改进单子带重构算法钢液光谱预处理

在激光诱导击穿技术(LIBS)分析元素含量时,对光谱谱线的预处理要求比较严格。现在等离子体发射光谱作为同时检测多元素分析技术是一个新型的研究方向,存在巨大的在线分析能力。在处理光谱数据的时候,光谱谱线重叠、畸形等问题一直是干扰因素,严重影响定量分析效果。在很多方面当中,小波的时频特性是很突出的特点。基于单子带重构算法的改进,对一组光谱信号进行验证性测试,通过此方法可以改善频率混淆问题。

采用改进支持向量机和复小波变换的谐波及间谐波测量方法

为给谐波、间谐波治理提供准确依据,提出了基于改进型支持向量机和可调窗复连续小波变换相结合的高精度谐波、间谐波测量方法。通过合理优化预设模型的准确性,构造改进型支持向量机对整个测量频带进行初步扫频,以较小的计算量一次性获取谐波、间谐波分量的个数并初步测量其频率。根据改进型支持向量机提供的频谱分布情况,对各个分量跟踪配置复连续小波对应的带通滤波器,逐个精确测量其频率和幅值。通过适当调整各个复小波窗函数的带宽参数,构造频窗互不交叉的复带通滤波器来抑制频率邻近分量之间的干扰,同时能在非同步采样条件下有效抑制基波频率波动对测量精度的影响。仿真结果表明,该方法能够准确测量谐波、间谐波分量的频率、幅值和相位,具有测量精度高、计算量小、抗噪性能好等优点。

小波包改进重构算法在非线性负荷电能计量中的应用

为对非线性负荷电能的准确计量,提出基于离散小波包分解与重构算法的谐波电能计量改进方法。通过采样点数、窗口宽度及频率,确定频带宽度和离散小波包分解层数;为改进小波滤波器的非理想截止特性,消除其频率混叠问题,利用离散Fourier变换及其逆变换去掉各子带中多余频率成分,对单子带重构算法进行改进;给出谐波功率计算式与谐波电能计量原理。利用db40小波函数进行谐波电能计量数值仿真,克服离散小波包变换中存在频率混叠现象的固有缺陷,验证了该算法的有效性与计量精度,为电力系统谐波、间谐波和时变谐波分量的精确检测提供一种有效手段。

Mallat算法与单子带重构算法的分析比较

主要论述了小波分析中的快速算法——Mallat算法和单子带重构算法。对Mallat分解起点的实用性、滤波器的滤波方法做了更加通俗的说明,并比较了Mallat算法与单子带重构算法的分析差别,论述了它们在各自实际工程中的应用场合。

基于改进小波变换的语音基音周期检测

基音在许多方面都有比较广泛的应用,比如语音编码、语音识别、语音转换、音乐检索以及发声系统疾病诊断等。针对目前很多小波变换方法在测量基音周期时存在的准确度低、复杂度高、鲁棒性差等缺点,以及在带噪语音环境下,特别是在非平稳噪声下比较难判断语音基音周期的问题,提出了一种基于改进小波变换的语音基音检测方法。首先将每帧带噪信号进行预处理,提取出有话段的信息,消除直流分量;然后在加窗分帧后先进行端点检测,滤波后再分帧;接着再利用小波分解后取低频系数重构信号;最后结合四阶累积法对重构信号进行基音检测。试验结果表明,该方法在不同带噪语音环境下和低信噪比条件下,提高了带噪语音基音检测的准确性。与传统的小波变换法相比,该方法鲁棒性好且计算复杂度低,有利于语音基音周期检测。

小波高频子带变换裁剪阈值SAMP算法研究

文中首先针对离散小波变换(DWT)破坏了低频逼近系数之间的相关性,导致重构质量变差的问题,提出小波高频子带变换(HFSBWT)的稀疏表示方法。其次针对稀疏度自适应匹配追踪(SAMP)算法的原子候选集在每次迭代时成倍增加造成存储空间浪费和重构时间变长等问题,提出裁剪阈值稀疏度自适应匹配追踪(CTSAMP)算法。最后仿真结果表明:对于同一重构算法,小波高频子带变换的图像重构峰值信噪比提高3 dB左右。在小波高频子带变换稀疏表示后采用裁剪阈值稀疏度自适应匹配追踪算法,重构图像的性能有了明显的提高,重构时间缩短一半。

