融合多小波分解的深度卷积神经网络轴承故障诊断方法

针对卷积神经网络及其与信号降噪预处理集成方法面临高噪声环境和低质量数据挑战时难以有效地提取信号有用特征的问题,提出了一种融合Geronimo-Hardin-Massopust多小波分解的深度卷积神经网络模型(GHMMD-DCNN)。该模型思想是将多小波包分解与卷积神经网络深度融合,即设计多个一级多小波分解层以提取信号的低频分量和高频分量,再将多个一级多小波分解层与卷积层交替联接,使模型能够多尺度地提取并学习信号有用的时频域信息,信号分解和特征学习交替执行,进而实现强噪声鲁棒特征提取。在不同工况下的航空高速轴承振动数据上进行测试,结果表明:所提模型训练时能够快速达到稳定收敛,并且识别准确率均能达到99.9%以上;提出的方法在强噪声干扰下的故障辨识准确度和识别稳定性均优于对比方法,验证了其优秀的抗噪声干扰能力;在少训练样本测试中,提出的方法在单类训练样本数量为60时的平均诊断准确率高达91.19%,相比于其他方法最低提升了13.19%,验证了GHMMD-DCNN模型具有更优的低样本泛化能力。

多小波分析与应用

本文介绍正交多小波、双正交多小波、半正交多小波的构造方法 ,以及多小波在信号处理方面的应用。在应用过程中 ,由于多小波的特殊性 ,需要对原始信号的采样数据作处理 ,称为预处理。预处理在多小波的应用上是很关键的一步。它与选取的多小波基有关 。

区间上连续多小波的分解与重构

本文给出区间连续多小波包的定义和此多小波包的分解与重构算法.

基于CWGAN-SLM的多小波OFDM系统峰均比抑制算法研究

为满足未来6G星地一体化系统对正交频分复用(OFDM)技术低峰均比(PAPR)的需求,首先提出一种将选择映射(SLM)算法与多小波OFDM技术相结合的算法,但此算法降低PAPR的幅度有限,并且计算复杂度较高。因此,进一步提出基于条件Wasserstein生成对抗网络(CWGAN)和SLM的峰均比抑制算法,即CWGAN-SLM算法,并将其应用于多小波OFDM系统,该算法通过引入CWGAN,生成多个时域备选信号,以达到降低峰均比的目的。仿真结果表明,CWGAN-SLM算法能够有效降低系统的PAPR和计算复杂度,而且具有较低的误码率,与GAN和WGAN相比,CWGAN具有训练容易、稳定性强且PAPR性能好的特点。

基于多小波的图像处理在电晕检测中的应用

提出了基于多小波变换的图像处理方法,该方法以多小波变换为基础,在一次多小波分解与重构之间完成双谱段图像处理。首先进行多小波变换,将变换系数进行软阈值收缩消去噪声;然后根据图像中需增强的信息,选择增强系数进行子带增强;最后提出一种新的自适应权值融合规则,采用这个规则融合变换系数,进行小波重构得到处理后的单幅图像。实验表明,这种方法不仅能提高图像的视觉效果,增强源图像的边缘信息,而且能很好地将源图像中对电晕检测有用的信息融合在一起,提高电晕检测系统的定位精度。

数字图像多小波逆变换及后置滤波算法

为了使数字图像多小波变换域的数据能够快速和有效地还原到空间域,并使还原后的图像具有很好的视觉效果,提出包括多小波逆变换和后置滤波的多小波还原算法。该方法通过前置滤波和多小波正变换将空域图像变换到多小波域,并对多小波域的低频分量和高频分量按一定规律重新组合,在没有额外内插零的情况下进行逆变换和后置滤波还原出空域图像。实验结果表明,所提算法得到的还原图像与原始图像相比90%以上像素点的误差值小于0.0001。

基于正交多小波的红外和可见光图像融合

在应用中,预滤波器或平衡滤波器的设计影响着多小波的处理结果。针对OPTFR-多小波,设计了一种平衡滤波器,将其应用于红外和可见光图像融合。首先,对红外图像和可见光图像分别进行三层OPTFR-多小波变换,提取出两幅图像的低频分量和不同尺度的高频分量。由于图像的大部分能量集中在低频分量上,而不同尺度上的高频分量反映了图像在不同尺度上的细节信息,在对源图像融合时,对低频分量和高频分量分别采用能量和方差的加权平均进行融合,得到融合后的低频分量和不同尺度的高频分量,最后对这些融合后的分量进行重构,得到融合图像。仿真结果表明:和以往的融合算法相比较,该算法强化了源图像的细节信息,提高了融合的效果。

CL多小波图象编码

CL 多小波具有与其他多小波 (如 GHM多小波 )不同的特点 .一幅图象经过多小波变换后 ,原图象的绝大部分能量都集中于最低分辨率子图象 ,而对于 CL 多小波而言 ,其最低分辨率子图象的绝大部分能量又进一步集中于它的第一个分量 .这意味着 CL 多小波图象编码需要考虑的重要系数比其他多小波图象编码减少了四分之三 .本文将 CL 多小波这一特点应用于图象编码 .实验结果表明 ,就压缩比和信噪比而言 ,这种充分利用 CL 多小波特点的图象编码方法 ,其编码结果要优于目前公开发表的

多小波阈值降噪法在钢丝绳缺陷检测中的应用

在介绍多小波理论和分析传统多小波阈值函数存在的问题的基础上,提出了一种新的多小波阈值函数.详细地讨论了该函数的数学性质,该函数对大于阈值的小波系数采取缓变的压缩策略,压缩量随着小波系数的增大而减小.将其应用于钢丝绳缺陷信号的降噪中,与传统多小波阈值函数的降噪进行了比较.实验结果表明,该阈值函数降噪后重建信号的信噪比(SNR)高,能检测到钢丝绳缺陷信号中的全部小奇异点,其降噪效果优于传统多小波阈值函数法.

