分享到:

基于小波变换的弱信号检测方法研究

弱信号检测是信号处理领域中经常遇到的问题,在工程应用中,往往存在着有用信号较弱,而噪声较强的情况。传统的基于傅里叶变换的信号处理方法,只能用于信号和噪声频带重叠部分非常小或者两者完全分开的情况下,通过滤波的方法将噪声去掉,而在实际中,信号谱和噪声谱是任意重叠的,显然用传统的滤波方法是不能达到有效去除噪声,提取有用信号目的的。小波变换是一种新的变换分析方法,通过变换能够充分突出问题某些方面的特征,利用小波变换良好的时频特性,可以提取信号的波形信息,因此可以在低信噪比情况下检测信号。1小波变换原理设!(t)∈L(2R),其Fourier变换!$(t)满足容许条件C!=R"!$("t)2d"∞时,称!(t)为小波母函数。将小波母函数!(t)进行伸缩和平移后得:!a,(b t)=1#a!$t-a b%a,b∈R;a≠0称之为一个小波序列。其中a为尺度因子,b为平移因子。对于任意的函数(f t)的连续小波变换为:W(f a,b)=1#aR...  (本文共2页) 阅读全文>>

太原理工大学
太原理工大学

机械系统微弱故障信号检测及特征提取方法研究

故障信号的特征提取是机械故障诊断中的关键问题,而噪声的干扰是影响故障信号特征正确识别的重要因素。机械系统早期故障引起的异常信号一般都很微弱,通常被淹没在很强的背景噪声中,对信号检测技术要求高。本文根据机械测试中振动信号的特点,研究了现代信号处理理论应用于机械故障信号检测和特征提取的方法,并做了大量的仿真和实验。论文首先叙述了该课题的意义、弱信号检测的方法,介绍了机械故障特征提取方法及研究现状。针对复杂机械故障产生的非平稳振动信号检测,研究了时间—频率分布在故障信号检测和特征提取中的应用。仿真分析和齿轮早期故障检测实验证明,通过核函数的合理设计,能够有效滤除噪声,实现对机械设备早期故障产生的微弱异常振动信号的检测。讨论了小波基函数选取对信号处理结果的影响。详细论述了基于小波变换的奇异性检测理论,提出了利用三层以上细节信号的乘积作为检测信号求解多尺度模极大值的方法,以实现噪声中信号奇异点的检测和定位。研究了基于小波变换的弱信号检测方...  (本文共74页) 本文目录 | 阅读全文>>

中国石油大学
中国石油大学

基于Curvelet变换的高密度地震弱信号检测与去噪方法研究

高密度地震技术是近年来国外发展较快的物探技术之一,使用该方法获得的地震资料较好地解决了压制噪音、提高分辨率和保真度等难题。但同时也存在着高频段信噪比低、弱信号被混杂或淹没在噪声里的严重问题。如果不经过弱信号与噪声的分离处理,直接用它来进行叠加、速度分析、动校正、偏移等处理,最终的资料质量会大打折扣,不易发挥出高密度资料的潜在优势。因此,加强高密度地震弱信号的检测与去噪方法的研究,着力提高高密度地震资料信噪比的研究具有十分重要的意义。Curvelet变换是在小波变换基础上发展起来的一种新的多尺度变换。Curvelet变换对图像的边缘,如曲线、直线等几何特征的表达更加优于小波,这一特点使得Curvelet变换在图像去噪中取得较为广泛的研究成果。本文将Curvelet变换引入高密度地震技术领域,重点讨论了Curvelet变换在高密度地震弱信号检测与去噪方面的应用。文章以第二代离散Curvelet变换为工具,讨论了Curvelet变换在...  (本文共99页) 本文目录 | 阅读全文>>

哈尔滨工程大学
哈尔滨工程大学

基于多小波变换与Duffing振子的微弱信号检测与估计

微弱信号的检测与估计是现代信号处理领域的热点问题,因为其应用涉及生物、化学、军工、海洋探测、电力系统故障诊断等方向,近来得到了诸多学者的关注。基于Duffing振子的微弱信号检测与估计方法主要依据了Duffing振子的分叉性与对噪声的免疫性,即Duffing振子对输入的周期信号敏感而对输入的噪声免疫,通过输入信号前后Duffing振子动力学行为的变化实现对微弱信号的检测与估计。但Duffing振子的检测与估计性能会伴随噪声的增强而降低。多小波变换因同时具备正交性、对称性、高阶消失矩、短支撑性而拥有相比小波变换更好的去噪功能。本文提出基于多小波变换与Duffing振子的微弱信号检测与估计算法,首先对信号进行多小波降噪,再将降噪后的信号输入Duffing振子实现微弱信号的检测与估计。基于此,本文的研究工作主要有如下几点:1.提出了多小波变换的矩阵表示方法,应用多小波变换的矩阵表示方法可以使多小波变换的数学表达更为直观,各子带数据提取...  (本文共72页) 本文目录 | 阅读全文>>

重庆邮电大学
重庆邮电大学

耦合、三稳和幂函数型随机共振系统在弱信号检测中的应用

微弱信号检测技术广泛应用在生物医学、故障诊断等领域中,其检测对象是用常规方法检测不到的微弱量。弱信号的提取方法非常多,但是其中大部分都是通过抑制噪声来实现的,而随机共振方法反其道而行。随机共振是一种非线性现象,通过使非线性动力学系统、微弱信号和噪声三者发生协同作用,增强微弱信号能量减弱噪声能量。随机共振能够有效地实现弱信号的检测,因此,随机共振是微弱信号检测技术中的一个研究热点。论文在详细介绍了随机共振的基本理论及其在弱信号检测领域已经取得的成果的基础上,从随机共振系统的角度出发重点研究了基于不同随机共振系统的弱信号检测方法。论文的主要工作如下:(1)研究耦合双稳随机共振系统及其在弱信号检测中的应用。首先,分析了耦合双稳随机共振模型及其特性;然后,研究了该模型的数值解析方法,选取平均信噪比增益作为衡量随机共振性能指标,采用自适应算法选取最佳耦合系数r;最后,基于该系统实现对单频、多频弱信号的检测。(2)研究三稳随机共振系统及其在...  (本文共93页) 本文目录 | 阅读全文>>

中南大学
中南大学

基于Duffing振子和小波变换的微弱信号检测方法

传统的关于信号处理问题常常当作线性系统从时域方面进行处理,但随着科学技术的发展,这些方法能检测到的信噪比门限受到了一定的限制,特别是对于一些强噪声和非线性环境中,传统的思想方法已经很难满足要求。基于小波变换和混沌检测方法的信息处理技术弥补了传统方法的不足,检测性能得到了很大的提高。本文针对此内容展开分析和研究:根据小波变换具有多分辨率能力,首先对受噪声干扰的微弱信号进行自适应的多尺度有限离散二进小波分解,再根据有用信号和噪声信号在小波分解中的不同变化趋势特征对分解后的小波细节系数进行不同的阈值去噪处理,然后进行小波逆变换,重建有用信号;针对混沌系统对噪声的强免疫力和对周期信号的敏感性等特性,把重构后的信号作为混沌系统的策动力并入Duffing振子系统,根据梅尔尼科夫判据和李雅普诺夫特征指数法以及相图观察,检测出待采集的有用信号,估计出信号的相关参数。因此,本文从时频分析方法出发提出一类小波变换和混沌系统相结合的信号检测方案,最后...  (本文共63页) 本文目录 | 阅读全文>>