自适应冗余第二代小波在信号去噪中的应用

介绍了基于提升方法的第二代小波原理以及自适应冗余第二代小波的构造方法。将自适应冗余第二代小波和冗余第二代小波变换应用于提升机振动信号的去噪分析并进行比较。试验表明,相对于冗余第二代小波,自适应冗余第二代小波在信号去噪方面具有更好的特性。

基于冗余第二代小波的降噪技术

构造了一种基于插值细分原理的冗余第二代小波变换.该方法在分解过程中不进行剖分,逼近信号和细节信号长度与原始信号长度相同,因此数据量是原信号的2倍.数据冗余性决定了该方法具有良好的分析效果.通过与传统小波变换、第二代小波变换对相同数据的对比,验证了冗余第二代小波变换的有效性.

自适应冗余第2代小波设计及齿轮箱故障特征提取

针对强噪声背景下齿轮箱故障特征的提取问题,设计了一种提取该类信号时域特征的自适应冗余第2代小波.采用基于数据的优化算法设计每层小波分解的初始预测器和更新器,然后通过对初始预测器和更新器进行插值补零运算,来获得冗余预测器和更新器.第2代小波不需要剖分运算,利用冗余预测器和更新器直接对每层逼近信号进行预测和更新运算,能较好地保留信号的时域特征.采用第2代小波较理想地提取出了齿轮箱发生摩擦故障时的时域调制波形和周期性冲击脉冲,并对得到的细节和逼近信号进一步进行包络解调,从而分离出了故障调制源频率.结果表明,自适应冗余第2代小波对噪声背景下齿轮箱故障特征的提取效果优于其他小波.

基于第二代小波自适应网格的二维声波方程波传模拟

本文利用第二代小波多尺度分解和快速变换的特点,构造自适应计算网格.对初始计算网格上的数值解进行第二代小波变换,得到数值解对应的小波系数空间.小波系数的大小表示相邻网格上数值变化率,小波系数大的区域网格点上的数值解变化梯度大.当小波系数大于等于预设的阈值时,在小波系数对应的网格点周围插入新的计算网格点,通过阈值可以实现网格的细化,得到多尺度下层层嵌套的细化自适应网格;由有限差分法得到相应网格点的空间导数.比较数值算例得到的波场快照和计算时间,验证了该方法的有效性.

基于自适应第二代小波的超声回波信号特征识别

文章针对强噪声背景下液压系统压力超声检测回波信号特征识别问题,构造了一种识别该类信号时域特征的自适应第二代小波方法。该方法以第二代小波为基础,以超声回波信号的峭度大小为目标函数,选择每层自适应匹配超声回波信号特征的第二代小波预测器和更新器,利用选择的预测器和更新器对信号进行预测和更新运算;根据每层自适应第二代小波分解的超声回波信号噪声水平,选取自适应匹配超声回波信号噪声特点的降噪阈值,对信号进行降噪和恢复,提取信号时域特征。该方法成功地准确识别出超声回波信号回波至点的时刻和时间间隔特征信息。结果表明,第二代小波自适应阈值方法对强噪声背景下超声回波信号特征的识别效果优于经典小波方法。

基于第二代小波的自适应有限元构造研究

为了有效地实现有限元自适应分析中函数平滑逼近和细节信息的分离,根据提出的第二代小波有限元多分辨分析方法构造了相应的自适应算法.采用第二代小波作为基函数构造了逐级嵌套的有限元逼近空间,并引入消失矩提出有限元求解方程刚度矩阵解耦的条件.函数在低分辨空间的逼近可以通过增加细节空间提升到高分辨空间,通过使刚度矩阵解耦,可以消除低分辨逼近空间和细节空间之间以及不同尺度的细节空间之间的耦合项.通过构造轴力杆的自适应分析,验证了方法的有效性,同时为实现复杂第二代小波自适应有限元分析提供了较好的研究思路.

自适应多尺度第二代小波配点法探地雷达数值模拟

基于第二代小波变换的提升方案构造了插值小波,将雷达波场函数进行了二维小波变换,得到所有尺度上与计算网格相联系的小波系数和尺度系数.对所有尺度上的小波系数进行分析,根据解的局部性与小波系数阈值的控制,实现网格压缩和配点的自适应调节.保留大于给定阈值的小波系数及对应网格点,令小于给定阈值的小波系数为零,并舍弃其对应网格点.达到光滑区域采用较少的计算网格点,在奇异性较大的区域采用较多的计算网格点的目的.通过对自适应网格进行邻域校正、重构检查等附加修正,推导了场值更新的显式时间迭代方案.最后,以均匀、阶梯与复杂三个典型GPR模型为例,与常规数值计算结果对比表明:自适应小波配点法(AWCM)利用第二代小波的多尺度分解和快速变换的特点,可以使计算网格随着时间步适应解的移动和变化,允许计算资源更有效地使用,具有高压缩率,达到跟踪奇异性的目的,特别适合于探地雷达正演中波传问题的模拟.

