小波包分解在迎角传感器信号预处理中的应用

针对基于四象限压力传感器阵列的迎角测量方法中传感器信号受到干扰的问题。讨论了在其预处理中应用小波包变换进行信号分离提取的方法。根据小波包分解理论,对信号进行小波包分解,信号中频率不同的部分落在不同的尺度上,剔除反映干扰的变换尺度,提取出有用信息。结果表明,该方法可很好地提取信号的主要特征信息,也有效地去除了确定性干扰和随机噪声,与传统的信号滤波方法相比较具有明显的优点,同时为后续的信号处理奠定了基础。     

小波包分解在迎角传感器信号预处理中的应用

针对基于四象限压力传感器阵列的迎角测量方法中传感器信号受到干扰的问题,讨论了在其预处理中应用小波包变换进行信号分离提取的方法。根据小波包分解理论,对信号进行小波包分解,信号中频率不同的部分落在不同的尺度上,剔除反映干扰的变换尺度,提取出有用信息。结果表明,该方法可很好地提取信号的主要特征信息,也有效地去除了确定性干扰和随机噪声,与传统的信号滤波方法相比较具有明显的优点,同时为后续的信号处理奠定了基础。     

小波包算法在电力系统时变谐波检测中的应用

以matlab工具箱为依托,对采用小波包算法进行谐波检测的方法进行了系统仿真设计,仿真结果表明小波包变换能精确地从谐波信号中分离出基波,并能根据需要分离出任意谐波信号,是一种很好的电力系统谐波分析工具.     

基于谐波小波包和支持向量机的声发射源识别

为了解决直升机动部件疲劳损伤类型识别问题,提出了一种基于谐波小波包特征提取和层次支持向量多分类器的声发射源类型识别方法.声发射信号经过4层谐波小波包分解后,提取各个频段的能量特征用于声发射源类型识别,克服了传统小波包分析能量泄露、频带选取不灵活、不同层频率分辨率不同的缺点.首先,利用已知声发射源类型的试验数据训练层次支...     

最优小波包变换在齿轮箱振动信号去噪中的应用研究

通过对小波变换和小波包分析研究,寻找最优小波包基,结合不同阈值去噪方法,对加噪信号以及齿轮箱振动信号进行去噪处理。实验表明最优小波包基的惩罚阈值去噪结果比小波变换常用的stein无偏风险阈值去噪结果和小波包默认阈值去噪结果要好很多。该方法不仅可以有效去除噪声,还可以很好地保留信号中的细节信息。     

基于小波包分解的自适应同步压缩短时傅里叶变换

获得同时含有稳态频率和瞬态频率成分信号的高分辨率时频分布是时频分析的重点与难点,为了解决此类信号进行同步压缩短时傅里叶变换(synchro-squeezed short time Fourier transform, SSTFT)时窗长受限的问题,提出了基于小波包分解的自适应同步压缩短时傅里叶变换(adaptive synchro-squeezed short time Fourier transform by wave packet decomposition, WPD-ASSTFT)方法。首先,借助小波包分解将信号分解为若干个子信号;之后,对不同的子信号进行自适应窗长选择,确定使子信号进行短时傅里叶变换(short time Fourier transform, STFT)的时频分布Renyi熵值最小时对应的窗长——最优窗长;然后,将各个子信号在最优窗长下进行SSTFT;最后,将所有子信号的时频分布相加得到原始信号的时频分布。通过小波包分解,将信号分解为不同频率范围的子信号,通过自适应窗长选择,使得SSTFT的时频图分辨率最佳。利用该方法对仿真信号和铁路轴箱加速度信号进行分析,结果...     

基于MRA的三相不对称系统谐波监测的研究

首先论述了基于小波变换的谐波检测的原理,根据目前小波变换在三相不对称系统谐波检测中存在的无法分离基波信号之不足,介绍了一种用于三相不对称系统的基于周期交错的测量方法。针对MRA算法既不能直接可靠地估算三相交流信号的基波成分(50 Hz),也不能精确地提取信号的谐波分量的缺点,探讨了将快速傅立叶变换和小波变换相结合的方法,利用小波变换的奇异信号检测能力和较好的时域分辨率,结合傅立叶变换准确的频域分辨能力对电网谐波信号模型进行了分析。文中归纳出基于小波变换的谐波监测方法。该方法的技术优势是可以实时跟踪谐波信号的变化。仿真实验结果表明了该方案能够满足电力系统中谐波检测的实时性要求。     

小波滤波方法在叠前偏移成像无损检测中的应用研究

针对叠前偏移成像原始资料频率成分复杂,不利于数据分析和截面成像的问题,探索了小波滤波方法在工程结构叠前偏移成像无损检测方法中的应用。利用小波分解和重构方法处理在混凝土试件检测面采集到的某超声波,并将该方法应用到叠前偏移成像技术中,分别给出了利用在不同尺度下所重构信号进行偏移成像处理获得的无损检测结果。研究表明,选取与实际应力波信号主频基本一致的尺度的小波对超声波信号群进行重构,能够在一定程度上改变偏移成像处理剖面。     

