基于子带重排与集合双树复小波包变换的重加权谱峭度方法.pdf
努力****梓颖
亲,该文档总共16页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于子带重排与集合双树复小波包变换的重加权谱峭度方法.pdf
本发明公开了基于子带重排与集合双树复小波包变换的重加权谱峭度方法,涉及信号处理和机械故障诊断技术领域,包括以下步骤:S1,使用指定分解层数的DTCWPT分解输入信号,将输入信号分解为指定分解层数的多层信号,每层信号包括多个小波分支;S2,重构最后一层的每个小波分支,得到与小波分支数量相等并与原始信号长度相同的重构子带;S3,对重构子带进行重新排序,得到重排后的重构子带
基于双树复小波包流形域降噪的滚动轴承故障诊断方法.pdf
本发明涉及双树复小波包流形域降噪的滚动轴承故障诊断方法,该方法首先,利用加速度传感器采集滚动轴承的振动信号,其次,将振动信号进行双树复小波包分解,保留前两个节点的小波包系数,对余下节点的小波包系数进行阈值降噪,将各节点小波包系数进行单支重构,组成高维信号空间,然后,利用t分布随机近邻嵌入方法提取低维流形,并将低维流形逆重构获取高维空间主流形,得到降噪后的信号,最后,对降噪信号进行希尔伯特包络解调,获取振动信号的包络频谱,根据滚动轴承的内圈故障特征频率、外圈故障特征频率、滚动体故障特征频率和保持架故障特征频
一种基于双树复小波变换的单幅图像去云雾方法.pdf
本发明公开了一种基于双树复小波变换的单幅图像去云雾方法,采用双树复小波变换分解原图,并将云雾和景物分别分配到高层和低层高频子带以及低频子带,分别处理所述子带,去除云雾。本发明的步骤包括:先将原图像做多层双树复小波变换,将分解系数分割为低层高频子带、高层高频子带和低频子带;使用拉普拉斯滤波器逐层处理低层高频子带,并作双树复小波逆变换,再规一化处理重构图像,增强地面景物信息;按照反转云厚加权方法分别处理高层高频子带和低频子带。本发明处理含有均匀云覆盖、浓云或薄云的单幅遥感图,在削弱云层覆盖的同时,提高云下景物
基于最大重加权峭度盲解卷积的机械故障诊断方法.pdf
本发明涉及基于最大重加权峭度盲解卷积的机械故障诊断方法,属于风电机组故障诊断技术领域,提出一种新的盲解卷积方法,即最大重加权峭度盲解卷积。重加权峭度对故障信号中单个或少量强冲击干扰具有很好的鲁棒性,且无需待恢复故障冲击序列先验知识。基于此,最大重加权峭度盲解卷积方法能有效解决经典基于峭度最大化方法倾向于恢复单个主导冲击而非齿轮故障冲击序列的问题,同时相较于常见非全“盲”(依赖故障特征频率先验)方法在工业装备齿轮故障诊断方面具有更强的适用性。并且在风电涡轮机故障诊断中的应用案例证实所提方法对于齿轮故障诊断的
基于双树复小波变换的图像去噪的开题报告.docx
基于双树复小波变换的图像去噪的开题报告一、选题背景随着数字图像技术的发展,图像噪声问题成为了图像处理领域中的一个重要问题,尤其是在数字信号传输、数字摄影、数字视频压缩等领域中,图像噪声问题更是不可避免。因此,图像去噪技术成为了图像处理领域中的研究热点问题之一。在现代图像处理技术中,基于小波变换的去噪技术已经被广泛应用。小波变换方法可以将图像数据通过一定的方法进行变换,使得信号特征得到更好的表现,同时还可以减小信号噪声的影响。但是在实际应用中,小波变换的去噪方法也存在一定的缺陷,如对于高斯噪声和脉冲噪声效果