检索结果-南通市图书馆

频率切片小波变换在局部放电信号分析中的应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

高电压技术 2015年第7期41卷 2283-2293页

作者：张宇辉刘梦婕黄南天段伟润李天云东北电力大学电气工程学院吉林132012 国网天津市电力公司天津300010

在对电力设备局部放电信号进行时频分析时,当信噪比较低或周期性窄带干扰的频率与局放信号频带重叠时,会影响信号时频特征提取的准确性,使目前的局放信号时频分析方法存在局限性。为此,利用频率切片小波变换具有自由分割时频面的优点,... 详细信息

在对电力设备局部放电信号进行时频分析时,当信噪比较低或周期性窄带干扰的频率与局放信号频带重叠时,会影响信号时频特征提取的准确性,使目前的局放信号时频分析方法存在局限性。为此,利用频率切片小波变换具有自由分割时频面的优点,提出一种基于频率切片小波变换的局放信号时频分析新方法。首先根据Heisenberg不确定性原理选择时频聚集性最佳的频率切片函数,利用频率切片小波变换获取局放信号的时频分布,突出信号非平稳特征,再根据噪声信号能量与局放信号能量时频分布的差异,选择时频细化区域重构分离出局放信号,结合3σ准则及窄带干扰抑制方法进一步消噪。仿真和实测信号的处理结果表明,与S变换相比,频率切片小波变换具有更高的时频分辨率和任意频带信号提取的灵活性,能够细腻刻画信号的非平稳过程;将时频信息融入局放信号噪声干扰抑制,信号能量损失和波形畸变较小,有利于后续局放信号的模式识别和机理研究。

关键词：局部放电非平稳过程时频细化分析频率切片小波变换重构 3σ准则不确定性原理

频率切片小波变换在爆破振动信号时频特征精确提取中应用

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2013年第22期32卷 73-78页

作者：郭涛方向谢全民严中红范磊解放军理工大学野战工程学院南京210007 武汉军械士官学校武汉430075 重庆理工大学生物工程学院重庆400054

基于频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)技术研究爆破振动信号时频特征提取新方法。采用FSWT进行爆破振动信号分解,得到在全频带下的时频分布。在此基础上据其时频能量分布,选择时间、频率切片区间进行细化特征... 详细信息

基于频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)技术研究爆破振动信号时频特征提取新方法。采用FSWT进行爆破振动信号分解,得到在全频带下的时频分布。在此基础上据其时频能量分布,选择时间、频率切片区间进行细化特征分析,通过信号特征频率切片区间信号重构,实现爆破振动时频特征分离及提取。通过与传统的STFT、WPT、WVD等算法进行对比分析表明,FSWT算法具有良好的时频聚集性、任意频带分量特征提取的灵活性及准确性。将FSWT算法引入爆破振动效应分析领域,可为爆破振动信号时频特征精确提取奠定基础,具应用前景较好。

关键词：爆破振动频率切片小波变换时频分析特征提取 frequency slice wavelet transformation (FSWT)

频率切片小波变换时频分析方法在发电机组故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2013年第32期33卷 96-103+16页

作者：段晨东高强徐先峰长安大学

为了提取有效的故障特征,提出了基于频率切片小波变换时频分解的故障特征分离提取方法。先对信号进行频率切片小波变换获取其时频分布,然后根据信号的能量分布特点选择时频区域,再以较高的时频分辨率对选择的时频区域进一步细化分析,以... 详细信息

为了提取有效的故障特征,提出了基于频率切片小波变换时频分解的故障特征分离提取方法。先对信号进行频率切片小波变换获取其时频分布,然后根据信号的能量分布特点选择时频区域,再以较高的时频分辨率对选择的时频区域进一步细化分析,以突出隐含在信号中的时频特征,在此基础上分割出含有故障特征时频区域,再通过滤波和逆变换重构分离出有效的故障特征。仿真实验和工程应用表明,这种方法可从噪声信号中分离出有效的特征分量,在发电机组故障特征提取时取得了较好的效果。

关键词：频率切片小波变换时频区域分割滤波重构特征提取

基于频率切片小波变换和支持向量机的癫痫脑电信号自动检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

物理学报 2016年第3期65卷 403-409页

作者：张涛陈万忠李明阳吉林大学通信工程学院长春130012

实现癫痫脑电信号的自动检测对癫痫的临床诊断和治疗具有重要意义.本文提出先使用频率切片小波变换分离出5个不同频段的节律信号,再分别计算每个节律信号的近似熵和相邻节律的波动指数,最后使用遗传算法优化的支持向量机进行分类.实验... 详细信息

实现癫痫脑电信号的自动检测对癫痫的临床诊断和治疗具有重要意义.本文提出先使用频率切片小波变换分离出5个不同频段的节律信号,再分别计算每个节律信号的近似熵和相邻节律的波动指数,最后使用遗传算法优化的支持向量机进行分类.实验结果表明,所提出的方法能够对正常、癫痫发作间期和癫痫发作期三种脑电信号进行准确分类,分类准确率为98.33%.