基于小波阈值去噪和自适应变分模态分解的谐波检测方法

为准确检测电力系统的谐波分量,提出一种基于小波阈值去噪和自适应变分模态分解（VMD）的谐波检测方法。在传统VMD算法基础上,通过构建输入信号Hankel矩阵并进行奇异值分解（SVD）的方法,自适应确定模态分解个数;利用改进的小波阈值去噪方法减少噪声的干扰,进一步提高检测精度。仿真实验表明,所提方法能有效地估计谐波的频率和幅值参数,具有较高的检测精度和良好的噪声鲁棒性。     

基于小波包络分析的滚动轴承故障诊断研究

滚动轴承出现故障时的振动信号是非平稳信号,傅立叶变换方法难以达到满意的效果。小波分析可同时从时域和频域两个方面对信号进行分析,十分适于滚动轴承的故障诊断。根据滚动轴承故障诊断理论,通过构造轴承上有单个损伤点时的仿真信号,应用小波包分析与包络分析相结合的方法,成功提取了滚动轴承的故障特征,并在此基础上对实测的滚动轴承振动信号进行分析,实验结果表明小波包络技术可以有效的提取滚动轴承故障信号。     

基于最优小波包基的信号去噪方法研究

改进了基于最优小波包基的信号去噪算法,该算法以小波包分析为基础,根据最小代价原理搜索信号分解的最优基,然后对高频和低频系数采用不同的阈值算法进行量化,用量化后的系数重构得到去噪后的信号．     

基于最优小波包基的信号去噪算法

提出了一种基于最优小波包基的信号去噪算法,该算法以小波包分析为基础,根据最小代价原理搜索信号分解的最优基,然后对高频和低频系数采用不同的阈值算法进行量化,用量化后的系数重构得到去噪后的信号.实验结果表明该算法对于信号去噪是十分有效的.     

基于表面肌电信号的腰背动作识别新方法

为提高基于表面肌电信号的人体腰背动作识别率,提出一种基于小波包能量与改进NARX神经网络的分类识别新方法。利用小波包变换对动作部位进行表面肌电信号特征提取,并采用改进NARX神经网络进行分类识别。选取8名实验者分别在扭腰、弯腰、侧弯腰3种动作下进行表面肌电信号数据采集,选择db4小波包函数对信号进行6层分解,得到第6层64个频带的小波包分解系数,代表各个动作信息的特征向量,作为改进NARX神经网络的输入进行分类识别。对照实验组中,改进NARX神经网络的识别率较高,总体识别率达到96.7%。实验结果表明,利用该识别方法对腰部动作进行分类识别,分类准确,且识别率更高。     

Wavelet packet decomposition entropy threshold method for discrete spectrum interferences rejection of on-line partial discharge monitoring

1. Introduction For suppressing discrete spectrum interference (DSI) in partial discharge (PD) signals, the presently wide-used approaches are hardware filters and Fourier transform based digital notch filters [1], which, definitely having gained effect in some extent, lead to relatively large energy loss of original PD signals and the preset parameters wont work when new interference appears or some center frequency changes. Adaptive filters [2] adjust parameters automatically with poor st…     

Motion classification of EMG signals based on wavelet packet transform and LS-SVMs ensemble

This paper presents an effective method for motion classification using the surface electromyographic (sEMG) signal collected from the forearm. Given the nonlinear and time-varying nature of EMG signal, the wavelet packet transform (WPT) is introduced to extract time-frequency joint information. Then the multi-class classifier based on the least squares support vector machine (LS-SVM) is constructed and verified in the various motion classification tasks. The results of contrastive experiments show that different motions can be identified with high accuracy by the presented method. Furthermore, compared with other classifiers with different features, the performance indicates the potential of the SVM techniques combined with WPT in motion classification.     

Denoising method for shear probe signal based on wavelet thresholding

Shear probe works under a tough environment where the turbulence signals to be measured are very weak.The measured turbulence signals often contain a large amount of noise.Due to wide frequency band,no...     

基于小波包滑动阈值的信号去噪

传统信号去噪方法常采用门限法对噪声信号的小波或小波包变换做阈值处理以达到去噪的目的。本文介绍了一种利用小波包滑动阈值去噪的新方法,通过对信号的小波包分解系数的滑动阈值量化,得到重构的去噪信号。计算机仿真结果表明,滑动阈值法具有很好的实用价值。     

基于小波包分析的大跨桥梁结构损伤预警的理论研究

基于小波包分析推导了结构动力系统在不同分析尺度上的状态方程和观测方程,在此基础上研究了结构动力响应在不同分析尺度上的时-频特性.理论分析证明,采用小波包分解结构的动力响应得到小波包能量谱,将可以表征结构损伤的发生.在此基础上进行了小波包能量谱关于结构损伤和观测噪声的敏感性研究,分析了结构系统矩阵和测量噪声在各个分析尺度上的递推性.结果表明,采用结构动力响应的小波包能量谱进行结构损伤预警具有较好的损伤敏感性和噪声鲁棒性.