改进小波结合BP网络的风力发电机故障诊断

针对风力发电机早期故障时定子电流特征量难以提取的问题,提出了单子带重构改进小波变换结合BP神经网络的风力发电机故障诊断新方法。通过对风力发电机的定子电流进行单子带重构改进小波变换,消除了传统小波变换中的频率混叠现象;从小波变换后的子带信号中选取特征域、提取特征量作为BP神经网络的输入;在此基础上,结合BP神经网络的输入输出非线性映射能力,完成对故障的诊断和定位。经过仿真实验证实,该方法准确地实现了对风力发电机故障的诊断。

高密度小波变换在滚动轴承复合故障诊断中的应用

针对目前滚动轴承中多种微弱故障难以准确识别的难题,提出基于高密度离散小波变换和包络谱的滚动轴承复合故障诊断方法。首先对采集的轴承振动信号进行高密度离散小波变换;然后对各尺度上的小波系数和尺度系数进行单子带重构,以消除频率混叠的影响;最后对各子带信号分量进行包络谱分析,并通过滚动轴承各典型故障的特征频率,识别滚动轴承存在的各种故障。将所提方法应用于具有复合故障的滚动轴承的诊断,并与其他常用的诊断方法进行对比,结果表明该方法能有效地实现滚动轴承早期复合故障诊断。

基于小波重构的输油管线压力信号降噪分析

在输油管线泄漏诊断中,压力信号常常夹杂大量的噪声信号,进行工况识别时需对原始信号进行降噪处理。应用小波Mallat算法,对压力信号分解和重构。在各个子带上分析信号的时域和频域特征,结合压力信号和噪声的时频分布规律,提出了对压力信号低频近似部分和分解到一定尺度的高频细节信号重构的降噪方法。对比小波阈值降噪结果,验证了小波重构具有良好的降噪效果,并简化降噪步骤、降低计算量,适合工程计算。

一种抗混叠小波变换在电力系统谐波检测中的应用

Mallat算法作为一种经典的小波变换,主要目的是将信号分频,但是在分解与重构过程中会产生频率混叠,使得重构信号不够精准,因此在电力系统谐波检测过程中会产生误差,降低处理的精度。为了消除频率混叠现象,提出通过快速傅里叶变换和快速傅里叶逆变换将多余频率置零的方式,得出改进的单子带重构快速算法,该算法提高了电力系统谐波检测的精准度。

基于小波抗混叠单子带重构改进算法的测量信号特征提取

针对Mallat算法固有的频率混淆特性导致单子带重构算法提取出错误特征频率信息的问题,提出了一种能够消除频率混淆和边界效应的小波抗混叠单子带重构算法。该算法在信号的分解和重构过程中使用不同的纠正滤波器对各子带信号进行处理,同时在每一次卷积后加入去暂态过程点的步骤,可以克服Mallat算法和单子带重构算法中的频率混淆,保证了重构信号与原始信号的长度一致。对仿真信号的计算结果证明了该算法的有效性,为测量信号的特征信息提取分析提供了一种有效手段。

利用分频重构技术预测古火山——以准噶尔盆地木垒凹陷为例

火山岩储层预测难度较大,尤其在低勘探程度地区,在缺乏岩心资料的情况下,通常利用地震相识别及划分、地震常规属性提取、相干分析等方法识别火山岩,但受制于地震资料品质,往往需要大量的井资料进行约束。为此,使用改进的小波变换方法分频重构处理地震信号以提高地震资料品质,通过地震相、模型正演、地震属性分析、地震层切片综合研究准噶尔盆地东部木垒凹陷上石炭统巴三段古火山发育特征,获得以下认识:(1)当分频重构频率低于优势频段的频率时,能量降低,分辨率较低;当分频重构频率高于优势频段的频率时,子波能量也会逐渐降低,并且过高的重构频率也会降低信噪比。(2)理想火山模型正演分析发现:地震反射特征表现为火山顶部强反射、火山锥内部弱反射,由于岩性变化,向两侧同相轴振幅逐渐增强;火山锥两侧地层向中心存在超覆现象,且远离火山锥地层逐渐稳定;火山通道具有内部短轴假象。(3)均方根振幅属性对近火山口的火山碎屑岩敏感,分频重构后表现为低均方根振幅值,杂乱丘状相主要代表的近火山口的火山碎屑岩是有利储层之一。(4)火山岩沿北东向两个条带呈串珠状发育,具有"北密南疏"的特点,并预测了3个火山岩储层有利发育区。

