的定义并参考Ｒ＾２空间的矢量表达式导出了它们的逆变换。     

基于提升小波的可伸缩性实时压缩编码算法

在传统的网络应用之外,集音频、视频和共享数据于一身的流媒体网络通信逐渐成为计算机网络通信的重要应用和当前研究的热点问题.由于IP网络存在着延时、误码、丢包、带宽波动等问题,使得其无法为实时视频传输提供服务质量保障,为此介绍了提升小波和嵌入式零树编码的理论知识,设计了一种提升小波和嵌入式零树算法相结合的可伸缩性编码方案,从而满足诸如渐进传输,图像渐现等网络应用需要.