基于数据驱动的结构钢表面应力磁巴克豪森噪声表征方法

磁巴克豪森噪声（MBN）技术可用于定量评估铁磁材料的表面应力。当前MBN法应力评估技术存在特征量选取较难、定量预测模型复杂且对标定数据集的拟合精度较低的不足。提出一种数据驱动的非线性映射算法拟合MBN噪声和应力的关系，研究了基于小波包变换系数的时频特征替代统计特征量，减少了样本数据计算量。采用MBN噪声在小波包变换时-频域内的小波包变换系数作为特征向量，利用基于奇异值分解的数据降维算法降低特征向量的维数，将经过数据降维后的特征向量输入反向传播（BP）神经网络进行模型训练以建立预测模型。结果表明：采用基于奇异值分解的数据降维算法可降低模型的复杂度，利用降维后的小波包变换系数特征向量训练BP神经网络可实现铁磁材料表面应力的高精度预测。建立的表征方法有效解决了铁磁构件应力分布成像问题，在预防应力腐蚀、提高疲劳强度等损伤预警方面具有广阔的应用前景。     

小波变换在遥测数据处理中的应用

采用离散小波变换方法对在轨卫星遥测数据进行处理,利用噪声和信号在不同小波尺度上的性质不同．基于极大极小化思想选取去噪处理中的阈值,达到分离噪声和信号的目的。结果表明：利用小波变换可有效消除卫星遥测数据的噪声。     

小波分析在外测数据降噪处理中的应用

小波变换分析是一种同时在时间(或空间)域和频率域内进行局部化的新方法;利用小波变换及其自适应性,可在不同尺度上分析和处理数据,通过特定的方法达到消除随机噪声的目的。本文简单介绍了小波分析理论的基本原理和方法,详细介绍了该方法在信号处理中的分解与重建算法,以及基于小波分析方法的降噪原理。在此基础上,将小波变换应用到外测弹道数据的滤波降噪处理中,通过仿真和实测数据的运算结果表明,应用小波分析的降噪方法对喊噪声的数据具有很好的效果,在工程应用中有看十分广泛的应用前景。     

基于小波包变换和B样条拟合的特征参数提取

提出了综合应用卷积型小波包变换和B样条拟合的特征参数提取方法，卷积型小波包变换能取得比常规小波消噪更好的效果，对于消噪处理后的信号，用B样条进行逼近，得到其分段解析表达式，并计算一阶和二阶导数确定特征点，提取特征参数，有效抑制了噪声对特征点计算的影响，提高了特征参数提取的准确度。     

基于最优阈值小波包分析的转子振动信号降噪研究

针对采集转子振动信号时信号中往往夹杂着噪声干扰的问题,提出了一种自寻优阈值的小波包降噪方法。该方法可对不同振动信号自寻优地设置阈值,且阈值的选取与所研究的信号有关而与信号长度无关;并根据采样定理计算不同转子转速对应的小波包分解的最低层数。对多种信号进行的降噪研究表明,该方法可有效降低转子振动信号中的噪声干扰。     

小波降噪在某型直升机半物理仿真数据处理中的应用

针对直升机半物理仿真测量数据主要是低频噪声的特点,提出利用小波变换、塔式结构重构算法,对信号进行降噪滤波处理的方法.仿真结果表明该方法在离线降噪滤波处理上实用高效.     

复合材料散斑检测中的小波降噪技术

电子剪切散斑干涉检测技术非常适宜复合材料的无损检测。但散斑图像往往含有较大的噪声,如何对散斑图像进行降噪处理是一个非常重要的问题。小波变换是变分辨率的分析方法,可以有效地降低噪声,而同时又较好地保存了图像细节,本文应用小波降噪技术来对散斑图像进行降噪处理,取得了较好的效果。     

润滑油红外光谱去噪预处理方法

采用小波包变换软阈值去噪方法对润滑油的红外光谱进行去噪预处理,结合偏最小二乘法进行定量预测,并与常用的平滑去噪方法进行对比。结果表明,小波包变换能有效地去除红外光谱的噪声,以此为基础建立的润滑油酸值模型的预测精度高于常用的平均平滑法和 Savitzky-Golay卷积平滑法这 2种平滑去噪方法的预测精度。     

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.      