关于轧机生产板材轧辊偏心控制优化研究

在板材的生产过程中,由于轧辊偏心扰动影响板材厚度的精度,而传统FFT算法在轧辊偏心控制中存在识别误差。针对上述问题,提出了一种基于单子带重构改进算法和比值校正法相结合的偏心信号重构新方法。首先采用单子带重构改进算法对偏心信号进行分频,并且有效的去除噪声,在信噪比低和频率相近时能够准确的提取偏心信号的频率及谐波个数,弥补了比值校正法对噪声敏感的弱点及对各谐波分量间隔大的要求。然后使用比值校正法对各次谐波幅值和相位进一步估计。仿真及实验结果表明,利用结合方法重构得到的轧辊偏心模型可以很大程度减小厚度波动,使轧辊偏心控制精度达到了补偿要求。

基于BBSRIA的测量系统动态精度损失分解与溯源

利用单子带信号重构改进算法在信号分解中的优势,实现了对测量系统动态精度损失信号的有效分解,得到测量系统各主要结构单元的频率成分,在此基础上利用神经网络所具有的输入到输出之间的非线性映射能力完成求解各频率成分所包含的未知参数。同时根据测量系统内部各结构单元的误差特性完成分解信号的溯源。实验结果表明利用单子带信号重构改进算法可以实现精度损失信号的可靠分解与溯源。

基于数据分析的轧辊热膨胀研究

针对在带钢冷轧过程中,辊系变形对板厚精度有重要的影响,并难以测量的问题,引入了数据分析的概念,对大量的轧制历史数据进行预处理,然后利用小波分析的算法回归辊系热膨胀的时间曲线,得出了在一定轧制条件下的轧辊热变形规律。最后将此规律应用到同等条件下的轧制中并依次进行了轧制补偿,取得了一定的补偿效果。

风力发电机故障诊断的优化算法研究

为提高风力发电机故障诊断的可靠性,结合小波变换,提出一种遗传算法优化BP神经网络(GA-BP)的综合优化算法。利用单子带重构改进小波变换方法对风力发电机的定子电流信号进行分解与重构,提取准确的特征量;通过遗传算法的选择、交叉、变异等操作和全局寻优特性获取稳定的权值和阈值,赋值于BP网络作为初始值;借助BP网络的自学习、寻优具有精确性等特性不断训练网络;最后以BP神经网络的非线性映射能力完成对风力发电机的故障诊断。算法对比和实例分析表明,该算法对风力发电机的故障诊断有良好的实用性。

基于模糊裁剪阈值的SAMP压缩感知算法（英文）

稀疏度自适应匹配追踪(SAMP)算法是压缩感知(CS)中一种主流的图像重构算法。随着迭代次数的增加,SAMP算法的原子候选集将成倍增加,会导致系统空间的浪费和重构时间的增长。为此,提出了一种模糊裁剪阈值稀疏度自适应匹配追踪(FPTSAMP)算法。由于离散小波变换(DWT)在CS稀疏处理过程中破坏了低频逼近系数间的相关性,对信号的重构质量产生了一定的负面影响,因而采用小波高频子带变换(HFSBWT)来替代DWT,实现对信号的稀疏表示。仿真实验结果表明,相比于同一重构算法,采用HFSBWT方法得到的峰值信噪比更好;与SAMP算法相比,与HFSBWT相结合的FPTSAMP算法的重构效果有了明显提高,重构时间也减少了一半。

一种基于LDPC码的离散小波域语音隐藏算法

研究了一种将保密语音隐藏在公开的音频载体中的信息隐藏算法。首先对保密语音进行改进型多带激励(IMBE)编码,并进行LDPC编码后形成秘密信息;然后对音频载体进行离散小波变换,通过修改相邻时频段的能量而嵌入秘密信息。提取时按同样的方法确定相邻时频段的能量值以盲恢复秘密信息,并经LDPC译码和IMBE解码还原保密语音。仿真实验表明该算法对音频压缩、加噪等攻击具有较高的鲁棒性。