基于小波变换的树木年轮微密度信号处理

对树木年轮微密度信号进行分析,采用小波多分辨分析方法获取微密度近似信号,并通过重构误差和相位一致性分析,选出适于微密度信号多尺度分析方法的最优小波基.结果表明,小波变换有利于年轮微密度边界点识别和总体趋势分析;db5小波重构精确高、相位失真误差小,是树木年轮微密度信号小波变换的最优小波基.     

基于ICEEMDAN和小波阈值的滚动轴承故障特征提取方法

[目的]针对滚动轴承故障信号非线性、非平稳特征导致的故障特征频率难以提取的问题,提出了一种基于改进的带有自适应白噪声的完全集合经验模态分解(ICEEMDAN)和小波阈值降噪的滚动轴承故障特征提取方法。[方法]首先用小波阈值降噪对故障信号进行预处理,然后利用ICEEMDAN对降噪后的信号进行模态分解,产生一系列的固有模态函数(IMF),并根据互相关系数法提取与原信号相关的模态分量,作各层模态分量的包络谱图,提取滚动轴承的故障特征频率。[结果]通过仿真试验与滚动轴承故障试验分析,并将其与集合经验模态分解(EEMD)处理的进行比较,基于ICEEMDAN方法分解后的包络谱幅值更加明显。[结论]本研究提出的方法能精确地提取滚动轴承的故障特征频率。     

基于CL多小波的语音信号去噪

本文重点分析并设计了多小波预处理及多小波的分解重构办法，并提出一种基于CL多小波的带噪语音信号去噪方法，实验证明该方法可以有效的去除语音中的噪声，同时，能较好的保留视听效果。     

基于小波变换的网络异常检测研究

由于普通的网络流量很难从中检测出异常,为了有效地分析网络流量,深入研究网络流量的性质,本文提出了一种基于小波的分解与重构思想,将网络流量通过小波变换分解成不同尺度下的逼近信号和细节信号,然后分别单支重构成低频序列和高频序列,根据低频序列和高频序列的特性,对异常网络流量进行检测.通过对真实网络流最的仿真实验,结果显示该方法能够比较简单且准确地检测出异常的网络流量.     

基于小波包的水力机组振动故障信号消噪方法研究

在水轮发电机组故障诊断中,提取监测信号中的奇异信号特征,对准确判断机组运行状态具有重要意义。研究充分利用水力机组振动故障信号的特征和小波包的特点,采用小波变换的方法,通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析,并针对南桠河姚河坝水电站水轮发电机组实测数据进行检验,取得了良好效果。表明所研究的故障信号消噪方法能有效地从信号中提取信息。     

基于小波分析的电力系统振荡与短路识别方法

以小波变换中多分辨分析为基础,研究区分电力系统振荡与短路方法.小波分析能有效地提取电压、电流故障信号中的有用成份,提出一种以能量变化为判据的小波能量法,以识别电力系统振荡和短路.应用MATLAB的PSB工具箱建立振荡和短路仿真模型,应用小波能量法提取电力系统振荡电流与短路电流的小波能量,通过数值分析,识别电力系统振荡与短路.结果分析表明:小波能量法识别电力系统振荡和短路简单便捷,准确有效.小波能量法识别电力系统振荡和短路是十分可行的.     

基于小波包熵的天然气管道阀门内漏分析方法

为了解决严重威胁天然气管道运行安全的阀门内漏问题,采用小波包分解和信息熵理论相结合的方法对3 in(1 in=25.4 mm)球阀不同内漏程度下的声发射信号特征进行分析。首先,通过搭建阀门内漏声发射检测试验平台开展不同内漏流量下声发射检测试验;其次,应用小波包熵方法对声发射信号各频率段信息度进行分析;最后,采用均方根值评价参数对不同频带内小波包熵值与内漏流量的相关性进行评价。结果表明:在25~37.5 kHz频带内的小波包熵值与阀门内漏流量具有最大相关性(均方根误差为0.012 6),表明小波包熵分析方法是一种输气管道阀门内漏流量量化检测的新方法。     

基于小波包熵的天然气管道阀门内漏分析方法北大核心

为了解决严重威胁天然气管道运行安全的阀门内漏问题,采用小波包分解和信息熵理论相结合的方法对3 in(1 in=25.4 mm)球阀不同内漏程度下的声发射信号特征进行分析。首先,通过搭建阀门内漏声发射检测试验平台开展不同内漏流量下声发射检测试验;其次,应用小波包熵方法对声发射信号各频率段信息度进行分析;最后,采用均方根值评价参数对不同频带内小波包熵值与内漏流量的相关性进行评价。结果表明:在25~37.5 kHz频带内的小波包熵值与阀门内漏流量具有最大相关性(均方根误差为0.012 6),表明小波包熵分析方法是一种输气管道阀门内漏流量量化检测的新方法。     

基于信号相似度小波重构与时差的胶合木表面声发射源定位

针对声发射（acoustic emission,AE）信号在胶合木表面各向异性传播时的AE源定位问题,提出一种基于信号相似度小波重构与时差的表面AE源定位算法。首先,依据ASTM-E976标准通过铅芯折断在试件表面产生AE源,并采用NI高速采集设备构建基于LabVIEW的3通道AE信号采集平台,采样频率设定为500 kHz。其次,设计一种基于信号相似度的自适应小波重构算法,对原始信号进行降噪并重构AE信号波形。最后,依据试验结果拟合得到AE信号在胶合木表面360°范围内的传播速度公式,结合AE信号的传播规律设计AE源定位算法,并产生AE源以测试定位效果。结果表明,2组胶合木表面的AE源定位误差分别为5.2%、5.3%,基于信号相似度小波重构与时差的胶合木表面AE源定位算法能够有效地确定声发射源的位置。     