关键词：癫痫脑电信号频率切片小波变换支持向量机

基于VMD-SVD联合降噪和频率切片小波变换的滚动轴承故障特征提取

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2018年第17期37卷 210-217页

作者：马增强张俊甲张安阮婉莹石家庄铁道大学电气与电子工程学院石家庄050043

针对滚动轴承早期故障信息微弱,频率切片小波变换(FSWT)在强背景噪声中提取故障特征的不足,提出变分模态分解(VMD)奇异值分解(SVD)联合降噪与FSWT相结合的故障特征提取方法,首先利用VMD故障信号自适应分解为若干本征模态分量(IMF),通过... 详细信息

针对滚动轴承早期故障信息微弱,频率切片小波变换(FSWT)在强背景噪声中提取故障特征的不足,提出变分模态分解(VMD)奇异值分解(SVD)联合降噪与FSWT相结合的故障特征提取方法,首先利用VMD故障信号自适应分解为若干本征模态分量(IMF),通过峭度准则选择包含故障信息最丰富的IMF进行信号重构,其次利用SVD对重构信号进行再次降噪,提高信噪比。最后对降噪信号进行FSWT,凸显故障信号的时频分布信息提取故障特征。仿真信号和实际数据分析结果表明,该方法有效消除了噪声的影响,能够清晰提取故障信号的特征频率,实现滚动轴承故障的精准识别。

关键词：滚动轴承变模态分解奇异值分解频率切片小波变换故障特征提取

基于自适应频率切片小波变换的滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2019年第10期35卷 34-41页

作者：马朝永盛志鹏胥永刚张坤北京工业大学先进制造技术北京市重点实验室北京100124 北京工业大学北京市精密测控技术与仪器工程技术研究中心北京100124

频率切片小波变换(frequency slice wavelet transform,FSWT)在汲取短时傅里叶变换和小波变换优势的基础上引入了频率切片函数,使传统的傅里叶变换实现了时频分析功能。FSWT通过对比不同频带处理的结果以确定最合适的中心频率及最佳带宽... 详细信息

频率切片小波变换(frequency slice wavelet transform,FSWT)在汲取短时傅里叶变换和小波变换优势的基础上引入了频率切片函数,使传统的傅里叶变换实现了时频分析功能。FSWT通过对比不同频带处理的结果以确定最合适的中心频率及最佳带宽,实现了对信号任意频带及局部特征的重构及描述,但这种方法效率很低、无自适应性且无法保证手动筛选出的频段中包含所需要的故障信息。针对这个问题,该文提出一种自适应频率切片小波变换(adaptive frequency slice wavelet transform,AFSWT)。首先,连续分割信号的频谱,频谱分割覆盖了全频带且避免了手动选取频谱边界的过程,均分的方式可提高计算效率。其次,引入谱负熵作为评价依据,计算每一个频段内信号的复杂程度以筛选可能包含周期性冲击的循环平稳信息。最后,选取其中谱负熵最大的频段并将其定义为最佳的中心频率和带宽,重构该频段信号分量并包络解调分析,实现故障诊断。该方法均匀分割频谱并依据谱负熵筛选信号分量可以提高计算效率且提高筛选准确率。通过模拟信号及实验信号证明了该方法可应用于滚动轴承圈故障诊断。

关键词：轴承振动故障诊断频率切片小波变换谱负熵频谱分割

在线全文

学校读者我要写书评

暂无评论

次同步振荡的频率切片小波变换检测方法

电工技术学报 2017年第6期32卷 106-114页

作者：赵妍李武璟聂永辉东北电力大学输变电技术学院吉林132012 哈尔滨工业大学电气工程及自动化学院哈尔滨150001

针对现有的电力系统次同步振荡的检测方法存在对噪声敏感、振荡的特征和变化趋势难以获得的局限性,提出将频率切片小波变换(FSWT)方法应用于次同步振荡的分析和参数辨识。FSWT方法自由切割时频面,实现信号频率区间的灵活分割,可以实现... 详细信息

