导读:本文包含了小波包变换论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:小波,荷载,信号,光谱,岩心,稳态,正交。
小波包变换论文文献综述
田青林,潘蔚,李瑶,张川,陈雪娇[1]（2019）在《基于小波包变换和权重光谱角制图的岩心高光谱蚀变信息提取》一文中研究指出高光谱数据波段数多且波段间存在强相关性,采用光谱角制图(spectral angle mapper,SAM)算法进行信息提取容易受光谱信号噪声的影响,在一定程度上影响地物识别的精度。针对这一问题,提出一种基于小波包变换和权重SAM的岩心高光谱蚀变信息提取方法。其基本思路为:在对原始高光谱数据进行辐射校正、反射率转换和小波去噪等预处理的基础上,选择daubechies4作为小波基,分别对高光谱图像像元光谱与参考光谱进行8层小波包分解,基于子分量系数构建小波包信息熵矢量来刻画原始光谱曲线特性,并找到像元光谱与参考光谱信息熵矢量差异较大的特征区间,对其设置权重,最后依据SAM算法原理进行蚀变矿物匹配,达到信息提取的目的。通过对我国南方某火山岩型铀矿区Hy Spex钻孔岩心短波红外高光谱数据的实验表明,该方法利用小波包信息熵特征矢量可以有效表征原始光谱信息,通过设置差异特征区间,突出了局部特征信息,增大了不同矿物类别间的可区分性,总体分类精度达到了75. 33%,Kappa系数为0. 706 3,优于传统的SAM算法,具有较好的适用性。(本文来源于《国土资源遥感》期刊2019年04期）
王伟,李兴华,陈作彬,范磊,孙飞[2]（2019）在《基于小波包变换的爆破振动信号能量熵特征分析》一文中研究指出爆破振动信号是典型的短时非平稳随机信号。应用多分辨率特点的小波包变换对爆破振动信号进行多层分解,得到信号能量分布的细节信息。根据建立在概率统计基础上的信息熵概念,推导得到爆破振动信号能量熵计算方法。分析了4种类型爆破振动信号的能量熵,熵值由大到小为:隧道爆破、管道爆炸、台阶爆破、塌落振动。结果表明,能量熵能够反映不同类型爆破对振动信号的影响。提出将能量熵作为爆破振动信号的新特征量,为爆破振动信号特征提取、不同爆破类型振动信号识别和爆破振动预测提供一种新思路。(本文来源于《爆破器材》期刊2019年06期）
高升,吴亦农,蒋珍华[3]（2019）在《基于小波包变换和支持向量机的制冷机动静碰摩故障部位识别研究》一文中研究指出制冷机在红外遥感领域发挥着极其重要的作用,如果出现故障直接影响探测器的正常工作以及性能,因此,制冷机智能故障诊断具有重要的意义.针对制冷机出现的碰摩故障,提出了一种基于小波包变换、遗传算法、支持向量机的智能故障诊断方法.首先对振动信号做小波变换及时域特征提取组成特征集.利用距离评价技术从特征集中选择敏感特征.利用遗传算法优化支持向量机参数.将特征值输入到优化好的支持向量机中,自动识别机器运行状态.开展制冷机故障模拟实验,结果表明,该方法最终识别准确率达95%,能有效识别制冷机碰摩故障部位.(本文来源于《红外与毫米波学报》期刊2019年05期）
闫桢,郝成亮,陈明,杨婷婷,郑磊[4]（2019）在《基于正交小波包变换的电能质量扰动检测与定位》一文中研究指出文章在模拟仿真了含有高斯白噪声的电能质量扰动信号的基础上,给出利用正交小波包算法对电能质量扰动信号进行检测和定位的方法。研究结果表明,该方法有更好的检测性能,能更精确检测瞬态扰动发生的时刻和持续时间。(本文来源于《科技创新与应用》期刊2019年15期）
