利用EMD方法和小波变换进行信号奇异性检测

本文采用经验模式分解 (EMD)与小波变换相结合的方法分析非平稳机械故障信号的奇异性 ,进行机械故障诊断。与直接对原信号进行小波分析相比较 ,该方法提取的奇异性特征明显。数值模拟和对故障轴承的振动信号分析表明了该方法的有效性。     

基于小波奇异性检测技术的海底沉积物声速测量结果分析

海底沉积物声速是海洋物理学和水声学研究的一个重要物理量。声速测量的准确性取决于如何准确计量超声波在沉积物介质中的传播时间。针对传统的观察波形突变法存在不足,文中基于小波变换独特的时-频局部化特征,阐明了小波变换信号奇异性检测原理,分析讨论如何利用该原理来检测海底沉积物声速测量中的超声回波信号起跳点。用Matlab数值计算软件,把记录的波形数据文件导入工作空间,选用Db3小波进行5层小波分解,观测其模极大值点的位置;用Gauss小波进行连续小波变换,观测其模极大值线的位置。并用两个实例验证了小波变换检测超声回波起跳点可行性及优越性,可提高海底沉积物声速测量的准确性,为海底智能化检测仪器的研发提供技术基础。     

基于小波变换的海洋平台损伤检测研究

当结构物产生损伤时,结构的动力特性会发生变化,从而引起结构振动响应产生相应的变化。小波变换是奇异性信号的良好检测工具,可以用于识别结构损伤的发生。建立了某海洋平台有限元模型,得到了随机海浪作用下不同损伤工况的结构振动响应。基于小波变换损伤检测,针对不同类型杆件损伤、不同位置杆件损伤、不同程度的噪声污染以及不同方向振动响应信号情况下,分别研究了海洋平台结构的损伤检测问题,得到了一些有用的结论。     

基于小波分析的侧扫声呐信号非线性增强算法

侧扫声呐回波信号是形成侧扫声呐图像的基础,是侧扫声呐系统对水下目标的最直接观测量, 将一维小波变换与非线性增强方法相结合,提出了一种基于小波变换的侧扫声呐回波信号非线性增强算法, 用以改善侧扫声呐图像对比度低、噪声强度大的问题。首先利用改进的 Bayes 阈值对侧扫声呐 ping 信号进行一维小波分解,提取信号特征信息;然后利用 2 种不同的非线性函数对高、低频小波系数进行处理;最后利用小波反变换重构信号,形成增强后的侧扫声呐图像。实测数据验证结果表明：利用该算法对侧扫声呐 ping 信号进行处理,实现了侧扫声呐图像对比度的增强和对噪声的抑制,可以获取较好的图像视觉效果。     

导管架平台健康监测中的信号处理技术

振动信号处理技术能够提取反映结构健康的特征信息,在导管架平台健康监测中发挥了重要作用。为了给导管架平台健康监测与振动特征提取的发展提供借鉴和指导,文中对导管架平台特征提取中常用的信号处理方法:傅里叶变换、小波变换和希尔伯特-黄(Hilbert-Huang)变换进行了综述,系统总结了它们的基本理论、适用范围、优缺点以及在导管架平台健康监测中的应用情况。文中发现傅里叶变换方法简单、适用性强,对于平稳信号有很好的处理效果;小波变换和希尔伯特-黄变换能很好地提取非平稳信号的时频特性,在导管架平台健康监测与特征提取中应用广泛。同时,随着人工智能算法的快速发展,未来的发展中,可以进行信号处理方法与人工智能算法的结合使用,以期获得更好的信号处理效果。     

基于小波变换的固定式海洋平台结构损伤识别方法研究

小波变换在分析非平稳信号方面较傅立叶变换更有效,为了检测出海洋平台结构中裂缝或因刚度降低引起的损伤,对海洋平台的响应信号进行离散小波变换,通过分析变换后的信号是否有突变现象判断结构是否出现损伤,并结合模态应变能法实现了对结构损伤的定位,探讨了传感器位置对识别效果的影响。     

基于多小波分析的多聚焦图像融合

多聚焦图像融合的关键问题是如何保持原始图像的细节。基于多小波分析具有多个分析基函数和产生更多分解子图像的特点,本文提出1种基于多小波分析的多聚焦图像融合方法。根据小波变换域分解信号的特点,分别对细节信号采用基于局部区域能量指导下的融合规则和对粗大信号采用局部均方误差加权均衡的融合规则,最后考虑了焦点区域的一致性调整。通过实验证明,在采用空间频率和清晰度作为客观评价条件之下,该方法比基于单小波分解、塔式分解和其它的融合方法都具有更好的融合效果。     

