基于小波变换的图像盲分离

以图像盲分离为背景,给出如何在小波变换下对盲源图像进行快速独立分量分析.通过探讨小波域中算法的的收敛特性,证实了小波域中算法能完美实现分离的原因,并通过实验验证了算法的有效性.     

小波变换结合盲源分离的EEG情感识别

由于脑电信号独立源数目的不确定性以及其他噪声的干扰,使得采集的脑电信号各导信号之间产生串扰、源信号难以估计以及噪声混杂等问题,严重影响了对脑电信号的分析研究。将小波变换与盲源分离算法相结合,并对盲源分离算法中维格纳分布存在的交叉项干扰现象进行重排处理。主要思路是首先将每一导信号进行小波变换,提取出特征波β波,然后对这些β波信号进行基于重排光滑伪维格纳分布的盲源分离,分离出关联性极大的β波成分。实验结果表明,所用方法分离出了各导信号中关联性大的脑电信号成分,并在一定程度上解决了源信号难以估计等问题,使识别结果有明显的提升。     

小波盲源分离算法的仿真及FPGA实现

提出了一种基于小波变换的盲源分离方法,在理论分析和仿真结果的基础上,给出了FPGA的实现方案.针对传统盲分离算法对源信号统计特征敏感的弱点,该方法在小波变换域实施盲分离算法.同时,在分离过程中引入了空域相关滤波,使本文方法具有抗噪特征.将该方案应用于多接收天线系统中的多跳频信号的分离应用中,仿真结果证明了该方案的可行性和有效性.     

提升小波变换在煤矿轴承故障诊断中的应用研究

针对煤矿关键设备中滚动轴承故障诊断问题,提出将提升小波变换应用到煤矿轴承故障诊断中,介绍了提升小波变换原理,并设计了自适应提升小波预测器和升级滤波器。仿真结果表明,轴承故障信号实际测量值与理论值平均误差小于3%,说明利用提升小波变换能够实现噪声条件下轴承故障信号的准确识别。     

基于小波分析的轴承故障诊断和分析

故障特征提取与表示关系到故障诊断的可靠性和准确性,是机械设备故障诊断中的关键问题,而且是机械设备故障诊断的瓶颈所在。应用小波分析理论,针对旋转机械体轴承这种典型部件,对于他们的故障特征进行提取、表示以及判断。     

基于小波变换及HHT的轴承故障诊断应用研究

为研究滚动轴承故障问题,将小波变换及HHT(Hilbert-Huang变换)相结合的分析方法,应用于强噪声背景下轴承信号故障的提取.首先将轴承故障信号利用小波变换进行降噪处理,然后应用HHT得到希尔伯特边际谱,从中提取故障特征信息.为准确诊断故障,将方法应用于分析采集的分别具有外圈和内圈损伤的滚动轴承振动信号,并与直接运用HHT分析作比较.结果表明,方法降低了噪声对HHT对振动故障信号分析的干扰,能够更有效的提取轴承故障特征信息,提高轴承故障诊断率.     

基于Hough变换的时频盲源分离算法

1998年,Belouchrani,A和Amin,M.G基于时频分布提出了一种经典的时频盲源算法,不足是当有噪声存在时,性能会下降。主要考虑源噪声的盲源分离问题,以Wigner分布计算观测信号的时频阵并将其看做图像,利用Hough变换将信号检测转换为在参数空间寻找局部极大值的问题,运用自项点理论选择合适的矩阵进行联合近似对角化估计源信号。该方法扩展了盲源分离的限制条件,且通过把噪声能量扩展到整个参数平面而只选择信号能量占主导的时频点,对噪声具有一定的抑制能力。     

盲源分离在单通道语音增强算法中的应用

提出一种单通道语音增强算法。首先由接收到的单声道语音信号的含噪部分构造一个假想噪声源,将这一噪声源和含噪的信号作为多通道自适应去相关（MAD）盲分离算法的输入,得到增强的语音信号。进一步将这一增强的语音作为输入,利用Daubechies小波对其进行分解,在小波域中选取合适的阈值函数进行滤波,然后合成时域语音信号。根据以上步骤得到的增强语音有较高的信噪比及可懂度。     

基于二进小波的相合束广义特征分解盲源分离算法

针对盲源分离算法中用相合束广义特征分解法提取源信号,滤波法需根据源信号选择滤波器,时延法不能分离3个以上的源信号,而离散小波变换法的分离效果不够理想,本文提出基于二进小波变换的相合束广义特征分解算法,二进小波的正交性有利于增强信号的非高斯性,并且二进小波在分解时没有进行下抽样,小波基之间存在一定冗余,更好地保留了源信号的信息.仿真结果表明,该算法能更准确地分离4个源信号的混合,且该算法简单易实现,分离速度快.     