徐樊[5]（2019）在《基于小波包变换的桥梁风荷载数值模拟及动力响应研究》一文中研究指出风致振动对大跨桥梁结构响应的影响不容忽视,而风荷载特性对结构振动有着直接的影响。风荷载具有明显的非平稳特征,即随着时间和频率的变化而不断变化,以往的傅里叶变化方法不能研究其时频局部特性,本文提出了一种新的方法从叁维角度入手进行风荷载时频非平稳特性分析。同时,为了满足结构动力响应分析的需要,进行了非平稳风速时程样本的模拟。小波包变换是一种有效的信号处理方法,能够提供时频局部特性,克服了以往的傅里叶变换方法不能同时进行时域和频域分析的缺陷,也弥补了小波方法在频域上分辨率不足的问题。本文基于小波包变换理论对风荷载时频非平稳特性以及风荷载模拟展开研究,主要研究内容及结论如下:(1)基于小波包变换理论及时变功率谱的物理意义提出一种时变功率谱估计的方法,基于MATLAB平台进行程序编制,实现了从“时间-频率-幅值”叁维角度研究风荷载时频特性,并与基于傅里叶变换方法得到的结果进行对比研究,从时域能量累积及频域功率谱密度函数两方面验证了该方法的正确性。(2)基于给定的目标谱,运用小波包逆变换理论提出一种非平稳脉动风速时程模拟的算法,基于MATLAB平台进行程序编制,得到模拟风速时程序列,并进行正确性检验,算例表明模拟谱与目标谱较为吻合。(3)为保留风速时程信号的某些未知特性,基于给定历史时程,提出了一种非平稳脉动风速时程的模拟与调整方法,基于MATLAB平台进行程序编制,实现了非平稳脉动风速时程的模拟,并验证了模拟结果的正确性。(4)在单点模拟基础上,实现了基于小波包逆变换的具有空间相关性风场的模拟,并从功率谱密度函数和相关函数曲线两方面验证了对风场的空间相关性的模拟的正确性。(5)依托于沈阳东塔悬索桥工程,基于Midas-civil有限元软件对全桥进行建模分析。通过脉动试验与模态分析对比,证明了建模的正确性。利用前述方法模拟得到不同等级的脉动风速时程加载于悬索桥模型,进行时程分析,研究了不同等级风荷载作用下桥梁结构关键部位的位移变化范围,为施工监控和健康监测提供参考。(本文来源于《沈阳工业大学》期刊2019-05-25）
杨少波[6]（2019）在《基于小波包变换的地震动时频特性分析及地震动场模拟》一文中研究指出地震动属于典型的非平稳随机过程,其显着的特征是时频特性是随时间和频率的变化而改变的,而这种非平稳特性会在很大程度上影响建筑结构的响应分析。基于此,如何深入了解地震动时频非平稳特性以及在地震动时程模拟中如何充分考虑这种特性,是结构响应分析必须面对的问题。以往的傅里叶(Fourier)变换仅能够将时域信号转换为频域信号,从而得出单纯的频域信息。作为一种效率更高、精度更高的信号视频分析工具,小波包变换能够同时聚焦信号的时域、频域特性。同时,相对于小波变换,小波包变换进一步提高了时频特性分析高频段的分辨率。本文利用小波包变换理论,针对地震动非平稳特性、地震动时程空间相关性分析、地震动时程模拟、空间相关地震动场模拟等问题展开研究,主要内容及结论如下:(1)基于小波包变换理论,建立了基于小波包变换的时变功率谱估计的方法。利用MATLAB平台编制程序,实现时变谱的估计。这种基于小波包变换理论所建立的方法法不仅能够在时间-频率-幅值的叁维层面上分析地震动时程的时频特性,在高频段也能够获得更准确的细节信息。同时,通过比较时变功率谱与傅里叶谱的曲线关系以及两者对应的能量累积曲线关系,验证了该方法的正确性。(2)基于台湾SMART-1地震动台阵实测记录,利用MATLAB平台编制程序进行空间相关性研究。在频域方面,对基于小波包变换得到的频谱进行分析,得到空间两点不同距离的频域相干系数。在时域方面,将时变功率谱卓越频带所在的时刻进行对比,得到了不同距离对应的时域时移长度函数。