基于多小波阈值收缩与子带增强的图像去噪

为保证在图像去噪的同时,尽量保留图像的边缘特征,提出一种新的基于多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此,该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明:与单一的阈值收缩方法相比,该去噪方法不仅保留了图像的边缘特征,而且提高了去噪图像的峰值信噪比,优于普通的阈值收缩方法.

基于多小波收缩与子带增强的图像去噪方法

边缘特征是图像最为有用的高频信息,因此在图像去噪的同时,应尽量保留图像的边缘特征,基于这一思想,提出了多小波阈值收缩与子带增强相结合的图像去噪方法。该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数。实验表明与单一的阈值收缩方法相比,该方法不但保留了图像的边缘特征,而且提高去噪图像的峰值信噪比,实验结果优于普通的阈值收缩方法。

用多小波神经网络诊断模拟电路故障的方法

针对小波神经网络在模拟电路故障诊断中存在"维数灾"这一致命缺陷,根据多小波空间中函数的多分辨率分解思想,构造了一种激励函数为具有紧支撑集、对称性和正交性的多尺度和多小波函数的多小波神经网络.仿真结果表明,多小波神经网络收敛速度比小波神经网络要快得多,有效地解决了"维数灾"问题.仿真实验和理论分析一致.

多尺度双正交多小波包的构造

给出了双正交多小波包的构造方法,证明了多小波包对应于传统小波包的一些良好性质.通过将小波包的概念引入到双正交的多小波中,构造出了多尺度双正交多小波包;给出了双正交多小波包中函数傅里叶变换的具体表达形式;证明了双正交多小波包中2簇函数相互之间的双正交关系;利用建立的双正交多小波包,得到L2(R)2组基,满足双正交关系.该方法具有较大的应用价值.

多小波变换在信号去噪中的应用

运用多小波的基本理论知识,分析了多小波信号去噪方法的原理,提出了一种新的信号去噪的阈值方法,以CL3多小波为实例来具体说明了预处理方法对多小波的重要性,并且利用CL3多小波基给出信号去嗓的实例.

一种新的基于提升多小波变换的图像融合方法

多小波是一种新的小波,它在理论上所表现出来的优势以及它在应用领域所具有的潜力,使其受到高度重视。在短短的几年时间内,它在图像处理方面的应用已取得了一定的成效。提升方法不仅是现存小波变换的一种快速算法,而且是构造新的小波变换的一种工具。本文根据提升方法和多小波变换的特点,对多小波实现了提升变换,并把这种基于提升方法的多小波变换应用于图像融合,结果表明有更好的效果。

基于多小波和改进双树复小波的滚动轴承故障诊断方法

当旋转机械中发生局部缺陷时,其振动信号往往由周期性冲击分量及其他分量构成,其中冲击分量反映滚动轴承的状况。由于强烈的背景噪声以及信号的耦合作用,滚动轴承的故障特征频率往往被模糊。针对该问题提出了一种基于多小波和改进双树复小波的滚动轴承故障诊断方法。首先,对采集到的振动信号进行多小波相邻系数自适应阈值降噪处理;然后,对降噪后的信号进行双树复小波分解,利用鲁棒局部均值分解获取各小波分量的主频率分量;最后,利用基尼系数选择出最佳子带并进行包络谱分析,实现轴承的故障诊断。通过轴承故障仿真和实测数据的分析对比,证明了该方法可有效辨别出滚动轴承的典型故障,提高滚动轴承故障的诊断效果,同时与快速谱峭度进行对比,表明了该方法的优越性。

基于双正交多小波的红外和可见光图像融合

利用双正交单小波的对称性和良好的滤波性能,给出了具GMPs(Good Multifilter Properties)的双正交多小波滤波器,对其经过平衡处理后,结合Burt提出的选择和平均的融合方案,对可见光图像和红外图像进行了融合实验,充分利用红外波段和可见光波段的信息互补性,达到便于观察的目的。仿真结果表明该方法能取得较好的融合效果。

多小波图象编码

首先 ,与许多有关多小波的文献不同 ,该文从 Mallat多分辨率分析的角度叙述多小波理论 ,并由此推导出多小波变换的快速算法 ;其次 ,结合二种常用的多小波图象变换预处理方法 ,提出了一种新的预处理方法 .最后 ,揭示了经多小波分解后 ,同一幅矢量子带图象不同分量图之间的相关性 ,并利用这种相关性进行图象编码 .理论分析和实验数据都表明 ,多小波图象编码是一种很有潜力的图象编码方法 .

一种基于多小波变换的方向加权图像融合算法

针对单小波在图像变换中存在的不足,将研究推到多小波领域。提出边沿信息方向性加权的区域能量融合改进算法,重新构造融合图像对应的多小波系数,通过逆变换重构融合图像。此外,利用交叉熵;平均误差;峰值信噪比等参量,对该融合方法的融合性能进行了评价与分析。实验结果表明,该融合方法是有效的。

广义双正交多小波包

在双正交多小波包的基础上,给出了广义双正交多小波包的定义,构造方法以及性质,得到了更为一般的结果·