基于小波变换的颗粒肥流量信号处理研究

针对在精准变量施肥中对排肥信号精度要求较高,受外界因素干扰较多导致排肥信号不精确的问题,本试验提出了对颗粒肥流量信号进行去噪处理的小波阈值去噪和小波包阈值去噪2种方法。为了验证2种方法的正确性,本研究以不易变形且摩擦力度小的大颗粒尿素为研究对象,利用排肥试验台对颗粒肥展开排肥试验;然后,利用微波多普勒传感器采集颗粒肥的流量信号;最后,通过2种去噪方法对多普勒信号进行仿真,结果表明:对信号进行多尺度小波变换后,低频小波分解重构可以更有效地去除噪声。     

马尾松胶合木胶层对声发射信号传播特性的影响

采用NI高速采集设备构建木材声发射信号采集平台,通过铅芯折断的方式在马尾松胶合木表面模拟产生AE源。然后对采集的原始信号进行5层小波分解并重构AE信号波形,进而获得AE信号的时频域特征。最后,根据信号相关性分析和时差定位方法,研究AE信号沿胶接横纹和指接横纹方向上的传播速率。研究表明,AE信号在胶合木表面传播时,AE信号中频率较低的成分在通过胶层时能量衰减更加显著,并且在胶接横纹和指接横纹方向上的传播速率存在明显差异,进一步指出指接胶层对信号传播速率的影响比胶接胶层更明显。     

人体振动响应中小波滤波方法的应用

介绍了小波分析方法在人体振动信号处理中的应用.通过对采样频率相对较高、用于舒适性评价的信号进行数字低通滤波,采用等间隔抽取数据的方法获取采样频率相对较低、用于运动病评价的样本数据,以减小用于运动病评价数据的存储量和信号分析的运算量.     

小波变换与傅里叶变换相结合的暂态谐波分析方法

结合小波变换良好的时频局部化特性和傅里叶变换良好的频域分析特性,提出小波变换与傅里叶变换相结合的暂态谐波分析方法。利用傅里叶变换和静态小波变换得到被测信号频域特性和时域特性,再结合连续小波变换得到暂态谐波的时频特性。理论分析和仿真试验结果表明,利用本方法得到的暂态谐波幅值与理论值一致。本方法能够准确分析电网中的暂态谐波,可为电力系统暂态谐波的分析和治理提供依据。     

小波分析在振动攻丝扭矩信号滤波中的应用

介绍了小波分析理论及小波变换的快速算法 ,讨论了该理论在振动攻丝扭矩采样信号滤波中的应用 ,通过对所获得的扭矩信号进行小波变换 ,将其分解成若干个互不重叠的频带 ,利用阈值量化处理的方法去除噪声 (高频信号 ) ,再将剩余部分进行重构 ,形成了抑制噪声的滤波信号 .实验结果表明 ,该方法对采样信号进行滤波是十分有效的 ,对提高扭矩测量值的计算精度很有利     

小波分析在电力系统继电保护中的应用

简述了小波分析的基本原理，介绍了小波分析技术在变压器、输民线路、暂态行波测距、自动重合闸、信号滤波、接地故障检测和故障启动算法方面的应用，指出小波分析在电力系统继电保护中的应用具有十分广阔的前景。     

基于LabVIEW的小波分析在船舶柴油机故障诊断中的应用

测取船舶柴油机缸体振动信号。利用LabVIEW并结合小波分析对信号进行处理,提取故障特征。诊断结果与实际情况相符,说明了该方法的可行性及有效性。     

基于小波包分析的滚动轴承的故障诊断方法研究

用基于非平稳信号的分析方法,研究滚动轴承的故障诊断模型与算法。在充分分析故障机理及特点的前提下,重点开展对滚动轴承故障振动信号的小波包分析的研究工作,提取出反映故障模式的有效故障特征。并基于所获取的故障特征向量,建立BP神经网络分类器,实现对滚动轴承典型故障的识别与诊断。     

基于小波谱白化与自适应小波重构的木材损伤声发射源直线定位法研究

针对木材断裂声发射（acoustic emission,AE）信号源定位问题,提出了一种基于小波谱白化与信号相关性分析的木材表面AE源直线定位算法。首先,为得到木材断裂时产生的AE信号,使用万能力学试验机进行三点弯曲加载试验,在试件表面相距固定距离的3个位置采集试件断裂时产生的AE信号,设置采样率为500 kHz。然后,为合理补偿AE信号在传播过程中损失的高频部分提升信号分辨率,提出一种小波谱白化算法。为降低噪声信号的影响,提出了一种自适应的小波重构算法。最后,通过信号相关性分析法,计算信号到达各传感器的传播时差,并采用基于时差直线定位算法进行AE源定位。结果表明,木材断裂过程中,AE信号通过木材表面和木材内部2种途径传播,由于传播介质不同造成不同的传播速度。使用原始、小波谱白化重构、自适应小波重构的3种AE信号进行AE源定位时,木材表面AE源的定位误差为11.3%、2.6%、3.7%,木材内部AE源的定位误差为10.7%、2.9%、4.5%。AE信号的重构算法直接影响基于时差的AE源定位算法精度,特别是使用小波谱白化法能够显著提升AE信号分辨率同时提升计算时差的准确性进而提升AE源定位精度。