小波除噪、神经网络与发动机故障诊断

给出了利用起动电压波形来检测气密性这一简单易行的实验原理与方法。并对代表性波形进行小波除噪处理,在此基础上,提出了6个故障信息特征参数,通过对径向基神经网络的训练和检测,证明该神经网络能够成功的进行故障模式的辨识。从而为发动机压缩性故障诊断提供一个较好的方法。

基于小波除噪和神经网络理论的气固循环流化床颗粒浓度预测

提出了一种将混沌的相空间重构、小波包分析和神经网络相结合的新方法用于预测气-固循环流化床的颗粒浓度。首先利用小波包进行数据的消噪,然后用混沌方法重构相空间吸引子,用径向基神经网络拟合吸引子上的全局整体映射,构成混合预测模型。实验结果表明,将此混合模型用于预测气-固循环流化床的颗粒浓度,能达到较好的预测效果,预测精度比奇异值分解和傅里叶变换除噪高。

基于小波分析的一维含噪信号的除噪方法

阐述了小波去噪的基本原理和方法,利用Matlab提供的小波分析功能函数对一维含噪信号noisbloc进行了除噪分析,分别采用强制去噪、默认阈值处理和指定阈值处理3种方法,完成了信号的除噪处理。结果表明:小波在一维信号除噪中有较好的效果,噪声得到了明显的抑制,且保留了相当的原信号细节,3种方法获得的去噪信号幅值与原信号均存在差异,阈值的选取对除噪效果影响很大。

基于小波消噪的EMD模型在GPS振动信号处理中的应用

经验模式分解和小波分解是当前有效处理非平稳信号的两种时频分析方法,它们各具有其优缺点,适用于不同的应用。从对GPS振动信号的预处理、时域和频域处理入手,结果分析表明,对GPS振动信号先进行小波滤波消除随机噪声的干扰,再应用经验模式分解更有利于变形特征信息的分离和提取,提取的信号与振动平台记录数据更加吻合。

人脸识别系统中图像噪声去除方法研究

人脸识别是近几年来非常受关注的研究课题之一,这一研究领域包括:图像处理、模式识别、计算机视觉、神经网络,心理学等多个交叉学科。人脸识别系统非常复杂,其中处理的对象都是人脸图像数据。从现实中获取的图像包含各种噪声信号,使图像数据和现实差距太大。为了快速有效的去除这些噪声信号,本文详细研究了各种去除噪声的方法和原理,通过试验以直观的方式研究几种去噪效果,指出各种方法的优缺点。提出了将小波去除噪声和特征提取相结合以及PCA在噪声去除和特征提取相结合的方法。

小波分析在电力系统不良数据辨识中的应用

历史负荷受各种因素的共同作用可能造成数据失真,为了能够给EMS或DMS的高级应用软件提供良好的数据基础,首先必须对历史负荷数据进行处理,去除其中的错误数据。实际上,不良数据可以看成是负荷曲线中的奇异点及不规则的突变部分,而离散二进小波变换系数的模极大值的位置和幅度同信号的局部奇异性密切相关。在此基础上提出了一种基于小波奇异性检测和小波除噪的电力系统不良数据辨识方法。通过对大量实际的负荷数据分析,证明了所提出方法的正确性和有效性。

稀土电解槽槽电阻数据的降噪与分析

本文从理论上分析了稀土电解槽槽电阻信号的计算方法,以及槽电阻信号中可能的高低频噪声来源,并以MATLAB软件为处理工具,利用小波除噪的方法对稀土电解槽不同槽况下的槽电阻进行了除噪处理,分析了小波基、小波分解层数、阈值函数以及阈值规则的选取方法,并得出了最佳的除噪效果。然后利用频谱分析,对三种频谱分析的方法进行比较,最后将槽电阻的频谱特征分析出来。研究了稀土电解槽的电阻常数与其结构参数之间的关系。根据实验数据得到了电阻常数的计算公式,对于稀土电解槽的设计和操作控制具有重要意义。

小波分析在信号处理中的应用

文章介绍了小波、小波连续变换、二进离散小波变换及其快速算法等基本内容。此外,提出了二进小波除噪、信号识别和小波分析的频谱细化等应用及其相应算法,进而得出小波分析在信号处理中应用的理论优势,并展望了小波分析的进一步应用。

基于小波分析的光纤陀螺信号处理

在分析光纤陀螺的噪声特性的基础上,研究光纤陀螺信号滤波的方法,采用基于S te in无偏似然估计原理,对光纤陀螺信号进行小波阈值除噪,从而达到抑制光纤陀螺中存在的1/fr噪声和白噪声的目的。实验结果表明,小波滤波的方法对于抑制光纤陀螺中的噪声,提高信噪比具有良好的效果。

基于经验模式分解的实测信号除噪方法

针对传统傅里叶变换和小波阈值除噪方法在密频和时变信号中的应用缺陷,引入局域波方法中的经验模式分解,将信号和噪声的频带进行有效区分,再结合传统傅里叶变换的经典滤波性能对原始信号所在的频段进行滤波。文章首先给出了该方法的实现过程,然后采用两个典型的密频和时变信号进行了数值模拟,并与小波变换去噪法的效果进行比较。

小波三光路光声光谱法“瘦肉精”检测系统研究

盐酸克伦特罗是"瘦肉精"的主要成分之一,对其进行精准在线检测是目前食品安全行业重要的课题。依据光声光谱法检测原理,提出三光路检测盐酸克伦特罗的方法,即利用3个滤光片交替检测后,对得到的光声信号进行加权修正。这种方法能够克服单光路检测中水分对测量的干扰,并在时间三光路数学模型建立的基础上对光声光谱检测平台进行设计,将测得的光声信号利用小波变换去噪,同时,对测量数据和传统紫外法进行比较,确定了该方法的准确性和可行性。

一种有效去除测量噪声的新方法

本文利用信号与测量噪声在小波分析中不同尺度上的传播特性,研究了小波技术在涡流无损检测信号除噪中的应用.分析了传统的去除测量噪声的两种小波方法,Mallat多尺度边缘检测方法和阈值方法,针对两种方法的不足,作者提出了一种新方法,结果表明,此方法能有效地去除测量噪声.

