高斯线调频小波变换及其在地震震相识别中的应用

基于地震渐变信号在起始点附近信号高频分量比较丰富,但信号幅度较小的特点,本文选取高斯线调频小波作为基函数,研究了不同小波参数和信号参数对其变换结果的影响规律,找出了直接利用变换峰值进行震相识别的误差来源,提出了一种从背景噪声中实现渐变地震震相识别的有效方法——定尺度小波变换比方法,给出了模拟数字信号和实际地震震相识别的实例.

基于线调频小波变换的电机故障信号消噪方法

电机故障信号包含大量白噪声和有色噪声 ,消噪是故障信号分析、诊断、处理的前过程 ,消噪的效果直接影响到后期工作。小波变换在电力系统的故障信号处理中得到广泛地应用 ,然而 ,小波变换只能消除白色噪声 ,对有色噪声不起作用。线调频小波变换是窗口Fourier变换和小波变换的推广 ,它不仅具有小波变换良好的时频局部性特点 ,而且它的时频窗口比小波变换的时频窗口更加灵活。本文应用线调频小波变换对电机故障信号进行消噪 ,效果明显。

基于高斯线调频小波变换能量谱的齿轮故障诊断

提出了一种基于高斯线调频小波变换诊断齿轮故障的新方法。线调频小波变换是信号的时间 -频率 -尺度变换 ,具有比小波变换及其它时频分析方法更强的非平稳信号分析功能。利用高斯线调频小波变换作齿轮振动信号的能量谱估计 ,可提取调制边频带结构 ,识别故障模式。

基于线调频小波变换的电机故障信号谐波检测方法

线调频小波变换统一了短时 Fourier变换和小波变换的时频分析 ,并能根据信号的特点自适应生成新的时频窗口。本文首次将线调频小波变换引进电力系统的突变信号处理中。分析了其消噪和滤除干扰的原理 ;构造了线调频小波变换的算法。该算法不仅能解决文 [9]中提出的消噪和滤除干扰的问题 ,还能解决文 [8,1 0 ]中提出关于滤除整数 (偶数 )次和分数次谐波 。

高斯线调频小波变换及参数优化

线调频小波变换(CT)作为小波变换(WT)的一种推广,成了信号处理中的研究热点。该文推导出高斯线调频小波变换(GCT)的短时Fourier变换(STFT)计算形式。并利用分数阶Fourier变换和广义的时宽-带宽积来优化GCT 的参数。与Wingner-rille分布(WVD)、短时Fourier变换(STFT)进行比较分析。仿真结果表明优化的GCT有很好的时频聚集性。

Fourier变换和小波变换一般形式 —线调频小波变换和多普勒小波变换

Fourier变换、窗口Fourier变换与小波变换在许多领域得到广泛的应用。该文回顾了Fourier变换和小波变换的发展;介绍了两种新的处理非平稳信号的方法,即线调频小波变换和多普勒小波变换;分析了线调频小波变换是短时Fourier变换和小波变换的时频分析的统一时频表示形式,Fourier变换、小波变换以及线调频小波变换都是多普勒小波变换的特殊情况。线调频小波变换和多普勒小波变换比Fourier变换和小波变换更具灵活性,为图像、信号处理提供了新的方法和工具。

基于线调频小波变换的旋转机械故障诊断

小波变换在设备故障信号处理中得到广泛地应用,然而,小波变换只能消除白色噪声,对有色噪声不起作用。线调频小波变换统一了短时Fourier变换和小波变换的时频分析,是信号的时间-频率-尺度变换,能根据信号的特点自适应生成新的时频窗口。它不仅具有小波变换良好的时频局部性特点,而且它的时频窗口比小波变换的时频窗口更加灵活。本文应用线调频小波变换对旋转机械故障信号进行消噪,效果明显。

基于线调频频散变换的多模式超声兰姆波时延估计

适合薄板检测的超声兰姆波多模式具有频散特性,它携带着有用的时延信息,但估计其中的时延参数有一定的困难。本文提出的基于自适应线调频频散变换的超声兰姆波多模式时延估计方法使提取其时延参数成为可能。仿真和实验结果说明了这种方法的有效性。

基于线调频小波变换的谐波快速可视化识别方法

线调频小波变换是傅里叶变换、短时傅里叶变换和小波变换的一般形式。在介绍高斯线调频小波变换算法的基础上,提出用线调频小波变换可视化地检测和识别出谐波的特性,即根据对电能质量谐波扰动信号的线调频小波变换矩阵的等高线图,可视化地区分出谐波是固定不变、线性时变或非线性时变,先识别谐波的大致类型,为选取合适的信号分析工具提供保证。仿真结果表明,线调频小波变换的等高线图可以很好地检测出电能质量信号扰动发生的时刻和持续时间。

基于小波-Radon变换的线性调频信号检测与参数估计

线性调频信号(LFM)是一类应用广泛的非平稳信号。本文选取高斯线调频小波作为基函数,研究了基于小波-Radon变换的线性调频信号检测与参数估计的基本方法,然后提出了基于小波-Radon变换的多分量LFM信号检测与参数估计的算法。计算机仿真实验结果验证了该算法的有效性。

一种基于小波变换的线性调频信号检测方法

线性调频信号(LFM)是一类应用广泛的非平稳信号.通过选取高斯线调频小波作为基函数,研究了线性调频信号的小波变换及基于小波-Radon变换的线性调频信号检测的基本方法.针对多分量LFM信号检测问题,在结合“C lean”技术的基础上,提出了基于小波-Radon变换的多分量LFM信号检测与参数估计的算法.计算机仿真实验结果验证了该算法的有效性.

