基于最优小波包基的信号去噪算法及其应用

提出了一种基于Shannon熵准则的最优小波包基信号去噪算法,并将其应用于某型导弹惯导系统陀螺仪信号的去噪处理中。该算法在最优小波包基的基础上,针对不同频段采用不同的阈值算法,用量化后的系数重构得到去噪后的信号。仿真结果表明,该算法具有良好的去噪性能,并且消噪效果明显优于基于小波变换的去噪算法,因而将具有更为广泛的应用前景。     

一种改进阈值法陀螺信号消噪的研究

在光纤陀螺输出信号时,使用小波包消噪法可以在各尺度上更加细致地对噪声进行抑制.这里分步估计陀螺信号中白噪声和分形噪声的强度,根据各尺度噪声强度对各层阈值进行自适应调节,并提出一种连续的阈值量化函数,克服以往软、硬阈值函数存在的不足.仿真结果证明,与通用阈值消噪法相比,新阈值法能更好地去除随机噪声,对于不同信噪比信号均表现出较好的性能.     

用于提高辨识效果的颤振试验数据小波去噪

准确估计模态参数在飞机颤振边界的预测中具有重要意义。为了提高频域辨识算法的辨识效果,提出了一种用于颤振飞行试验数据处理的小波去噪方法。该方法引入梯度倒数加权滤波器对数据进行预处理,处理后的数据运用冗余小波进行小波分解,然后对输入信号在不同尺度下分别进行阈值降噪,对输出信号则采用了一种改进的小波空域相关滤波法去噪。最后通过仿真计算和实际数据证明该方法有效。     

小波消噪在测试信号处理中的应用

结合某测试信号,介绍了阈值消噪的三种方法：强制阈值、默认阈值和给定阈值。通过分析不同阈值消噪后信号波形,计算消噪信号的信噪比、均方根误差和相关系数,对几种方法的准确度进行了对比。结果表明,通过合理选择小波分解的尺度,对小波系数进行阈值重构,能有效地去除信号中含有的噪声,而选用不同规则下的阈值函数或者同一阈值函数对小波系数的处理方式不同,消噪的效果会有很大差异,而阈值函数的选取,更应充分考虑信号的实际特征。     

小波分析在飞机复合材料结构智能敲击检测中的应用研究

介绍了一种民用飞机复合材料智能敲击检测系统的设计原理。在MATLAB环境下对敲击信号进行小波分解和去噪,通过对比选取不同的小波函数和阈值时得到的去噪结果,选取最优的小波函数和阈值进行分解和去噪,获得了较好的信号波形,验证了智能敲击检测系统对分层和裂纹两类复合材料主要损伤的辨识能力,同时提高了智能敲击检测系统的精度。     

一种小波包的微机械陀螺消噪方法

微机械(MEMS)陀螺精度直接影响惯导系统精度。研究表明,随机噪声是影响MEMS陀螺精度的重要因素。本文在介绍小波包变换和自适应阈值的基础上,采用db4小波包变换阈值消噪方法,对某MEMS陀螺信号进行消噪处理,数据处理验证了此算法在MEMS陀螺消噪处理中的有效性。     

齿轮箱中滚动轴承的故障诊断

提出了一种基于自适应除噪技术(ANC)和共振解调技术(DRT)的齿轮箱中滚动轴承的故障诊断方法。该方法先后用同一传感器和测量系统、在同一位置采集被诊断轴承在无故障时的振动信号和在状态监测过程中的振动信号,然后把这两次拾取的信号分别作为自适应除噪系统的参考输入和主输入进行除噪处理,最后用共振解调技术对除噪后的振动信号进行包络解调,实现齿轮箱中滚动轴承的故障诊断。实际应用表明,该方法能够从齿轮箱振动信号中剔除齿轮啮合振动等背景噪声,提高滚动轴承振动信号的信噪比,可以有效地诊断齿轮箱中滚动轴承的故障。      

基于小波包分析与多核学习的滚动轴承故障诊断

为了更准确地诊断滚动轴承故障,提出了一种基于小波包分析与多核学习的滚动轴承故障诊断方法.该方法首先对振动信号进行3层小波包分解,将振动信号分解为不同频带的信号,提取各频带的相对能量特征,构建特征向量;然后采用多核学习算法从训练样本集中学习核函数与分类器;最后使用训练出的分类器识别滚动轴承故障类型.为了验证方法的有效性,进行了滚动轴承故障诊断实验,实验结果表明该方法的故障诊断准确率达到98.25%,与传统的基于小波包与支持向量机的滚动轴承故障诊断方法相比,其故障诊断准确率更高,同时由于避免了核函数的选择问题,该方法更便于实际应用.      