基于同步挤压变换的水合物储层地震信号时频分析

同步挤压变换是一种新的时频分析方法,通过对信号进行小波变换,并重排(挤压)所得到的小波系数谱,得到比小波变换等常用时频变换更高的时频分辨率。使用同步挤压变换对含水合物储集层的合成地震数据以及南海神狐海域的实测地震资料进行了处理,并与小波变换结果进行了对比。结果表明,同步挤压变换对地震数据的处理结果具有更高的时频分辨率,能够反映地震信号频率的精细变化,用于识别和圈定水合物储层。     

基于局部均值分解和交叉小波的全球平均海平面变化与ONI 指数多尺度特征研究

为研究全球平均海平面与ENSO（El Niño-Southern Oscillation） 的相关性问题, 本文提出了一种结合局部均值分解和交叉小波原理的分析方法, 揭示全球平均海平面和ENSO 的影响机理和因果关联。利用全球平均海平面的时间序列进行局部均值分解得到PF 分量和余量, 表示海平面变化的高频分量、低频分量和趋势分量。剔除高频分量的影响, 利用最小二乘线性拟合趋势分量, 得到1991—2000 年的全球平均海平面上升速率为3.6 mm/a。接着对PF 的低频分量进行距平变换再与ONI 指数（Oceanic Niño Index, ONI） 分别进行Morlet 连续小波变换得到小波功率谱, 再将变换的连续小波分别进行交叉小波变换得到交叉小波功率谱和凝聚谱, 通过交 叉小波功率谱和交叉小波凝聚谱揭示信号在时频空间的能量共振和协方差分布规律, 其中交叉小波功率谱体现了共同的高能量区的相关性, 交叉小波凝聚谱体现了共同的低能量区的相关性。结果表明, 该方法能在多尺度上分析海平面的变化, 并能分析ONI 指数与全球平均海平面的关系, 可为全球平均海平面演变规律分析和预测等方面提供有力工具。     

联合小波和NLM滤波的侧扫声纳回波信号降噪

为进一步降低侧扫声纳回波信号中非高斯分布的乘性噪声,获取更佳效果的侧扫声纳图像,提出了一种利用小波和NLM(nonlocal means)滤波的组合降噪方法。首先采用同态变换将侧扫声纳回波ping信号中的乘性噪声转换为加性噪声,然后利用小波阈值和NLM滤波对侧扫声纳每ping回波数据实施降噪处理,最后经过小波反变换和指数变换获取降噪后信号和图像。仿真实验和实测数据验证结果表明,该方法适用于侧扫声纳回波信号处理,可以获取较好的图像降噪效果。     

Damage Detection Methods for Offshore Platforms Based on Wavelet Packet Transform

1 .IntroductionInthe whole service period of the platforms ,some damage is unavoidable due to the corrosion,impact ,fatigue and so on.The damage whould cause the structures’ultimate capacity and safety de-crease .Presently,it is generally acceptedthat the detection of damage involes considerable statisticaluncertainties,thus lot of efforts is made for the damage probalility model ,for example Song and Lu(1996) usedthefuzzy-settheoryto estimatethe humanerrorsthroughthe definitionof inspection…     

用小波变换研究赤道西太平洋温度细结构

使用小波变换分析了赤道西太平洋暖池区的CTD资料的温度序列,表明垂向温度细结构具有自相似特征,有可能使用分数维模型来描述.计算了温度序列的奇异性指数及其概率分布,发现此分布具有近似普适的形式.非零概率的负指数意味着温度剖面可能存在奇异点.对经小波变换后的序列的周期性统计表明周期△和尺度α遵从幂律标度△～αβ,β≈1.这提示着细结构背后可能存在简单的二分串级机制.小波变换的振幅反映了温度脉动的强弱.据此可以确定脉动能量的垂向分布和能谱密度,和传统方法的比较表明小波能谱较为光滑,有利于精确测定谱斜率.     