(3)基于小波基频带的正交特性,利用小波包重构建立了一种新的地震波模拟方法。并以该方法为理论基础,在MATLAB环境下进行程序编制,实现了基于给定的目标功率谱的地震动加速度时程模拟,并通过算例验证了该方法的正确性。(4)基于输入的地震动历史时程,对其小波包分解得到的分信号进行调整,再通过小波包重构得到地震动时程。将该方法扩展到多点相关过程,利用前文得出的空间相干系数与时移函数进行地震动时程模拟,可以模拟出空间相关地震动场。通过对算例进行模拟分析,验证了基于上述方法所得的地震动场具有给定的空间相关性质,且保留了地震动历史记录的特征。(本文来源于《沈阳工业大学》期刊2019-05-25）
谢宝良,胡军国,李烨斐,陈芳,毛国平[7]（2019）在《基于Fick-小波包变换方法对土壤CO_2浓度时间序列的去噪处理》一文中研究指出土壤CO_2浓度时间序列的数据质量易受到外界环境及土壤监测仪质量的影响,导致不能精确的测定土壤呼吸。针对土壤CO_2浓度时间序列的数据质量问题,本文提出小波包变换和Fick第二定律结合的方法对时间序列进行去噪分析。实验结果显示,无论从均值,信噪比,均方根误差和斜率距离来看,本文算法都优于由传统方法计算得到的结果。同时,在研究区域分别测量了早中晚叁个时间段的土壤CO_2浓度,对其进行去噪处理之后,利用Fick第一定律计算获得的土壤碳通量与LI-8100测得的仅相距1μmol/m~2/s左右。说明通过本文算法不仅精确算得了开放型气室内任意时间任意位置的CO_2浓度时间序列,并且通过计算处理后的时间序列获得了与LI-8100相近的土壤碳通量。(本文来源于《传感技术学报》期刊2019年05期）
秦瑜瑞[8]（2019）在《基于机器学习和小波包变换的故障选线方法研究》一文中研究指出配电网故障选线问题是研究的热点。快速、准确地选出故障线路,对于电力系统安全、可靠地运行具有重大意义。本文以故障选线方法研究为对象,通过引入机器学习,将故障选线转化为多分类问题,利用机器学习中的分类器选择故障线路,开展的研究工作如下:(1)以四出线10 kV配电网为例建立模型,在对单相接地故障发生时各线路稳态、暂态电气量进行分析的基础上,确定运用暂态量进行故障选线,通过大量的仿真计算,形成了用于机器学习的数据集。(2)以小波理论为基础,利用小波包变换对不同故障情况下各出线零序电流进行特征提取,得到零序电流在特征频带上的能量与模极大值后用于遴选故障线路。大量算例的遴选结果显示,仅以故障线路零序电流在特征频带上能量最大、模极大值最大且与健全线路极性相反作为遴选故障线路的判据存在误选率较高的问题,因此提出了一种将机器学习与小波包变换相结合的故障选线方法。该方法将零序电流经小波包变换后得到的能量与模极大值作为机器学习中使用的数据集,选择随机森林作为分类器进行故障选线。经测试,该方法既继承了利用能量与模极大值选线方法的优势,又发挥了随机森林的作用,能在模极大值特征不明显时降低误选率。(3)提出了一种以原始零序电流数据集为对象,直接使用随机森林进行故障选线的方法。原始零序电流数据集相比于基于小波包变换的数据集,样本维度升高、信息量增加。为选择最优的分类器,利用训练集对支持向量机、前馈神经网络、决策树、随机森林四种分类器进行训练,在测试集上进行了分类效果的评估,得到了随机森林分类效果相对较好的结论。经测试,以随机森林构建的故障选线方法具有交叉验证时间短、选线准确的特点,不受接地电阻大小、故障点距母线距离远近、故障初始角位置的影响。(4)搭建了一个由“离线训练”和“在线识别”两部分组成的故障选线系统,为机器学习在故障选线领域的应用提供了一种参考方案。(本文来源于《郑州大学》期刊2019-05-01）