基于小波熵的滚动轴承早期微弱故障信息提取

滚动轴承产生早期微弱故障时,故障信息会被淹没在强背景噪声和其他振动源信号中,还会受到低频效应影响,这使得传统的频谱分析很难找到这些被淹没的故障信息。针对这一问题,本文提出一种基于小波熵的故障信息提取技术,首先对测试到的振动信号进行连续小波变换(CWT),获得时间-尺度谱,再计算时频矩阵中每一个尺度下的信号的熵,最后选取熵最小的尺度进行频谱分析。运用该方法对设置了外环故障、内环故障、滚珠故障的三种滚动轴承的振动信号进行了分析,并与传统的傅里叶变换(FFT)和包络解调分析方法进行了对比。分析结果表明,基于小波熵的分析方法能更有效地提取出振动信号中的故障频率信息。最后把该方法应用到某型涡轴发动机的主轴承故障诊断中,成功提取出了故障频率信息,实现了对滚动轴承进行早期故障检测。     

基于自适应提升小波收缩阈值图像去噪算法

提出了一种自适应提升小波收缩阈值去噪方法，改进了提升算法中预测算子的计算方法，在更新算子中引入了自适应，最后在阈值处理方面使用了实践证明效果比较好的收缩阂值，仿真证明，经去噪后，图像在性能指标上有一定的提高，图像的细节能够很好地保持。     

基于小波尺度函数的WSK-SV算法 及其气动性能预测

提出了一种将小波的尺度函数与SV(support vector)算法相结合的WSK-SV(wavelet scaling kernel-support vector)新算法,并将Daubechies小波以及Shannon小波的尺度函数分别构成尺度核函数,而且分别作为SV算法中一个可容许的支持向量核函数使用.该算法充分利用了Daubechies小波函数的紧支集与正交等特点以及小波的MRA(multi-resolution analysis,多分辨分析),并注意了尺度核函数能够满足Mercer条件.该算法除了具有通常SVM(support vector machine)所具有的优点外,还具有很好的收敛性以及泛化能力,能够有效地提高学习与预测效率.典型算例选取了不同的小波尺度函数,数值计算表明:在一维、二维和三维问题中,这些小波的尺度函数均可以用于WSK-SV算法,进而显示了这个新算法的可行性与通用性.      

基于小波变换与粗糙集的雷达目标识别方法

雷达目标识别是防空武器系统雷达信息处理的一个关键环节.在小波变换与粗糙集基础上提出一种雷达目标识别方法.小波变换能够提高了时--频分频率;粗糙集理论是一种新型的处理不确定性知识的数学工具.利用小波变换对目标原始信息进行分解,得到目标的能量特征向量;通过粗糙集简化关系表,删去冗余信息,用逻辑推理算法表示判别规则.应用小波变换与粗糙集能够满足利用不精确信息进行目标识别的需要.     

航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.      

基于小波相邻系数降噪的滚动轴承早期微弱故障时频特征提取

将小波相邻系数降噪与时频小波切片变换（FSWT）相结合用于滚动轴承的早期微弱故障时频特征提取，通过对滚动轴承加速疲劳试验早期微弱故障振动数据进行分析，结果表明:小波相邻系数可以有效降低淹没滚动轴承早期微弱故障特征的背景噪声；时频小波切片变换方法能有效提取出经小波相邻系数降噪后振动信号的时频特征，即滚动轴承发生故障时的特征频率及其谐频成分，验证了所述方法的有效性.此外，通过与谱峭度时频分析结果的对比，证明所述方法更能准确扑捉到滚动轴承发生早期微弱故障时的时频特性，突出了所述方法的优越性.      