Study of fine structure of temperature in the equatorial westernPacific Ocean with wavelet transform

ＳｔｕｄｙｏｆｆｉｎｅｓｔｒｕｃｔｕｒｅｏｆｔｅｍｐｅｒａｔｕｒｅｉｎｔｈｅｅｑｕａｔｏｒｉａｌｗｅｓｔｅｒｎＰａｃｉｆｉｃＯｃｅａｎｗｉｔｈｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍＪｉａｎｇＭｉｎｇｓｈｕｎ１ａｎｄＺｈａｎｇＡｉｊｕｎ（ＲｅｃｅｉｖｅｄＪｕ...     

Tide Forecasting of Tides Around Taiwan by Artificial Neural Network Method and Wavelet Analysis

In multiresolution analysis(MRA)by wavelet function Daubechies(db),we decompose the signal to two parts,the low and high frequency content.The high-frequency content of the data is removed first and a new "de-noise" signal is reconstructed by using inverse wavelet transform.The wavelet spectrum and harmonic analysis were used to analyze the characteristics of tidal data before constructing the input and output structure of ANN model.That is,the concept of tidal constituent phase-lags was introduced and the new "de-noise" signal was used as the input data set of ANN and the forecasting accuracy of ANN model is significantly improved.     

罗兰C信号包络提取技术研究

为改善罗兰C接收机的接收性能,获取更高的定位精度,关键是提高罗兰C信号包络提取的精度。分别讨论了希尔伯特变换、小波变换和短时平均能量三种包络提取方法在罗兰C信号处理中的应用效果。仿真验证表明,基于Morlet小波的包络提取方法精度最高,效果最佳,满足罗兰C接收机实际信号处理条件下对包络信息精确性高的要求。     

Wavelet analysis for processing of ocean surface wave records

Wavelet analysis is a relatively new technique and in the recent years enormous interest in application of wavelets has been observed. This modern technique is particularly suitable for non-stationary processes as in contrast to the Fourier transform, (FT), the wavelet transform (WT) allows exceptional localization, both in time and frequency domains. The wavelet transform has been successfully implemented in signal and image processing, ordinary and partial differential equation theory, numerical analysis, communication theory and other fields. On the other hand, the application of the WT to ocean engineering and oceanography is rare. In this paper the WTs capability to give a full time–frequency representation of the wave signals is demonstrated. The processing of the time series of the non-stationary deep water waves, waves breaking at the tropical coral reefs and mechanically generated waves in the wave flume demonstrates the ability of the wavelet transform technique to detect a complex variability of these signals in the time–frequency domain. Various spectral representations resulting from the wavelet transform are discussed and their application for wave signals is shown.     

利用连续小波提取近海大气湍流中的相干结构

利用Morlet子波对南海塔基风脉动资料进行连续小波分析,并根据能量极大值法则辨识相干结构的尺度,从而构建基于相干结构主要尺度的湍流模型。通过对小波系数进行谱分析,得到相干结构的生成周期,进而刻画相干结构的演变特征。结果表明:相干尺度提取的准周期结构在数值和波形上能够很好的反映原信号的主要结构。在分析频段内,大气湍流相干结构的生命尺度和生成周期相近,相干结构以连续出现为主,而小尺度涡旋结构的生成存在明显的不连续。最后,结合观测期间天气过程以及相应的湍流统计特征分析,给出了典型天气条件下相干结构涡动能量分布及其随时间的变化特征。     

Wavelet and artificial neural network analyses of tide forecasting and supplement of tides around Taiwan and South China Sea

In multi-resolution analysis (MRA) by wavelet function Daubechies (db), we decompose the signal in two parts, the low and high-frequency contents. We remove the high-frequency content and reconstruct a new “de-noise” signal by using inverse wavelet transform. The calculation of tidal constituent phase-lags was made to determine the input and output data patterns used in building network structure of Artificial Neuron-Network (ANN) model. The “de-noise” signal was, then, used as the input data to improve the forecasting accuracy of the ANN model. The wavelet spectrum, conventional energy spectrum (fast Fourier transform, FFT), and harmonic analysis were used to analyze the characteristics of tidal data.Using only a very short-period data as a training data set in Artificial Neuron-Network Back-Propagate (ANN-BP) model, the developed ANN+Wavelet model can accurately predict or supply the missing tide data for a long period (1–5 years). The results also show that the concept of tidal constituent phase-lags can improve ANN model of tidal forecasting and data supplement. The addition of the wavelet analysis to ANN method can prominently improve the prediction quality.