小波变换及其在岩石超声检测中的应用

介绍了小波变换的基本概念和特性。应用小波变换对岩石超声波检测信号进行了时频分析和处理。结果表明,该方法是分析处理具有时变谱特性的非平稳信号的一种有效方法。     

小波变换在岩石测试中的应用

主要研究了小波变换在岩石超声波测试信号分析中的应用。通过对岩石超声信号的小波分析,提取岩石信号在小波变换下的不同尺度的细节,从而确定出了岩石的节理结构等所对应的信号小波变换细节特征,以及岩石信号在各个不同尺度下的差异,为小波变换在岩石测试中的应用奠定基础。     

小波变换在信号奇异性检测中的应用

从理论上探讨小波变换如何具体确定奇异点的位置及如何进行边缘检测。     

小波变换在信号奇异性检测中的应用

小波变换是近十年来迅速发展起来的学科，它与傅里叶变换相比，是一个时间和频率的局部变换。它的主要特点是将信号表示为不同尺度和不同位置的基本单元，而不同的基本单元表示原始信号中的不同信息成分，这种特点使小波变换成为一种高效的信号处理工具，在信号分析中，因为奇异点包含了比较重要的信息，因此信号的奇异性检测甚为必要。本文介绍了信号奇异性的小波变换检测原理，通过对仿真信号的分析表明在信号奇异性的检测中小波变换优于傅里叶变换。     

小波变换在回波信号检测中的应用

基于小波变换品质因数不变性的特点,结合适当的小波基,探讨小波变换在回波信号检测中的算法。在算法分析基础上,从检测原理、检测步骤、计算机仿真方面阐述如何利用小波变换检测回波信号时差,以确定回波信号的奇异点(回波信号到达时间点),进而确定被探测目标的位置。小波变换具有表征信号局部特征的能力,适于分析信号中的瞬态和奇异现象,并可展示其成份。所述的算法分析、小波基的选择及小波变换阶的选择等,为地下目标探测中的信号处理,提供了算法依据和应用方法参考。     

小波变换在旋转机械振动信号检测中的应用

讨论了小波变换的分析方法,为提取旋转机械振动信号特征提供了理论方法.实践表明:小波理论的发展适应于振动信号检测的要求,给监测旋转机械的正常运转和可能引发故障的原因提供了一种科学的研究方法.     

小波变换在奇变信号检测中的应用

根据小波变换的基本概念和理论,给出了实现小波分解与重构的塔式快速算法,基于小波变换用于奇变信号的检测原理,对奇变信号的小波时频分析进行了深入的研究,并通过一个工程实例,说明了小波变换在奇变信号检测中具有广阔的应用前景。     

小波包变换及其在低信噪比雷达信号检测中的应用

雷达对目标进行检测之时，常常遇到目标回波信号被噪声污染的问题。为了把弱目标信号从强噪声背景中检测出来，对小波包变换良好的时频分析特性进行了分析，根据信号与噪声具有不同的Lipschitz指数，通过引入子频带∞-范数，对信号和噪声进行频谱分析，将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量，应用浮动阈值去噪方法，解决了低信噪比情况下的雷达信号检测。最后，通过计算机的数值计算，模拟了小波包变换和小波变换在低信噪比雷达信号检测中的具体应用，得出了在低信噪比信号检测方面小波包变换优于小波变换的结论。     

小波变换在机械故障信号检测中的应用

小波变换由于具有良好的时频局部特性，能够反映信号在局部范围内的特征，是机械故障诊断中信号突变点检测的有力工具。文中阐述了小波变换用于机械振动信号的突变点检测以发现机械故障的方法，根据对振动信号小波变换的系数模极值点来定位突变点，检测机械故障。实例仿真表明，该方法可以发现故障机械振动信号带有的奇异性，实现机械的故障诊断。     

