为了确定板带连轧中多台轧机振动的起振顺序,首先在形态非抽样小波一般框架的基础上,构造了一种基于多尺度平均滤波器的形态非抽样小波.然后通过仿真实验,得到此形态非抽样小波尺度与频率之间的关系.最终利用基于多尺度平均滤波器的形态非抽样和S变换的方法对轧机振动信号进行分析,成功提取了故障频率的起振时间,确定了轧机的起振顺序

分析了小波基函数对于确定模式、混沌模式及随机模式所表现出来的不同的收敛特性,提出构造一个小波神经网络及相应学习算法.利用小波网络在学习过程中神经元的不同增长趋势来反映上述收敛性的差异,从而将3种不同的模式予以区分,并将混沌模式从中提取出来

针对常用的质量建模方法精度不高且难以给出预测区间,提出了基于小波相关向量机的产品质量模型.应用仿真数据和带钢热镀锌锌层质量的实际生产数据分别建立了小波相关向量机模型.结果表明,小波相关向量机方法与支持向量机及传统的相关向量机相比,具有更好的预测精度,而且给出了预测区间.多组带钢热镀锌锌层质量实际数据的相对预测误差的平均值为4.52%,为保证产品质量提供必要的决策支持和分析手段

在对混沌时间序列与随机序列的不同特征进行分析的基础上,提出一种可对二者予以区分的判定算法.并结合具有优异特性的小波函数,构造一种小波神经网络.最终给出基于小波网络的集成的混沌时间序列判定一预测算法

为识别钢筋混凝土简支梁的损伤状况,对简支梁进行了逐级加载实验,每级加荷后卸荷,观测梁的裂缝,并测定梁的动力反应.将钢筋混凝土简支梁作为无限自由度体系,并对该体系的动力方程进行小波变换,得到多尺度下的结构动力响应表达式.信号经多尺度分解后,包含了信号中更多的结构损伤信息.基于此,用DASP信号处理系统对钢筋混凝土简支梁各损伤阶段的动态信号进行二进制小波分解,通过分析各频段的波形,确定了梁的损伤

本章将讨论小波基的构造。我们将主要利用多分辨率分析这一工具。在第一节中将引入多分 辨率分析的定义,并给出两个经典的例子,Haar基 Shannon和基第二节将介绍平移不变子 空间的概念和 Riesz基的刻划,并给出正交化方法。第三节和第四节分别介绍算尺度方程和 滤波函数

1.双正交小波 前面我们构造的 Daubechies小波,除了Haar外,它们都没有对称性。对称性和线性位相是直接相联系的,后者是信号处理等问题所需要的

小波分析是近十几年才发展起来并迅速应用到图像处理和语音分析等众多领域的一种 数学工具。它是继110多年前的傅立叶(Joseph Fourier)分析之后的一个重大突破,无论是对 古老的自然学科还是对新兴的高新技术应用学科都产生了强烈冲击

针对2180 mm冷连轧机振纹现象的随机性和隐蔽性的特点,基于小波分析和分形理论,系统地研究了能够准确地识别轧机振动的方法.对典型工况下轧机振动信号的分析结果显示,两种方法均能有效地识别轧机振动的现象,为在复杂振动环境下识别振纹振动提供了有效途径,这对于实时监测轧机的运行状况,避免恶性生产事故的发生,进而实现预知轧机振动具有积极的现实意义

给出了一种基于小波变换的汉语语音信号预处理的方法。通过小波变换中的Mallat算法来分解汉语语音信号,能够消除信号冗余度,提高数据压缩比,而不影响语音信号的真实效果。同时还给出了小波变换原理和Mallat算法以及实验结果