基于冗余第二代小波变换的齿轮箱故障诊断

为了避免传统小波变换在进行信号特征提取时,过分依赖于小波基的选择,引入了冗余第二代小波变换。对不同层的原始预测器和更新器进行插值补零运算,得出对应层的冗余预测器和更新器。然后利用新的冗余预测器和更新器对原始信号进行分解,使得分解的高频信号和低频信号的长度与原始信号长度相等。对齿轮箱故障特征提取表明,冗余第二代小波变换优于其他小波变换方法,能够比较理想地提取出齿轮箱的故障特征。

基于改进阈值自适应冗余小波的振动信号去噪

由电主轴动不平衡引起的振动信号在采集的过程中会混入大量强干扰噪声,引起机床主轴系统稳定性差。自适应冗余第二代小波的降噪方法可有效的去除噪声。针对上述方法中存在的传统阈值函数造成小波系数不连续或恒定偏差的问题,引入双变量改进阈值函数,提出了一种改进的自适应冗余第二代小波的振动信号消噪方法。将改进的方法应用于仿真信号及实际采集的电主轴动不平衡振动信号消噪中,结果表明,改进方法融合了自适应冗余第二代小波信号和双变量改进阈值函数的优点,在低信噪比的仿真信号和振动信号消噪中,能很好的保留原信号的特征并且有效的去除噪声,消噪效果更优。

第二代小波在试验数据处理中的应用

小波分析良好的时域和频域局部性,使得小波近似成为数据处理中十分有效的数学方法。文中首先介绍了第二代插值提升小波;然后给出了函数近似处理的自适应配点法;最后以某发动机的推力试验数据为算例,验证了应用小波处理试验数据的正确性和有效性。

一种基于第二代小波变换的图像压缩方案

本文提出了一种基于第二代小波变换与SPIHT算法、自适应算术编码相结合在图像压缩中的编 /解码方案 ,对CDF ( 2 ,2 )和FBI 9-7小波压缩的性能进行了分析和比较 ,获得了良好的无损或近无损压缩效果。研究结果表明这一方法充分利用了医学图像的统计特征 ,对于医学图像具有较高的无损压缩率 ,压缩的空间和时间复杂度低 ,利用质量递进手段可以获得满意的压缩比和PSNR ,达到视觉无损、数据近无损的目的。对于典型的医学图像 (X线图像、CT图像、MRI图像等 )的存储、传输和检索等应用 ,本方案是十分有效的。

基于第二代小波的PDEs数值新算法

根据第二代小波变换计算效率高和易实现自适应的特性,将微分方程的数值解映射到小波系数空间,参考小波系数选择合适的阈值,构造自适应网格。在大于阈值的小波系数所对应的区域内,适当增加小波函数的尺度,提高基函数的分辨率,因而能捕捉到数值解的突变结构;同时,将小波逆变换引入到方程数值解的逼近过程中,避免了直接在小波基上的运算,提高了算法的执行效率。在自适应网格上关于空间变量的导数计算采用变步长的有限差分法,在时间方向上用向前差分进行迭代求解。

自适应二代小波变换在振动信号降噪中的应用

小波分析技术已成功应用于振动信号的降噪处理。第二代小波变换是一种比Mallat算法更为有效的算法。文中介绍第二代小波变换的基本理论和特点,提出基于二代小波的线性适应性信号分解算法和尺度适应性信号分解算法,并将其应用于对含噪的齿轮箱振动信号进行降噪处理。结果证明,与其他降噪方法相比,使用线性适应性二代小波降噪后的信号具有最佳的信噪比和最低的重构误差。

一种基于信号相关性检测的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法.该方法以第二代小波变换为基础,在小波变换时提供多组备选的预测器和更新器,用变换样本与相邻样本之间的相关性来检测信号的局部特征,并根据相关系数的大小来确定每一尺度上的每个样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.模拟实验和工程应用的结果表明,该方法克服了传统小波降噪方法丢失原始信号局部信息的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.

冗余提升小波的最优分解层数的确定

针对目前所采集的机械设备故障振动信号中包含大量的强噪声信号,将奇异谱分析方法引入到冗余提升第二代小波阈值算法中,实现了一种基于奇异谱分析的冗余提升第二代小波最优分解层数的自适应选择。主要根据冗余提升小波分解过程中细节信号的奇异谱特性来确定最优分解层数,并与冗余提升小波阈值降噪方法相结合,实现降噪效果最优的自适应选择。通过对比不同分解层数的降噪效果,可以有效提高冗余提升小波降噪中的使用性能。仿真和工程振动信号分析结果验证了该方法的有效性。

一种自适应小波提升格式及应用效果分析

在经典小波分析中,小波基的选择是一个难题,一旦选用不当,就会使应用效果大打折扣,造成应用上的低效率。为了克服上述缺陷,WimSweldens提出了小波提升格式.本文探讨了一种自适应提升格式,并通过MATLAB实验验证了自适应提升格式的有效性。

基于邻域相关性小波去噪的滚动轴承包络解调及故障分类

将邻域相关性的冗余第二代小波应用于滚动轴承信号降噪,用Hilbert包络解调法提取的故障特征频率,比较不同转速和载荷下的提取效果,提出包络幅值峭度指标,并将其输入BP神经网络进行故障诊断。结果表明:基于邻域相关性的冗余第二代小波降噪方法能很好的抑制噪声,保留原信号的信息;降噪后的故障信号经过Hilbert包络解调能找到特征频率及其倍频,其效果优于原始信号的包络解调分析。工况会影响分析效果,且速度对提取效果的影响大于载荷。包络幅值峭度指标能很好区分不同工况的故障信号,结合BP人工神经网络诊断正确率为100%。

六相永磁容错电机的故障诊断仿真研究

研究六相永磁容错电机的故障诊断问题,有利于飞行器电力作动系统稳定运行。由于永磁容错电机属于强耦合高阶非线性系统,故障信号样本时间短且具有时变性,导致永磁容错电机故障诊断困难。传统的机器学习理论方法易陷入局部极值点,准确性较低。为提高永磁容错电机的故障准确率,采用支持向量机联合小波分析算法进行故障诊断。首先采集电机故障状态下的输出转矩信号,进行小波分解提取能量特征向量,采用最小二乘支持向量机构造诊断模型,克服局部最优问题,实现准确判别电机故障。对比实验表明,提出故障诊断方法明显优于传统支持向量机、BP神经网络模型方法,诊断准确率达到90%以上。