小波分析在岩石信号测试中的应用

研究了小波变换在岩石超声波测试信号分析中的应用，通过对岩石信号的小波分析，确定出岩石的裂隙以及完整程度。     

小波分析在岩石信号测试中的应用

研究了小波变换在岩石超声波测试信号分析中的应用 ,通过对岩石信号的小波分析 ,确定出岩石的裂隙以及完整程度。     

岩石超声波检测信号的小波分析

利用小波变换分析岩石超声检测信号,了解岩石内部结构特性和物理力学特性。建立了岩石超声测试实验系统,并进行多分辨率分析。结果表明,小波分析可以对指定频带和时间段内的信号成分进行分析,在时域和频域具有良好的局部化性质。可以准确地抓住瞬变信号的特性,对频率成分采用逐渐精细的时域或空域取样步长,从而聚焦到信号的任意细节。完整岩石试样超声检测信号及其小波变换波谱比较规则,无复杂变化,但反射波衰减较快,不同岩性的岩石,其超声波检测信号无明显差别,其小波变换却不相同。这差异是由于岩石的细观组构不同造成的。小波变换波谱反映了岩石节理、裂隙等岩石的完整程度。     

小波变换在漏磁检测中的应用研究

无损检测向着自动化、智能化方向发展 ,而要在漏磁检测中真正做到定量分析还存在一定困难。文章简要介绍了小波变换 Mallat快速算法 ,把小波变换作为一种先进的信号处理手段引入进行数字信号的预处理 ,可以完成去除噪声和数据压缩的工作 ,为漏磁信号的定量分析提供了很大的可能性     

语音信号的小波变换处理方法

利用小波变换时-频分析的特点,针对语音信号特征,选取适当的小波母函数进行增强和压缩编码处理.通过Matlab仿真分析,得到增强后的信号图和压缩后的压缩比参数、能量保留参数、零系数比例系数.结果表明,基于小波变换的语音信号处理表现出良好的特性.     

基于小波包变换的超声回波信号特征提取

超声检测技术中,缺陷的定性分类这一技术难题至今尚未得以彻底解决。文章介绍了一种基于小波包变换的多尺度空间能量特征提取方法,并对实测的超声缺陷回波信号进行了特征提取;进而采用基于距离的类别可分性判据对提取结果进行了评价。结果表明:该方法提取的缺陷回波信号特征值,其可分性测度均值达91.7%,从而证明该方法对超声检测缺陷回波信号的特征提取是相当有效的。     

小波变换的多分辨率特性在聚类分析中的应用

依据国内外的最新研究成果,对利用小波理论实现聚类分析进行了研究,给出了运用小波变换的多分辨率特性实现聚类分析的实现方法,并通过实例验证了该方法和技术的可行性,从而为此技术的广泛应用提供了依据.     

小波分析在管理数据处理中的应用

提出了一种基于小波变换的管理数据处理方法,把公司管理上的数据看成一个非平稳的时间序列,利用小渡函数将该时间序列分解到不同的频率通道上,然后将分解后的信号当作近似的平稳时间序列,用一些传统的统计方法进行预测,同时对中国足球彩票若干期的销售量数据进行了处理和预测,并将结果与实际销量以及用传统的AR模型的预测值进行了比较。     

基于小波包BP网络的超声检测缺陷类型识别

针对A型反射超声波检测仪难以准确识别缺陷类型的问题,探讨了基于小波包和BP神经网络相结合的超声检测缺陷类型识别方法。对检测的多组超声缺陷信号分别进行3层小波包分解,提取小波包频谱能量特征,归一化后构造了各缺陷信号的特征向量,并分别组成训练样本集和测试样本集,用于3层BP神经网络的训练和网络识别效果检验。实验结果表明该方法能准确快速地识别出超声检测缺陷类型。     

改进的小波神经网络模型在电力故障信号识别中的应用

研究了小波神经网络用于信号分类识别的模型结构,建立了非显式小波网络的学习算法,给出了一种改进的小波经网络模型,并把该模型应用于电力系统故障信号识别,提高了信号分类识别的精度。