小波变换轮廓术中快速相位展开方法研究

针对小波变换轮廓术中相位展开的精确性和快速性问题,提出了一种新的适用于小波变换轮廓术的相位展开方法.在使用小波变换得到条纹图像的相对相位分布的基础上,详细分析了利用小波变换脊处的尺度因子建立质量图指导相位展开的理论依据和实现方法,这种质量图建立方法有效反映了条纹图像各点的可靠性.在相位展开方面,针对全局洪水相位展开算法计算时间较长的问题,提出了根据质量图将相对相位分布图分层,然后逐层采用不同算法展开的方法.与全场洪水相位展开算法相比,该方法在保持较高测量精度的同时极大减少了相位展开所需的运算时间.计算机仿真和实物测量实验说明使用该方法可以得到准确的绝对相位值,处理速度较快.     

基于复小波变换相位谱的齿轮故障诊断

提出了一种基于复小波变换诊断齿轮故障的新方法。利用Mexican-hat调制复小波基函数对齿轮振动信号进行连续小波变换，再作相位的频谱分析，可以突出边频带结构，识别不同故障模式。试验数据的分析结果表明，该方法适用于齿轮故障诊断，与传统的自功率谱方法以及基于实值小波的小波变换方法相比，这种方法效果更好。     

双频投影条纹相位展开方法的改进

为解决双频外差法展开条纹相位中出现跳跃性变化的问题,提出了一种改进方法.首先,根据外差原理计算出条纹级数的小数部分,再由该条纹级数对应频率的光栅条纹的相位主值计算出当前小数部分的实际值.然后,根据相位主值自身误差设置判定阈值,并用该阈值对上述计算值与实际值的差值进行判断.最后,根据判断结果对中间参量的周期次数进行加或减...     

Morlet小波在数控机床预测中的应用研究

针对故障早期状态信号的微弱与包含脉冲突变成分对故障信号采集、去噪、预测等带来的极大挑战,分析了Morlet小波变换的滤波特性及其时频分辨率,提出了基于参数优化的Morlet小波变化的故障特征提取办法。利用最小Shannon熵方法和奇异值分解的周期检测方法分别对Morlet小波的形状参数β和尺度因子a进行优化。最终选择了最优Morlet小波作为滤波内核,对轴承早期状态进行震动检测与分析,从而完成对数控机床主轴轴承的早期状态监测与故障预测。仿真试验和实际应用的结果表明,实际f=232.7Hz,接近故障通过频235.6Hz,推测轴承外圈出现性能下降,完成故障预测。该研究有助于对机械突变故障信号的微弱信号检测和提取,对数控装备的故障诊断、预测及未来故障注入,BIT有重要研究意义。     

基于自适应复平移Morlet小波的轴承包络解调分析方法

针对滚动轴承的传统包络解调分析技术需要人工选择参数的缺点,提出一种自适应包络解调分析方法。该方法针对轴承故障在振动信号中表现为冲击衰减波形的特点,采用复平移Morlet小波实现冲击特征波形的自动提取。同时,基于小波系数峭度值最大的优化策略,给出Morlet小波基函数的中心频率和包络因子的优化方法,从而实现与冲击特征成分的最优匹配,获得较好的包络信号。对模拟信号和实际轴承故障数据的应用分析表明,该方法通过对基函数波形的优化匹配,可以有效地解调出弱故障特征分量,效果优于普通的复平移Morlet小波变换,适合于轴承的早期故障特征提取。     

三灰度编码相位展开方法条纹投影轮廓术

为了通过减少条纹投影轮廓术所需投影和采集的条纹图像数量,提高三维测量速度,提出了一种用于条纹投影轮廓术的三灰度编码相位展开方法.投影仪投射5幅条纹图像到被测物体表面,包括三幅正弦相移条纹图像和两幅三灰度编码图像,由相机采集经物体表面调制的变形条纹图.通过相机采集到的三幅变形正弦相移条纹图像计算包裹相位.通过相机采集的三...     

Morlet小波对于压缩机故障信号的研究

针对目前压缩机故障信号分析中存在的问题,提出了用Morlet连续小波对故障信号进行提取和识别。在停车情况下,对压缩机故障进行检查,验证了Morlet连续小波在故障信号提取和识别中的可行性和正确性。     

基于参数优化Morlet小波变换的故障特征提取方法

针对轴承或齿轮箱等机械元件的故障振动信号表现为冲击衰减波形的特点,提出一种基于参数优化Morlet小波变换的故障特征提取方法。利用最小Shannon熵方法优化Morlet小波的形状参数,实现与冲击特征成分的最佳匹配,再对小波变换系数矩阵进行奇异值分解,根据奇异值曲线中主要反映突变信息的过渡阶段所对应的尺度范围求得最佳小波变换尺度,最后对信号进行Morlet小波变换提取故障特征。仿真试验和实际应用的结果表明,该方法能更有效地从强噪背景中提取故障特征。     

基于Morlet小波变换的信号去噪及在轴承状态监测中的应用

为在强噪声背景下利用振动信号中隐含的冲击特征成分来反映轴承性能退化趋势,提出一种基于Morlet小波变换和时域特征参数提取相结合的轴承状态监测方法。通过引入谱峭度评估Morlet小波滤波的去噪效果,再从信号滤波结果构建的组合信息中提取时域特征参数。对轴承全寿命数据的应用结果表明,特征参数的变化趋势能够监测轴承状态的劣化过程,伴随的早期故障检测可以提高轴承使用的安全性。     

基于Morlet小波变换的滚动轴承早期故障特征提取研究

针对轴承故障初期振动信号中的特征成分极易被噪声信号淹没而不能及时检测的问题,结合Morlet小波变换降噪的基本原理,提出一种由尺度相关能量分布确定最优尺度参数的方法,从而在该尺度下对信号滤波来提取冲击特征成分.以最小Shannon熵优化Morlet小波的形状参数,实现母小波与信号故障特征的最佳匹配;以最优Morlet小波在不同变换尺度下的小波系数绘制尺度-能量谱,利用信号故障特征能量在特定尺度范围内聚集的特性,从谱图的极值点中选择滤波效果最好的尺度参数.对轴承全寿命数据的实际应用结果表明,与信号的均方根趋势相比,该方法能够提前从信号中提取微弱故障特征并检测到轴承的外圈故障,为轴承早期故障诊断提供了一种有效途径.     