基于小波奇异分析的流场计算方法及应用

首次将三维小波以及二维小波奇异性分析的思想引进三维以及二维复杂流场的数值计算,发展了一种高效率、高精度、高分辨率的方法.该算法的核心是获取流场中物理量在不同空间点的Hlder指数α,而该指数α的获取又依赖于小波变换以及高维(即二维或三维)小波分析技术.在三维与二维欧氏空间中,为进行小波多分辨分析,需要在尺度空间与小波空间分别引进尺度基与小波基.对二维问题,尺度基与小波基的基底要由1个尺度函数与3个小波函数组成,而三维时要由1个尺度函数和7个小波函数组成.借助于小波奇异分析所找到的流场中奇异点区域与光滑区域,便可分别选用高分辨率、高精度的WENO(weighted essential non-oscillatory)格式与高精度中心差分格式进行流场的离散求解.一系列二维(即,①二维前台阶问题的Euler流;②二维双马赫反射的Euler流; ③著名的二维Riemann问题;④跨声速RAE2822翼型二维绕流; ⑤跨声速VKI-LS 59二维涡轮叶栅绕流)与三维(即,⑥跨声速轴流压气机转子NASA(National Aeronautics and Space Administration) Rotor 37三维黏性绕流;⑦跨声速风扇转子NASA Rotor 67三维黏性绕流)算例表明:该方法的计算效率比传统的WENO格式有较大的提高,大部分典型算例能够提高3~5倍,而且可以获取复杂流场中高分辨率的激波结构以及涡系分布,可以得到与有关实验数据较为吻合的数值结果.      

基于离散小波变换的航迹关联算法研究

本文基于1-D离散小波变换(DWT)提出了一种航迹-航迹关联算法。由于目标航迹数据是非平稳随机序列,因此采用离散小波变换方法分析,利用基于F分布的假设检验模型来描述小波分解高频小波空间与低频尺度空间能量的比率,结合"去相关"方法分别讨论了航迹相关与无关的情形,并给出了一种仿真方法。仿真结果表明算法的有效性和在分辨两条相近航迹方面的优越性。     

基于小波神经网络的无叶扩压器失速分析

用来自不同文献的实验数据作为样本,对小波神经网络进行训练,并利用训练好的神经网络研究叶轮和扩压器几何尺寸对无叶扩压器失速的影响.计算分析结果表明:几何尺寸对于宽、窄扩压器失速的影响表现不同,这也证明了不同宽度的扩压器的确存在不同的失速机理.文章的结果,对无叶扩压器的设计具有一定的借鉴意义.      

脑电信号的最新研究方法

脑电信号是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映，脑电信号的研究一直是生物医学领域难度很大且倍受人们关注的课题。在简要回顾了脑电研究的历史和现状的基础上，重点论述了混沌分析法、人工神经网络(ANN)分析法、小波变换法、Wigner分布等在脑电信号分析和处理中的应用情况。最后展望了脑电信号研究的发展应用前景。     

基于小波变换的开关磁阻电机系统功率变换器故障诊断

适用于开关磁阻电机(SRM)驱动系统的功率变换器是决定系统可靠性的关键环节,功率变换器的长时间故障运行会导致整个系统的崩溃,因此,功率变换器的故障诊断具有重要的作用。采用离散小波变换方法,提取故障相电流的平均值与标准差的比值作为诊断特征量,对功率变换器斩波管和位置管的4种故障类型进行分析和讨论,实现了故障类型的确定与故障器件的定位。最后通过仿真和试验验证了所提的故障诊断方法具有良好的可行性和有效性。     

双树复小波域MCA降噪在齿轮故障诊断中的应用

齿轮箱早期故障信号中往往包含强烈的干扰噪声,而基于简单阈值规则的小波系数降噪方法往往不能取得良好的效果.针对该问题,提出了基于形态分量分析(MCA)的双树复小波降噪方法.首先,对强背景噪声故障信号进行双树复小波变换,得到不同层的小波变换系数;然后,选取小波系数周期性较为明显层的小波系数进行MCA降噪;最后,将降噪后的系数进行单支重构后便可获得故障特征信号,对降噪信号进行包络分析便可以确定信号的故障特征频率.利用该方法对仿真分析和某轧机齿轮箱打齿故障早期信号进行了处理,结果表明:该方法能够在有效去除信号中的强背景噪声,比单独MCA降噪及软阈值降噪具有更好的效果,得到了更清晰的故障特征频率,从而为齿轮早期故障诊断提供了一种新方法.