针对现有的电力系统次同步振荡的检测方法存在对噪声敏感、振荡的特征和变化趋势难以获得的局限性,提出将频率切片小波变换(FSWT)方法应用于次同步振荡的分析和参数辨识。FSWT方法自由切割时频面,实现信号频率区间的灵活分割,可以实现对次同步振荡信号的总体和细化分析。首先,采用FSWT方法对含噪的次同步振荡信号进行总体时频分析,得到其时频能量分布。根据时频能量分布,可以预判是否发生次同步振荡、确定模态分量的数量及其频率分布区间。然后,合理选择频率切片区间,进行细化特征分析,通过对信号特征频率切片区间信号的重构,实现了次同步振荡的模态分量的分离及提取。最后,结合Hilbert变换获得高准确度的次同步振荡模态参数。

关键词：次同步振荡时频分析频率切片小波变换参数辨识

基于CNN和频率切片小波变换的T波形态分类

在线全文

学校读者我要写书评

暂无评论

中国生物医学工程学报 2021年第1期40卷 1-11页

作者：谢佳静魏守水江兴娥王春元崔怀杰刘澄玉山东大学控制科学与工程学院济南250061 山东交通大学信息科学与工程学院济南250357 东南大学仪器科学与工程学院生物电子学国家重点实验室南京210096

心电实时监控是心血管疾病防治的重要手段。心电图中T波的变化是心肌缺血和心脏猝死等疾病的重要表征,T波形态自动识别是心电远程监控中一个重要问题。由于实时监护用心电的强噪声背景影响,传统的T波特征提取与分类算法遭遇瓶颈。提出... 详细信息

心电实时监控是心血管疾病防治的重要手段。心电图中T波的变化是心肌缺血和心脏猝死等疾病的重要表征,T波形态自动识别是心电远程监控中一个重要问题。由于实时监护用心电的强噪声背景影响,传统的T波特征提取与分类算法遭遇瓶颈。提出一种结合切片频率小波变换和卷积神经网络的T波形态识别算法,包括:自动定位R波波峰位置与T波终点位置,从而确定一个包含有T波的片段;对该片段做频率切片小波变换,将生成的时频图像输入卷积神经网络,完成T波的形态分类。频率切片小波变换将信号转换到时频域上,呈现心电信号的时频能量分布特征;卷积神经网络的隐含层通过对时频图像进行3次卷积、激活与池化,完成时频图像的3次特征提取,这些特征具有平移、缩放不变性。使用欧盟ST-T数据库中的12 830个片段,采用3折交叉验证法来训练和测试卷积神经网络模型,最终使基于心拍的分类准确率达到97.34%,F1测度达到96.97%;基于样本实验的分类准确率为84.80%,F1测度为83.30%。模型在QT数据库测试的分类准确率为87.83%,F1测度为85.38%,泛化性能良好。对比其他T波分类算法(如决策树、支持向量机等),基于心拍实验的分类准确率提高1%~5%。研究结果证明,针对6类形态T波进行分类设计的算法不仅在分类准确率上有所提升,在鲁棒性和泛化性能方面也表现良好。另外,算法模型也适用于其他多种生理信号的分析,在医学图像分析领域也有一定的指导意义。

关键词：心电图 T波形态分类卷积神经网络频率切片小波变换

基于自适应最大相关峭度解卷积和频率切片小波变换的齿轮故障特征提取

在线全文

学校读者我要写书评

暂无评论

中国机械工程 2014年第21期25卷 2880-2885页

作者：钟先友赵春华田红亮陈保家赵美云三峡大学水电机械设备设计与维护湖北省重点实验室宜昌443002

针对最大相关峭度解卷积(MCKD)降噪效果受滤波器阶数影响的问题,提出了自适应MCKD方法。针对频率切片小波变换(FSWT)在强背景噪声中提取冲击故障特征的不足,提出了自适应MCKD和FSWT相结合的齿轮故障特征提取方法。首先用自适应MCKD对噪... 详细信息

针对最大相关峭度解卷积(MCKD)降噪效果受滤波器阶数影响的问题,提出了自适应MCKD方法。针对频率切片小波变换(FSWT)在强背景噪声中提取冲击故障特征的不足,提出了自适应MCKD和FSWT相结合的齿轮故障特征提取方法。首先用自适应MCKD对噪声齿轮信号进行降噪处理,然后对降噪后的信号进行频率切片小波变换和故障特征提取。齿轮故障诊断实例的分析结果验证了该方法的有效性。

关键词：齿轮故障诊断最大相关峭度解卷积自适应频率切片小波变换