输入图像尺寸和伸缩因子对二维Morlet子波变换的影响

简述了二维光学子波变换理论,用计算机模拟方法研究了伸缩因子对子波变换的影响,发现伸缩因子过大会使变换后的图像的边缘变模糊。得出了合适的伸缩因子值,用计算机模拟和光学实现方法研究了输入图像尺寸对子波变换的影响,实验结果与计算机模拟相一致,认为合适的输入图像尺寸应保证输入图像的频谱范围与子波匹配滤波器的频谱范围相一致,才能使二维Morlet子波变换提取清晰的图像边缘特征。     

一种基于小波变换的织物组织与结构参数检测方法

织物组织结构及参数的正确识别与分析是一项费时而又重要的工作。本文提出了一种运用图像处理技术检测织物纹理方向、识别织物组织以及经纬密测量的新方法。把小波变换对织物图像信号良好的分解性能与Radon变换对纹理直线的检测特性结合，运用于织物纹理方向的检测分析、织物组织识别及经纬密测量。相关实验表明该方法不仅能较准确测定纹理方向和经纬密等结构参数，而且其检测的结果能为正确推断与识别织物所属的基本组织类型提供有效依据。     

An algorithm for the continuous Morlet wavelet transform

This article consists of a brief discussion of the energy density over time or frequency that is obtained with the wavelet transform. Also an efficient algorithm is suggested to calculate the continuous transform with the Morlet wavelet.The energy values of the wavelet transform are compared with the power spectrum of the Fourier transform. Useful definitions for power spectra are given.The focus of the work is on simple measures to evaluate the transform with the Morlet wavelet in an efficient way. The use of the transform and the defined values is shown in some examples.     

基于复数小波变换的图像滤噪

小波变换是一种在科学研究上有着广泛应用的工具。由于复数小波变换在某些方面比实数小波变换具有更多的优点,如：平移不变性、更好的方向性和精确的相空间信息等,可提高图像的去噪能力。本文采用二树复数小波变换,在基于H—Curve准则确定阈值的基础上进行图像去噪。此准则不需要提前知道噪声标准偏差,在实际应用中适用于不同类型的噪声,并且和目前多数方法去噪后的图像过于平滑相比,它还能产生较好的视觉效果。典型去噪试验表明：本文采用的方法在去噪能力、取得的视觉效果和确定阈值的广泛性方面都优于目前多数方法．     

基于小波变换和ICA特征提取的开关电流电路故障诊断

提出了采用小波变换和独立成分分析(ICA)作为预处理器来进行特征提取的神经网络开关电流电路故障诊断方法。该方法对采集到的故障响应信号进行Haar小波正交滤波器分解,获得低频近似信息和高频细节信息;然后利用独立成分分析方法进行ICA故障特征提取;最后将所得到的最优故障特征输入到BP神经网络中进行故障分类。对六阶切比雪夫低通滤波器和六阶椭圆带通滤波器电路进行了仿真实验验证,获得了100%的故障诊断准确率,与其他方法进行比较,实验结果显示了该方法的优越性。     

基于冗余小波和分水岭变换的肺结节识别

利用CT影像检测肺结节,已成为目前诊断和预防早期肺癌的主要方法.对肺结节的有效识别,是实现肺癌计算机辅助诊断的关键.本文根据医学影像的特点,提出一种基于冗余小波变换和分水岭变换的肺结节识别方法,该方法通过保持平移不变的冗余小波变换得到细节信息增强的影像,然后用基于有向欧式距离变换的分水岭算法实现对肺结节的分割.实验表明,该方法对CT序列影像进行肺结节识别可以得到良好的分割结果,从而为医生对肺结节的诊断提供更加准确的客观依据.     

An adaptive Morlet wavelet filter for time-of-flight estimation in ultrasonic damage assessment

Ultrasonic non-destructive testing has been widely used in assessing the integrity of engineering materials such as high-temperature alloys and structures such as pipelines, bridges, and other load-bearing structures. The ultrasonic signals received from these structures are often noisy. Effective noise-reduction techniques are needed in order to accurately assess their condition. This paper presents a new digital signal processing method for estimating ultrasonic time-of-flight diffraction (TOFD). This method is based on wavelet analysis using the Morlet wavelet and the least mean squares (LMS) adaptive filter. The adaptive line enhancer (ALE) structure is used for the adaptive filter. The filter is designed to remove noise and identify the point at which the ultrasonic signal starts to reflect an echo from the tip of a crack. Both simulated and experimental data obtained from a steel plate with a crack produced by electrical-discharge-machining (EDM) are used to demonstrate the performance of the proposed method. This method is especially useful when the properties of the crack signal are unknown and the signal-to-noise ratio is low.     

基于小波变换的图像数据融合方法

提出一种基于小波变换的图像数据融合方法.原始图像经过小波变换,分解成亮度子图像和边缘子图像,对分解后的子图像进行分块处理,根据局部区域方差准则计算融合系数,对每个子块图像进行数据融合,最后重建图像.实验结果表明,本文方法具有很好的一致性.