基于振动信号和同步压缩小波变换的电动机测速方法及实验分析

针对部分工业现场电动机无法安装测速传感器,提出一种基于振动信号和同步压缩小波变换的电动机测速方法。对电动机振动信号进行Hilbert变换得到包络信号,解调出其中与转速相关的振动分量;利用同步压缩小波变换分析计算出包络信号的时频图;引入脊线的四分位距和方差对代价函数法进行改进,并利用该方法提取基频振动分量的时频脊线,得到电动机的转速曲线,达到无转速计测速的目的。实验与仿真分析表明,所提方法无论在稳态还是在非稳态工况下都能准确检测出电动机转速,且误差不超过5%。该方法的研究与实践过程可加深学生对调制解调、时频分析等理论知识的理解,提高理论联系实际的能力。

基于小波变换的后坐过程时-能密度分析

火炮发射后坐力是一种瞬态、非平稳、非周期性的高频信号,发射时的后坐冲击直接影响射击精度和平台的适装性。针对传统分析中后坐力峰值信号的提取不足以反映后坐过程中的频域和能量特征等问题,对测试的后坐力信号进行小波包分解,根据频带对各层信号进行重构,获得信号在不同频带内的随时间的能量分布情况。测试分析表明,测试对象的后坐能量主要集中在低频段,80.48%后坐能量集中在0~19.53 Hz,后坐力的峰值持续时间是后坐过程的3.27%,且在峰值时间内产生的冲量仅占总冲量的1.64%。结果表明,利用基于小波变换的时-能密度分析法对后坐力信号的时域、频域特性分别进行分析,可为后坐过程评估提供新途径,也可为后坐振动抑制提供借鉴。

小波变换与EMD方法在高铁雨棚数据降噪处理中的适用性分析

针对高铁雨棚长期监测数据中的噪声处理问题,分析了典型高铁雨棚监测信号的噪声特性,在此基础上,采用小波变换和经验模态分解EMD(empirical mode decomposition)方法对雨棚实测风压、应力、振动等典型信号进行降噪处理和对比分析。研究结果表明这两种方法在降低监测数据噪声、提高信噪比方面的有效性,并且通过结合主成分分析PCA(principal component analysis)的综合评估进一步证实了EMD在振动类和应力类数据降噪中的优越性。研究为实际工程中降噪技术的选择和应用提供了理论支持。

时频分析与小波变换在水声定位中的应用

文章研究一种基于联合时频小波分析的水声目标识别和定位方法。先深入研究时频分析和小波变换的基本原理,构建联合时频小波域的特征表示,再使用MATLAB软件对模拟的水声信号进行实验,并通过添加噪声模拟实际环境。实验结果表明,联合时频小波分析在水声目标识别和定位中表现出良好的性能,特别在噪声环境下表现出良好的健壮性。通过分析目标识别函数和归一化目标识别函数成功定位水下目标,验证了方法的有效性,为水声信号处理提供了一种新的分析方法,为实际应用中的目标检测与定位提供了有益参考。

小波变换在甘肃天水痕量氢气浓度观测数据分析中的应用

利用db4小波变换分析原理,对甘肃天水毛集、马窑和原家庄3个测站2023年1月-2024年1月的痕量氢气观测数据进行分析,并将其中的中低频和高频信息进行有效分离。结果表明:小波变换方法对不同频率的信息识别功能较强,能够更直观和清楚地反映地震前兆异常现象。结合震例研究表明,小波分析是消除痕量氢气观测资料噪声、识别地震中短期异常的一种有效方法。