利用可见/近红外光谱测定小麦叶面积指数的改进研究

改进了小麦叶面积指数的可见/近红外光谱测定模型。以不同方法实现了小麦冠层反射光谱的预处理,并采用偏最小二乘回归算法(PLS)建立小麦叶面积指数估测模型对其进行比较分析,发现小波除噪结合一阶导数能最有效地消除原始光谱的噪声与背景信息,此时PLS模型校正集与预测集R2分别为0.849与0.835。为进一步优化模型,对经一阶导数结合小波除噪后的光谱采用主成分分析法(PCA)降维,以前4个主成分(含原始光谱84.867%特征信息)为输入变量,采用小二乘支撑向量机回归算法(LS-SVR)建立了小麦叶面积指数估测模型,其校正集与预测集R2分别达0.905与0.883,具有比PLS算法更高的精度。结果表明:以小波除噪结合一阶导数去除小麦冠层反射光谱中的土壤背景信息以提高模型精度是可行的,且LS-SVR是建模的优选方法。

涡流检测信号处理技术

涡流检测线圈输出信号十分复杂,对该信号进行准确的分析处理是获得高精度和高可靠性检测结果的基础。介绍了涡流检测信号分析处理的几种新技术,包括小波除噪技术、神经网络技术、信息融合技术、电磁场仿真技术、DSP技术和网络分析处理系统等。通过分析各种新技术的应用状况及发展潜力,指出了将这些技术综合运用并与专家系统相结合实现智能检测是未来的发展趋势。

基于BP网络的闸门典型故障诊断

用 BP网络实现闸门典型故障的诊断。信号依次经历小波除噪、归一化和去趋 3个预处理过程 ,从处理前和处理后的信号中提取能有效描述信号特征的特征量作为网络输入。同时 ,为 4种典型信号设立了相对应的网络输出 ,形成输入 -输出样本对。网络用这些样本对训练自身。网络性能测试表明 ,它能有效识别典型故障 ,而没有训练过的模式 。

基于光纤传感的入侵检测信号提取与识别算法

基于分布式光纤传感的地埋式入侵检测系统由于其无源、传输距离远、抗电磁干扰等特征,引起了人们的关注,并得到初步应用。系统中光纤传感信息的正确提取和事件识别是系统的关键性指标之一。文中提出了一种入侵信号的提取与识别算法。使用基于Hilbert变换的信号包络线提取,结合数学形态学上的腐蚀和膨胀运算思想,实现入侵信号片段的分割;采用小波阈值收缩方法,结合平移时不变算法实现入侵信号片段除噪;使用基于"小波包-能量"的方法提取信号特征;分别采用基于BP和RBF的人工神经网络实现对光纤信号分类。仿真实验验证了算法的有效性。

基于数据驱动的数据故障诊断模型

针对交通和桥梁监测的数据诊断过程中,噪声掩盖了部分故障信息以及故障信息分布的多尺度性,提出了一种基于数据驱动的数据故障诊断模型。以故障检测为目的,加入了一种改进的小波阈值除噪方法,去除大部分随机高频噪声,提高了数据置信度;将重构信号进行了多尺度小波包分解,结合小波包能量分析法和主元分析法完成了故障检测与故障分离。模型实际应用于桥梁挠度监测数据故障诊断,结果表明,该模型可以减小错报率和漏报率,抗噪能力更强。

基于改进MSPCA的交通检测器故障诊断模型

针对交通检测器故障诊断过程中,噪声掩盖了部分故障信息以及故障信息分布的多尺度性,提出了一种改进的多尺度主元分析(MSPCA)模型。模型首先将交通检测器数据进行分段处理,再加入改进的小波阈值除噪,对滤除噪声后的小波系数进行主元分析,最后利用二维贡献图完成故障的定位。模型应用于线圈检测器的故障诊断实验,与MSPCA及自适应主元分析相比,该模型减小了误报率和漏报率,准确率更高,抗噪能力更强。

Application of Image Fusion Methods to Cell Imaging Processing

Aim To fuse the fluorescence image and transmission image of a cell into a single image containing more information than any of the individual image. Methods Image fusion technology was applied to biological cell imaging processing. It could match the images and improve the confidence and spatial resolution of the images. Using two algorithms, double thresholds algorithm and denoising algorithm based on wavelet transform,the fluorescence image and transmission image of a Cell were merged into a composite image. Results and Conclusion The position of fluorescence and the structure of cell can be displyed in the composite image. The signal-to-noise ratio of the exultant image is improved to a large extent. The algorithms are not only useful to investigate the fluorescence and transmission images, but also suitable to observing two or more fluoascent label proes in a single cell.

基于FPGA的激光测云仪设计

根据脉冲法测距原理,采用功率激光器和PIN探测器设计了一种高速信号采集处理系统,构建便携式激光测云仪系统。基于Cyclone iv FPGA定制了ADC控制接口配合复杂的系统时序完成高速数据采集存储与处理。将采集到的数据依据曲率分段,利用快速小波除噪算法处理后,与参考云层数据进行灰色关联分析。实验表明,该设计系统集成度高,测量结果一致性较好。