陈载宇[1]2014年在《基于匹配小波变换的信号奇异性与去噪应用研究》文中提出小波变换作为一种新的信号处理方法,由于其在时域和频域都具有表征信号局部信息的能力,所以在现代信号分析中有着广泛的应用。在工程应用中,小波分析最重要的一个问题就是小波函数的选择问题。这是因为小波变换中的小波函数不唯一,具有多样性,甚至有的小波函数没有固定的表达式,此外,不同的小波函数具有不同的特性,采用不同的小波函数去分析同一个问题,往往会得到不同的结果。然而,针对一个信号,如何选择合适的小波函数进行分析和处理,还没有个统一的选择标准。本文查阅了大量与小波相关的国内外资料和文献,深入学习了小波分析和多抽样滤波器组的基本理论知识,围绕匹配小波的应用展开了一定的分析和研究。首先,在小波分析与信号奇异性检测的基础上,研究了一种与给定的奇异信号相匹配的匹配小波的优选方法,根据奇异性信号的类型,综合考虑小波函数的紧支撑性、正则性和消失矩的特点,三者相互制约,来选择与信号匹配的小波,并通过仿真验证方法的有效性。其次,在小波分析和多抽样滤波器组的基础上,研究了一种与给定一维信号匹配的基于滤波器组的匹配小波构造方法,引入可变参数,根据匹配准则,来设计相应的小波滤波器组和匹配小波,并讨论了将该匹配小波应用于信号的分解与重构以及信号的去噪方面。通过与现有的经典小波进行分析比较,验证方法的有效性。
许彬, 郑链, 王克勇, 宋承天[2]2006年在《基于多小波的信号奇异性分析方法》文中进行了进一步梳理多小波具有很强的信号处理能力,而信号的奇异性用于表征信号突变或是不规则变化性质,包含了信号的重要信息,研究多小波的信号奇异性分析方法有重要意义。基于此,分析多小波的信号处理能力和信号的奇异性特性,推导出多小波变换模极大值与信号奇异性之间相应的关系,并将其应用于图像处理,仿真实验结果表明,多小波变换能很好的刻画信号的奇异性特征。
李光林, 吕维雪[3]1996年在《小波分析与信号处理》文中研究表明从时频分析的发展出发，详细分析了连续和离散小波变换与窗口傅里叶变换的时频特性，阐明了小波变换所拥有的优良时频特性及快速算法．研究了小波变换下信号奇异性特征，给出了小波变换在信息处理中的两个应用实例
周春健[4]2004年在《基于小波变换的旋转机械故障诊断》文中提出基函数的不同导致对信号观测角度和观测方法的不同，这是Fourier变换、短时Fourier变换和小波变换的本质区别。通过比较故障诊断中常用的各种小波基函数的性能和特点，研究不同的故障信号特征与各种小波基函数的内在联系，指出真正的最优小波变换应该是根据信号特征与其最近似、最匹配的基函数的信号分解。 通过分析对比信号奇异性检测的各种方法的优点和不足，指出复数Hermitian小波具备准确识别信号瞬时相位的能力。提出了基于Hermitian小波变换的时间—尺度幅图和相图来识别信号奇异性的方法，建立了信号奇异点与幅图和相图的对应关系，在轴承损伤故障诊断中取得了成功的应用。
郭科, 倪秀静, 许强[5]2005年在《小波奇异性分析在滑坡体位移监测降噪中的应用》文中认为利用信号奇异性与小波变换模极大值性质间的关系,研究小波变换模极大值法用于滑坡体位移监测曲线去噪的处理方法。介绍了小波变换和信号多尺度分解的基本理论、信号的小波变换模极大值在不同尺度下的传播特性与信号奇异性的关系。并利用实际数据资料,在Matlab下进行滑坡体位移监测曲线去噪试验,取得了理想的效果。实验结果表明,将基于奇异性的小波变换模极大值法用于滑坡体数据处理中是有效的。
张小华[6]2000年在《小波分析与信号奇异性》文中研究表明<WP=1>分 类 号 单位代码 10697密 级 学 号 97223
汤红诚, 李著信[7]2003年在《小波变换在故障诊断中应用》文中研究说明对小波变换的检测信号奇异性和小波变换的多分辨率性质两种性质进行分析 ,并对这两种性质在小波变换在故障诊断中应用例子使用 Matlab进行了仿真 ,仿真结果证明这两种性质在故障诊断中应用前景广阔
罗淼, 姚运萍[8]2016年在《小波分析在机械故障诊断中奇异点检测的应用》文中指出机械信号中的奇异点夹杂在原始故障信号中,一般不易观察,利用小波变换可以准确地检测到非平稳机械信号中奇异点的位置,为故障诊断的进一步分析提供有效依据。利用MATLAB软件对原始信号仿真进行小波分析,并准确地检测出信号中奇异点出现的时间和位置。
王竹霞, 臧顺全[9]2007年在《基于小波模极大值的信号奇异性检测》文中指出小波分析近乎完美的数学特性受到各领域科学家和工程技术人员的青睐。文中讨论了基于小波模极大值的信号奇异性检测方法,该方法突破了傅立叶分析在时域和频域方面的局部化能力,信号的局部正则性可由其小波变换模随尺度参数的衰减特性来刻画,通过确定小波变换在细尺度下的局部模极大值来检测信号奇异性。实验表明,该方法能有效的、实用的。
龙腾飞, 郭巍, 申睿[10]2015年在《小波变换在信号奇异性特征检测中的应用》文中研究指明奇异性检测在类似故障诊断这样的工程应用中意义非凡,其中一项就是关于信号故障奇异性特征的提取。通过数学软件Matlab做了关于小波变换在噪声信号的奇异性特征和故障信号检测中的仿真实验。结果表明,小波分析在非平稳信号特征检测中有着较好的稳定性和可靠性。
参考文献：
[1]. 基于匹配小波变换的信号奇异性与去噪应用研究[D]. 陈载宇. 昆明理工大学. 2014
[2]. 基于多小波的信号奇异性分析方法[J]. 许彬, 郑链, 王克勇, 宋承天. 系统仿真学报. 2006
[3]. 小波分析与信号处理[J]. 李光林, 吕维雪. 山东工业大学学报. 1996
[4]. 基于小波变换的旋转机械故障诊断[D]. 周春健. 南京航空航天大学. 2004
[5]. 小波奇异性分析在滑坡体位移监测降噪中的应用[J]. 郭科, 倪秀静, 许强. 成都理工大学学报(自然科学版). 2005
[6]. 小波分析与信号奇异性[D]. 张小华. 西北大学. 2000
[7]. 小波变换在故障诊断中应用[J]. 汤红诚, 李著信. 仪器仪表学报. 2003
[8]. 小波分析在机械故障诊断中奇异点检测的应用[J]. 罗淼, 姚运萍. 机械制造. 2016
[9]. 基于小波模极大值的信号奇异性检测[J]. 王竹霞, 臧顺全. 电脑知识与技术(学术交流). 2007
[10]. 小波变换在信号奇异性特征检测中的应用[J]. 龙腾飞, 郭巍, 申睿. 无线互联科技. 2015
标签：电信技术论文; 小波分析论文; matlab小波变换论文; 小波函数论文;