基于经验小波变换和谱负熵的飞机轴承故障信号分析

轴承是飞机动力系统和机械结构等重要的组成部分,其复杂的故障特征对飞行安全具有重大影响。为提高轴承故障诊断准确率,提出一种基于经验小波变换和谱负熵的轴承故障信号分析方法。该方法首先针对故障信号进行经验小波变换,后计算各分量时域谱负熵和频域谱负熵。针对平均谱负熵无法自适应调整冲击性和周期性权重系数的问题,提出一种自适应平均谱负熵。而后,以峭度最大化为适应度函数,利用灰狼优化算法对构成分量个数和自适应平均谱负熵比例系数进行优化,实现对故障信号重构。分析结果表明:1)重构信号较好地保留了故障冲击特征成分;2)故障信号重构后,峭度大幅提高,信噪比明显改善;3)时域谱负熵和峭度皆可量化信号中冲击成分,但峭度受噪声影响更为显著。

基于多项式Chirplet变换的线性调频引信干扰波形设计方法

针对现代战场环境下线性调频引信干扰技术的迫切需求,提出多项式Chirplet变换的方法实现低信噪比下对调频连续波无线电引信的信号参数估计,并针对调频连续波引信重构了干扰信号。基于线性小波变换原理,选取适当的核函数,将无线电引信信号经过旋转与平移操作后进行短时傅里叶变换,再利用遗传算法求得变换核的最优参数,实现对调频连续波信号的参数估计,并重构干扰信号。仿真对比结果表明,该方法可以在较低信噪比下实现对调频连续波无线电引信信号载波频率、调制周期、最大频偏等参数进行精准估计,相较于周期调制类干扰,重构干扰信号能够以更低功率对调频引信产生较好的干扰效果。

基于经验小波变换的瞬时谱分析技术及其在致密砂岩气藏检测中的应用

瞬时谱分析技术在油气检测方面具有巨大潜力。瞬时谱分析技术建立在时频分析方法的基础上,因此瞬时谱分析技术的好坏取决于时频方法的优劣。传统时频分析方法受Heisenberg测不准原理的制约,在处理地震信号这类非平稳信号时无法兼顾时间域和频率域的分辨率。将经验小波变换应用到瞬时谱分析技术中,与基于传统时频分析方法的瞬时谱分析技术相比具有更高的时间和频率分辨率,解决了Heisenberg测不准原理的制约难题。将基于经验小波变换的瞬时谱分析技术应用于致密砂岩气藏的地震资料中,分别从一维地震道、二维地震剖面两种角度开展了致密砂岩气藏的检测工作。结果表明,基于经验小波变换的瞬时谱分析技术相比常规方法具有更优的含气检测能力。

融合优化可调Q因子小波变换的改进密度峰值聚类算法

为提升时间序列的聚类精度,提出一种融合优化可调Q因子小波变换的改进密度峰值聚类(improved density peaks clustering based on optimal tunable Q-factor wavelet transform,OTQWT-IDPC)算法,该算法利用可调Q因子小波变换的能量优化选择策略及改进粒子群优化算法确定的最佳Q因子分解时序信号,通过最优特征子带的能量、均值、标准差和模糊熵构建特征子空间,并采用主成分分析降低特征维度,以减少特征冗余。同时,考虑到距离较远而周围密集程度较大的K近邻样本对局部密度的贡献率,引入权重系数及K近邻重新定义DPC的局部密度,并利用共享最近邻描述样本间的相似性。在BONN癫痫脑电信号和CWRU滚动轴承数据集上进行对比实验,结果表明,该算法的聚类精度分别为95%、94%,且Jacarrd、FMI和F_(1)值指标均优于其他对比算法,证明了OTQWT-IDPC算法的有效性。