赵冶,朱信群,王海良[9]（2019）在《在移动荷载作用下基于小波包变换的桥梁损伤识别》一文中研究指出提出了一种在移动荷载作用下基于小波包能量的桥梁结构损伤识别方法.运用Ansys软件进行不同损伤工况数值模拟,得到不同工况下的不同测点的加速度时程曲线,利用Matlab对不同测点处的加速度时程曲线进行小波包分量能量分析,然后通过损伤指数(DI)识别损伤发生的位置.本文主要研究了不同损伤程度、不同荷载移动速度、不同小波函数、不同的分解层次对损伤识别结果的影响.数值模拟结果表明:该方法对局部损伤具有较强的敏感性,损伤指标具有鲁棒性,可以准确获得损伤的位置.(本文来源于《天津城建大学学报》期刊2019年02期）
武宗方,刘毅力,马龙涛,梁继国[10]（2019）在《基于小波包变换与FFT相结合的电网谐波检测方法》一文中研究指出针对电网中存在的稳态以及暂态谐波污染,提出了小波包变换与快速傅里叶变换相结合的检测方法。通过小波包变换,把系统中的谐波信号分解到各对应的频带当中,依据所得频带的波形来确定谐波扰动发生的起止时刻,并结合快速傅里叶变换突出的幅频分析能力,确定系统谐波的相位、幅值、频率以及谐波的时域信息。通过仿真验证了方法的可行性,同时表明方法可以准确对稳态以及暂态谐波信号中的时频特性进行分析。(本文来源于《电气自动化》期刊2019年02期）
小波包变换论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
爆破振动信号是典型的短时非平稳随机信号。应用多分辨率特点的小波包变换对爆破振动信号进行多层分解,得到信号能量分布的细节信息。根据建立在概率统计基础上的信息熵概念,推导得到爆破振动信号能量熵计算方法。分析了4种类型爆破振动信号的能量熵,熵值由大到小为:隧道爆破、管道爆炸、台阶爆破、塌落振动。结果表明,能量熵能够反映不同类型爆破对振动信号的影响。提出将能量熵作为爆破振动信号的新特征量,为爆破振动信号特征提取、不同爆破类型振动信号识别和爆破振动预测提供一种新思路。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小波包变换论文参考文献
[1].田青林,潘蔚,李瑶,张川,陈雪娇.基于小波包变换和权重光谱角制图的岩心高光谱蚀变信息提取[J].国土资源遥感.2019
[2].王伟,李兴华,陈作彬,范磊,孙飞.基于小波包变换的爆破振动信号能量熵特征分析[J].爆破器材.2019
[3].高升,吴亦农,蒋珍华.基于小波包变换和支持向量机的制冷机动静碰摩故障部位识别研究[J].红外与毫米波学报.2019
[4].闫桢,郝成亮,陈明,杨婷婷,郑磊.基于正交小波包变换的电能质量扰动检测与定位[J].科技创新与应用.2019
[5].徐樊.基于小波包变换的桥梁风荷载数值模拟及动力响应研究[D].沈阳工业大学.2019
[6].杨少波.基于小波包变换的地震动时频特性分析及地震动场模拟[D].沈阳工业大学.2019
[7].谢宝良,胡军国,李烨斐,陈芳,毛国平.基于Fick-小波包变换方法对土壤CO_2浓度时间序列的去噪处理[J].传感技术学报.2019
[8].秦瑜瑞.基于机器学习和小波包变换的故障选线方法研究[D].郑州大学.2019
[9].赵冶,朱信群,王海良.在移动荷载作用下基于小波包变换的桥梁损伤识别[J].天津城建大学学报.2019
[10].武宗方,刘毅力,马龙涛,梁继国.基于小波包变换与FFT相结合的电网谐波检测方法[J].电气自动化.2019
论文知识图