小波降噪与BSS在航空发动机故障诊断中的应用

在航空发动机的故障诊断中,传感器测得的信号通常是非平稳的振动信号;受发动机工作环境影响,这些振动信号含有大量噪声且多路源信号相互混叠;传统的信号处理方法很难从此类信号中快速有效地提取出故障特征;运用小波阈值降噪结合盲源分离的方法对发动机振动信号进行了分析,并对某型航空涡扇发动机发生空中停车故障时的振动信号进行了分析,验证了该方法在航空发动机故障诊断中的有效性.     

基于小波平滑的超高斯与亚高斯信号盲源分离算法

为了分离超高斯与亚高斯信号，利用小波变换的高低频系数作为平滑因子，建立以分母作为预测误差的信噪比目标函数，优化目标函数以求解分离矩阵．仿真表明，该算法能够有效地分离出源信号．     

基于盲源分离和EEMD的水电机组转子故障诊断研究

转子系统发生振动时产生的信号是多个故障源振动信号的混合,如何分离出混合信号中的各个故障源振动信号,是进行水电机组转子系统故障诊断的关键;针对此问题,采用一种基于EEMD-PCA-ICA的自适应单入多出盲源分离法,通过转子系统故障的实验研究表明,该算法具有很好的分离效果。     

小波变换及其在异步电动机转子断路故障诊断中的应用

文章主要论述了有关小波变换的基本理论 ,介绍了小波变换在异步电动机转子断路故障诊断中的应用 ,给出了信号检测电路的组成     

小波变换在轴承故障诊断中的研究

介绍了小波分析理论和MATLAB小波工具箱,并利用MATLAB小波工具箱进行信号分析。滚动轴承是各种旋转机械中应用最广泛的一种通用机械部件,它的工作状况直接影响机械设备的使用性能。小波分析是一种时频信号分析方法,它具有时域和频域的局部化和可变时频窗的特点,利用小波变换和小波包对信号在不同的频带下进行分解与重构,并对不同的分析方法进行了比较,特别是对不同的小波函数也进行了比较。最后,提出利用数据挖掘的理论来建立轴承故障诊断的数据挖掘模型库。     

基于离散小波变换的某型航空发动机故障诊断研究

主要研究了离散小波变换极值点的方法在航空发动机传感器故障诊断中的应用;对输入信号输出信号进行离散小波高、低频系数分解重构,利用该系数求出输入输出信号的奇异值,然后去除由于输入突变所引起的极值点,其余的极值点对应于传感器的故障;在MATLAB平台下,仿真结果表明,该故障诊断方法可以及时、有效地检测出航空发动机传感器出现的各类故障。     

基于小波分析的异步电动机转子断条故障诊断研究

针对常用的电动机稳态傅里叶分析方法存在不能分析局部时域信号的局部频谱特性的缺点,提出了一种改进的小波包分析方法,并将其运用到异步电动机转子断条故障诊断实验中。通过对电动机故障信号进行小波包分解与重构,可以有效地检测出故障信号的频率,从而确定故障的类型和可能发生故障的部位。实验结果证明了该分析方法的有效性。     

基于提升小波变换的盲水印技术

随着通信、计算机和网络技术的迅猛发展和广泛应用,信息安全和版权保护问题已引起了社会的广泛关注,而数字水印技术已经成为实现版权保护的有效途径。文中提出了一种基于提升小波变换的盲水印算法,利用提升小波变换将原始图像进行多分辨率分解,根据各个层次相应位置的提升小波系数排序情况和密钥中{1}元素的位置来决定水印嵌入的位置,在水印提取时根据密钥中{1}的位置可以实现百水印提取。采用水印多重嵌入的方法,将水印嵌入到提升小波分解各个分辨率级的所有子图中,即在低频子图中嵌入一次水印,而在高频子图中嵌入多重水印,这样不仅不易被人眼察觉而且提高了水印嵌入的鲁棒性。这种算法简单、可靠,实验证明具有较好的效果。     

数格子——一种简单的盲源分离方法

将多个随机变量的实现的每个分量分别用相应随机变量的分布函数变换，再将值域空间划分为均匀格栅，则格栅中被占据的格子数目的期望当这些随机变量相互独立时最大。本文发现了这一有趣的规律，对其作出了理论解释，并据此提出了一种简单的盲源分离方法。该方法能够分离各种源信号且易于用数字硬件实现。     

基于IMF聚合与SVD的城轨车辆牵引电机轴承故障诊断

为有效提取城市轨道车辆牵引电机轴承的故障特征,提出一种基于本征模式分量(IMF)聚合与奇异值分解(SVD)相结合的轴承故障诊断方法.该方法首先运用经验模式分解(EMD)将原始振动信号分解成一系列本征模式分量;其次在利用皮尔逊积矩法进行本征模式分量的筛选后将剩余的分量聚合重构,再将重构信号运用奇异值分解降噪;最后对降噪信号进行Hilbert谱分析,实现轴承故障特征向量的提取.城市轨道车辆牵引电机轴承实测数据的分析结果表明该方法能够有效提取故障特征信号,对轴承故障进行有效的诊断.