小波分析在外测数据降噪处理中的应用

小波变换分析是一种同时在时间（或空间）域和频率域内进行局部化的新方法;利用小波变换及其自适应性,可在不同尺度上分析和处理数据,通过特定的方法在室消除随机噪声的目的,本文简单介绍了小波分析理论的基本原理和方法。详细介绍了该方法在信号处理中的分解与重建算法,以及基于不波分析方法的降噪原理,在此基础上,将小波变换应用到外测弹道数据的滤波降噪处理中,通过仿真和实测数据的运算结果表明,应用小波分析的降噪方法     

基于小波包分解和滑动功率谱的舰船轴频电场信号检测

轴频电场是可在水下探测到的一种运动舰船特征物理场,由于海水的衰减作用,其信号十分微弱。文章提出了一种基于小波包分解和滑动功率谱的微弱舰船轴频电场信号检测方法。首先,利用小波包变换对观测信号进行多子带分解;然后,分别提取各子带信号功率作为检测特征量,使用浮动门限对其进行滑动检测。实测数据和仿真数据处理表明,该方法能够在较低的信噪比条件下有效工作,性能优于传统的功率谱检测方法。     

含噪振动信号中早期碰摩的故障检测研究

 研究了在有噪环境下发动机转子系统早期碰摩故障的检测问题。利用最优参数搜索法改进了独立分量分析( ICA) 算法, 用于求解转子系统振动信号与噪声的盲分离问题。在此基础上, 对分离后的振动信号利用小波包分解进行早期碰摩信号的检测。结果显示最优搜索的ICA 算法运行效率高, 信号分离纯度好, 对振动信号有高效的降噪作用, 并利用小波包分解准确地检测出振动信号中的碰摩信息, 其效果优于小波分解法。信噪分离与小波包分解相结合有望用于工程实践中的早期碰摩故障检测和诊断。     

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。     

小波包分析在电机信号消噪处理中的应用

在检测航空高速直流电机的机械特性信号时,采样信号中含有大量干扰噪声,对信号的消噪是进行信号提取、分析、故障诊断和处理的前期工作,其效果将直接影响到后期工作.针对电机起动过程中的噪声干扰信号,采用小波包分析的软阈值方法消噪,取得了良好的效果.     

自适应遥测信道速率的分包遥测调度方案

在卫星分包遥测静态分配适应单一遥测信道的方案基础上,提出了一种改进型动态自适应遥测信道速率的遥测分包方法,将包传输的控制参数由绝对参数优化为相对参数,从而满足不同信道速率、不同包源速率下的包传输适应性.该方法通过将遥测包周期计数与遥测包静态分配的传输周期的比值作为遥测包传输等待迫切比例系数,用相对的传输迫切比例系数值对全部遥测包进行排序,从大到小组入遥测信道下传.通过这种遥测包调度策略解决了遥测信道速率变换对包传输控制的影响.此外通过调节遥测包传输比例系数也能很好地解决遥测包数据率变化对信道传输的适应能力的影响,如数据率增加时整体降低包传输频率、数据率减少时整体加快包传输频率.     

基于小波分析的航空发动机旋转失速检测方法

对试车检测到的压气机旋转失速压力数据,进行了小波降噪处理,并对处理后的数据进行多分辨分析,利用dN层小波系数重构相关频带内的压力信号分量,当重构信号某处的幅值超过给定阀值时,认为检测到了失速。研究结果表明,小波分解能有效地区分信号中的突变部分和噪声,达到降噪的目的;对不同采样频率的压力数据进行分析,给出了相应的阀值,对dN层重构信号进行监测,能有效检测到旋转失速的发生。      

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。     

基于小波包和改进核最近邻算法的风机齿轮箱故障诊断方法

齿轮箱作为风力机组的核心部件,故障频发,研究风机齿轮箱的故障诊断方法意义重大。针对最近邻(KNN)诊断方法对离群噪声不敏感和诊断精度较低的缺陷,提出了基于小波包和改进核最近邻算法的风机齿轮箱故障诊断方法。该方法应用小波包分析技术对故障特征进行提取,利用互近邻准则将故障数据集中的离群噪声点剔除,构建出基于核空间的改进型最近邻分类决策规则来识别齿轮箱的故障类型。试验表明:该方法可以有效地提升故障诊断精度和鲁棒性,为智能诊断技术的研究提供新思路。     

一种局部自适应内窥镜图像降噪模型

在内窥镜图像处理中,如何消除图像中的噪声一直是个热点问题。由于图像二进小波变换在每次分解时不进行下抽样,所以其表示同小波级数相比是冗余的,且图像二进小波变换的部分系数扰动不会带来重构图像的严重失真。因此,在相同的误判概率下,二进小波变换的图像去噪效果会好于小波级数变换的图像去噪效果。基于这个思想,文章从二进小波理论入手,提出一种自适应二进小波去噪模型,简称ADWD。该方法利用图像信息、噪声信息与小波系数之间的关系,采用局部自适应的方法识别噪声像素,避免了直接确定噪声门限的困难。实验结果及分析表明该方法对Gaussian噪声和Pepper噪声均有较高的信噪比,且对图像的细节有较好的保持能力。     

基于小波分析的转子故障信号自适应降噪技术研究

在转子故障信号的小波降噪研究中,降噪效果常常依赖小波分解层数、故障转子转速和信号的采样频率,难于自动完成.针对该问题,提出了一种转子故障信号的自适应小波降噪新方法,该方法先对原始数据进行重采样,然后将重采样信号用小波变换分解到规定的层数,最后运用Donoho软阈值法实现降噪.该方法无需人为选取小波分解层数,降噪过程自动完成.大量的仿真和实验算例验证了方法的正确有效性.