基于线调频小波变换能量谱的电机故障信号处理

提出了一种基于高斯线调频小波变换诊断电机故障的新方法。线调频小波变换是信号的时间-频率-尺度变换, 具有比小波变换及其它时频分析更强的非平稳信号分析功能。利用高斯线调频小波变换作电机故障信号的能量谱估计,可提取电机故障信号的频率成份。试验结果表明,这种方法比Fourier变换和小波变换频率分布的能量更集中。

高斯线调频小波变换与齿轮故障边频带分析

提出了基于高斯线调频小波变换的功率谱齿轮故障诊断方法。利用高斯线调频小波变换对齿轮振动信号作了谱分析,进而对齿轮故障进行分析。对实验数据的分析结果表明:该方法优于经典的自功率谱估计和一般的小波分析方法对齿轮局部故障诊断;该方法可突出齿轮的边频带结构,适用于齿轮的局部故障诊断。

线调频小波变换及其应用

线调频小波变换是一种新的线性时频分析方法.在介绍线调频小波变换的基础上,比较了短时傅里叶变换、连续小波变换、线调频小波变换在瞬时频率计算方面的优缺点.最后给出了在石油勘探开发中利用线调频小波变换对沉积旋回信号进行分析的一些初步应用.

线调频小波路径追踪算法和FrFT相结合的升降速齿轮故障诊断方法

针对升降速阶段齿轮振动信号的非平稳特性,提出线调频小波路径追踪算法和分数阶傅里叶变换(Fractional Fouriertransform,FrFT)相结合的齿轮故障诊断方法。该方法采用线调频小波路径追踪算法获得升、降速阶段齿轮振动信号所包含的能量最大信号分量的瞬时频率,并通过对该瞬时频率时频曲线的观察,获得该瞬时频率近似于线性上升或下降的时间范围,提取该时间范围的齿轮振动信号段,用FrFT对所提取的振动信号段进行处理,得到齿轮振动信号段的FrFT频谱图,从FrFT频谱图存在的调制现象来判断齿轮故障。其中FrFT的最佳阶次可由瞬时频率的调频系数计算得到。由于噪声与Chirplet原子的相关性很小,使得线调频小波路径追踪方法对噪声不敏感;另一方面,选择合适的分数阶,信号的FrFT将具有很好的信噪分量效果,因此该方法可用于处理升降速阶段的低信噪比齿轮振动信号。仿真分析和应用实例验证了该方法的有效性和良好的抗噪性。

电能扰动检测和识别线调频三角样条小波方法

线调频小波变换是傅里叶变换和小波变换的一般情况,它具有更灵活的时频局部化特性。但连续线调频小波变换实质上是积分的数值计算,传统的方法是用多项式插值函数代替被积函数求积分。对电能扰动信号来说,计算的精度不高,影响检测效果。文中用连分式有理插值函数替代被积函数,提高了积分精度。最后,以三角样条小波函数作为线调频小波变换的母函数,并用线调频三角样条小波变换来检测和识别电能扰动,它的等高线可以清楚地显示出干扰发生时刻和持续时间。

一种扩展三角波线调频信号测距范围的新方法

针对线调频信号测距范围受到最大回波延时限制的问题,提出一种双差拍-傅立叶变换的处理方法。通过将回波信号与两种形式的发射信号分别混频,并对混频信号进行傅立叶变换获取目标距离信息。该方法在损失一定输出信噪比的代价下,扩展了信号的测距范围。理论分析和实验仿真均证明了该方法的有效性。

基于线调频小波分维的红外图像边缘检测

根据小波变换与分形理论在认识事物的本质上都是基于从总体向局部、从宏观向微观的自相似原理,以及线调频小波理论原理,提出一种以线调频小波作为标尺来定义分维数的思想,将线调频变换看作是用线调频小波标尺对信号进行度量,建立一种以信号的细节分量之和作为度量参数的线调频小波分维数。应用线调频小波分维数对红外图像进行边缘提取,实验结果表明该方法简单有效、优于传统的几种边缘提取算子。

小波变换在电力系统中应用研究

小波变换与Fourier变换相比具有良好时域局部化特征 ,时域窗口随信号的变化自动调整。综述了近年来小波分析在电力系统中的应用情况。按照小波分析在电力系统各个应用领域进行分类、归纳和总结。说明了小波分析在电力系统各方面的应用是相当成功的 ,有很广阔的应用前景。同时也指出小波分析的不足之处 ,表现在 2个方面 :线调频小波变换比小波变换的时域窗口更加灵活 ,对噪声和信号频率混叠现象的消噪分离更有效 ;小波分析缺乏有效的快速算法 ,因而很难满足实时性的要求 ,同时基于它用来检测、分析电力系统中出现的各种故障的相应硬件产品还未研制出来。

基于线调频自适应分解的时变系统瞬时模态参数识别

提出了基于线调频小波时频分解的时变系统瞬时模态参数识别方法。该方法应用线调频小波对时变系统加速度响应信号进行时频分析,通过小波脊方法提取瞬时频率,再应用卡尔曼滤波进行自适应分解获得各阶响应的幅值信息;为了更精确地识别时变结构的阻尼比,该研究推导了基于幅值能量法的时变阻尼比识别方法;线调频小波相比传统小波对具有更高的能量聚集性,因此该方法具有更高的瞬时频率提取精度,此外传统的基于幅值的阻尼识别方法易受噪声干扰,能量法在短区间内基于幅值进行整体积分具有较强的抗噪性和更高的识别精度。仿真算例中,构造了一个三自由度时变结构来验证识别方法,通过与传统小波和时域峰值法作对比,验证了方法识别瞬时模态参数的精确性和抗噪性。