13.1 非正弦周期信号 13.2 周期函数分解为傅里叶级数 13.3 有效值、平均值和平均功率 13.4 非正弦周期电流电路的计算 13.5 对称三相电路中的高次谐波

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

1.1 信号与系统 1.2 信号的描述、分类和典型示例 1.3 信号的运算 1.4 阶跃信号和冲激信号 1.5 信号的分解 1.6 系统模型及其分类 1.7 线性时不变系统 1.8 系统分析方法

5.1非正弦周期交流信号 5.2非正弦周期量的分解 5.3非正弦周期量的有效值 5.4非正弦周期电流的线性电路的计算 5.5非正弦周期电流电路平均功率

针对转子不平衡故障和滚动轴承微弱损伤性故障的复合故障诊断问题,提出了一种基于经验模式分解的故障诊断方法,进行复合故障的耦合特征分离和轴承损伤性故障信号特征提取研究.该方法首先通过经验模式分解将复合信号分解为若干个本征模函数(intrinsic mode function,IMF);然后通过计算各IMF与原始复合信号的相关系数确定包含故障特征信息的主要成分,除去虚假分量;最后针对主要成分中的低频成分进行频谱分析提出转子故障特征,针对主要成分中的高频成分进行Hilbert包络解调提取调制故障特征,即轴承损伤性故障特征.仿真及实验结果表明该方法的有效性和实用性

针对大型齿轮箱低速轴故障信息难以提取的问题,采用小波分析方法对故障数据进行处理以实现信号在时/频域的局域性分析,将其无冗余、无泄漏地分解到一组具有紧支撑性的小波基上.文中采用小波分层突变系数作为判别故障隐患的特征值,并对该特征值进行趋势分析.结果表明:小波变换能有效捕捉冲击信号的时域特征和故障发生的时间历程,用小波分层突变系数所做的趋势图能有效地预测故障发展趋势,避免突发故障

5.1非正弦周期交流信号 5.2非正弦周期量的分解 5.3非正弦周期量的有效值 5.4非正弦周期电流的线性电路的计算 5.5非正弦周期电流电路平均功率

5.1非正弦周期交流信号 5.2非正弦周期量的分解 5.3非正弦周期量的有效值 5.4非正弦周期电流的线性电路的计算 5.5非正弦周期电流电路平均功率

综合局部投影算法及小波变换两者的优点,提出了基于局部投影和小波降噪的弱冲击信号的提取方法.实验结果表明,局部投影算法可以将背景信号和特征信号分解到不同的子空间上,小波降噪可以有效地用于包含尖峰或突变信号的降噪,结合局部投影和小波降噪的弱冲击信号的提取方法对于微弱特征信号的提取是非常有效的

第5章非正弦周期电流的电路 51非正弦周期交流信号 5.2非正弦周期量的分解 53非正弦周期量的有效值 5.4非正弦周期电流的线性电路的计算 5.5非正弦周期电流电路平均功率