基于频谱属性趋势分析和小波变换的层序界面识别方法——以珠三坳陷中新统珠江组—韩江组为例

珠江口盆地珠三坳陷勘探程度相对较低,建立层序地层格架是有效开展油气勘探的重要基础。文中运用基于测井曲线的频谱属性趋势分析(INPEFA)和小波变换技术,识别各级层序界面和最大海泛面。即通过对自然伽马曲线进行最大熵谱分析,得到INPEFA曲线;利用INPEFA曲线的趋势和拐点,提取自然伽马曲线隐藏的周期性特征,进而划分出不同级次的层序界面;同时利用小波变换技术,对自然伽马曲线重构,分析重构后的小波系数曲线和时频色谱图,并采用曲线的异常震动和时频色谱图的能量变化识别三级层序界面和最大海泛面。研究结果表明,在珠江口盆地珠三坳陷中新统珠江组—韩江组识别出3个二级层序界面及6个三级层序界面,划分了2个二级层序和8个三级层序。利用文中方法,各级层序界面识别更直观、更明显,同时能够提高旋回划分及对比的精度和准确性,为研究区后续勘探开发提供技术支撑。

利用调频连续波雷达测距讲解频谱分析

分析模拟信号的频谱是离散傅里叶变换(DFT)的一个重要应用,也是本科“数字信号处理”课程的重要知识点。以调频连续波雷达测距为例,结合具体参数讲解“数字信号处理”课程中频率估计、频率分辨率和栅栏效应等知识点,探索如何结合工程案例提升专业课程的教学效果,不仅促进了学生对相关知识的理解,还让学生深刻体会到理论结合实际的重要性。

基于小波去噪和时频分析的智能电表量测数据挖掘研究

为提升智能电表量测数据挖掘效果,该文研究一种基于小波去噪和时频分析的智能电表量测数据挖掘方法。应用小波变换阈值去噪方法对数据集进行去噪,通过惩罚策略选择阈值后,对存在噪声的数据集进行运算,获取去噪后的数据集,根据去噪后的小波系数与存在噪声的小波系数获取最优阈值函数;利用自适应最优径向高斯核时频分析方法,有效将最优阈值函数的数据集分离为自分量信号与互分量信号,精准挖掘智能电表仿真模型数据库内数据,完成智能电表量测数据信息的输出。实验结果表明,所研究方法去噪效果较好,相对误差保持在2%以内,挖掘精度维持在96%以上,应用性能较好。

基于不同时频变换方法的爆破、塌陷和地震信号分析

应用短时傅里叶、小波变换和S变换三类时频分析方法对代县和大同地区记录到的爆破、塌陷及天然地震事件进行了分析,获得两地不同地震事件类型的时频特征,得到共同判据:地震事件频谱频带较其他两者更宽,分布于0~10 HZ,爆破和塌陷的频带频域范围较窄多集中于0~2 HZ,且塌陷的主能量值较地震和爆破则更高。

基于小波变换的2018年永清M_(S) 4.3地震前易县地震台形变观测数据分析

2018年2月12日河北省廊坊市永清县发生M_(S) 4.3地震,易县地震台形变观测数据出现异常变化。选取2017年6月—2018年2月易县地震台DSQ型水管仪和VP型宽频带垂直摆EW向数据记录,采用db4小波变换方法进行分析,结果发现:水管仪EW向小波分解的第6和第7阶细节存在周期为64—256 h的信号,垂直摆EW向小波分解的第5、6、7阶细节中存在周期为32—256 h的信号,均偏离正常动态背景,不属于自然环境干扰,应为河西务断裂正断性质的破裂所致。

基于小波变换的螺河径流、降水和蒸发时频变化及相关性分析

运用小波变换对螺河1968—2022年的年径流、年降水和年蒸发进行多时间尺度特征分析,并利用交叉小波变换,从多时间尺度上探讨了年径流与年降水、年蒸发在不同时频中的相关性。结果表明:年径流主周期为16a,次周期为4a、8a、12a和24a;年降水主周期为12a,次周期为4a、8a、16a和28a;年蒸发主周期为22a,次周期为10a和15a。预测2023年螺河径流和降水还处于偏枯(偏少)期,蒸发还处于偏大期,且在16a时间尺度下,2025年前后径流和降水将由偏枯(少)转为偏丰(多),在15a时间尺度下,2025年前后将为蒸发偏大向蒸发偏小转变时期。年降水与年径流表现出相当好的正相关性;年蒸发与年径流总体表现为负相关性,蒸发也是影响径流变化的因素之一,但其对径流的影响程度不及降水。

同步压缩小波变换在电力系统次同步振荡参数提取中的应用

大多数经典的次同步振荡(SSO)模式提取方法都有一些缺点,如模式识别率低,抗噪声性能差。因此,本文提出了一种新的时频分析方法,即同步压缩小波变换(SWT)。SWT结合了经验模态分解(EMD)和小波的优点,具有EMD的适应性,提高了EMD和小波的抗模态混合能力。因此,可以获得更好的抗噪声性能和更高的模式识别。首先,对SSO信号进行SWT变换,得到其时频谱。其次,通过自动识别算法分析每个固有模式类型(IMT)分量在其时频谱中的衰减特性,并确定哪个IMT分量需要重建。然后,重构具有发散特性的选定IMT分量。再次,利用希尔伯特变换(HT)实现了模态参数识别的高精度检测。仿真和应用实例证明了该方法的有效性。

基于谱图小波的神经精神疾病患者脑功能网络多尺度分析

基于图信号处理,针对神经精神病患者的脑功能网络展开研究,采用谱图小波变换对脑功能网络进行多尺度分析,根据实验数据构建图拉普拉斯矩阵,从中选取最大特征值对谱图小波变换滤波器进行设计。之后结合血氧水平依赖对比度信号计算出受试者各脑区的谱图小波系数,对其进行多尺度组间差异分析,发现脑功能网络在不同频段下的能量分布存有异常,并对对应的异常脑区予以明确。所采用的谱图小波变换是目前针对不规则数据域中信号展开多尺度分析的最有效方法之一,对其他疾病患者脑功能网络多尺度分析研究具有重要的现实意义。

基于同步挤压小波变换的毫米波雷达时频分析方法研究

针对雷达回波信号能量弱、信噪比低、难以获取高质量中频信号的频域特征,从而导致测量误差较大的问题,提出了同步挤压小波变换(SST)结合中值滤波的信号时频分析方法,实现强随机噪声压制。首先,构造24G连续调频雷达回波信号的仿真模型,通过添加瑞利杂波和高斯随机噪声,对比短时傅里叶变换(STFT)、连续小波变换(CWT)、SST时频分析图,提出瞬时频率识别精度作为评价指标I;其次,利用STFT、CWT、SST算法对实际距离为6m的回波信号进行时频谱分析。研究结果表明:SST能更好地突出瞬时频率特性,并且可将随机噪声压缩为低能量短线条形。基于该分布特点,SST结合中值滤波能很好地抑制噪声,I值相对于SST、STFT、CWT分别降低了0.21、0.55、0.71,瞬时频率识别精度更高,同时逆变换重构信号的波峰波谷值得到较好的保持,且在不同距离下探测精度误差也最小。

基于小波变换的心电信号检测与算法分析

心电信号作为心脏活动的重要表征,在医疗诊断中具有关键作用。本论文旨在探讨基于小波变换的心电信号检测与分析算法,以实现对心脏异常情况的有效检测与分析。我们首先介绍了心电信号的特点和心电异常的分类,然后详细解释了小波变换的原理以及在信号处理中的应用。基于这些理论基础,我们提出了一种基于小波变换的心电信号检测与分析算法,该算法能够准确地检测和分类心脏异常,为临床诊断提供有力支持。

Contourlet:一种有效的方向多尺度变换分析方法

Contourlet变换是对二维图像域内小波变换的一种新扩展,由不可分的方向滤波器组实现,该变换的基函数分布于多尺度、多方向上,可仅利用少量系数有效地捕捉图像中的光滑轮廓,而光滑轮廓正是自然图像的主要特征。讨论了Contourlet变换的发展背景、原理和数字实现与实际应用,分析了Contourlet变换存在的问题并指出了进一步研究的方向。