基于小波包变换的结构损伤特征提取
基于提升小波包和神经网络的结构损伤检测
的不 确定 性 。多传 感器 数据融 合具 有充 分利 用各 个
数 据 源包 含 的冗 余 和互 补 信 息 的优 点 , 可 以提 高 系
统 决 策 的准确 性 和鲁 棒性 [ 1 1 ] 。为 此 , 笔 者 提 出一 种 基 于提升 小波 包变 换特 征融合 和 神经 网络 的机翼 盒 段结 构健 康监 测方 法 。
换[ 7 是一 种不依 赖 于 F o u r i e r 变 换 的小波 构造 方法 , 通过 预 测 和更 新算 子 的最优 设 计 匹 配特 定 的信号 ,
适合 自适应 、 非 线性 变换 。此 外 , 提升小 波 变换计算
速度 快 、 占用 内存 小 等优 点 使 提升 小 波 变换 可 以用 于结 构在线 健康 检测 中。提升 小 波包变 换不 仅继 承
第3 3卷 第 1期
2 0 1 3年 2月
振动 、 测 试 与 诊 断
J o u r n a l o f Vi b r a t i o n, Me a s u r e me n t 8 L Di a g n o s i s
Vo1 . 33 N O. 1 Fe b. 2 01 3
1 损 伤 特 征 量 提 取
当用 一个 含有 丰富频 率成 分 的信号 作 为输入 对
・
国家 自然 科 学 基 金 资 助 项 目( 5 0 8 0 5 1 3 2 ) ; 高 校 博 士 点 基 金 资 助 项 目( 2 O O 8 O 3 3 8 0 0 O ) 收 稿 日期 : 2 0 1 1 — 0 3 — 0 3 ; 修 改稿 收 到 日期 : 2 0 1 1 — 0 5 — 0 7
小波变换特征提取
小波变换特征提取小波变换是一种用于信号分析的数学工具,它在信号处理、图像处理、模式识别等领域中有很广泛的应用。
小波变换具有区间局限性和多分辨率分析的特性,可以有效地提取信号中的特征信息,对于信号分析和识别具有重要意义。
小波变换的基本原理是将信号分解成不同频率的小波分量,从而得到信号在不同频率下的信息。
小波基函数的选择和分解层数会直接影响到得到的小波系数,进而影响到特征提取的效果。
通常,小波基函数可以选择Haar、Daubechies、Symlet等常用的小波基函数。
在小波变换的基础上,可以进行特征提取的处理,常见的方法有:1.小波包变换小波包变换可以根据需求对小波分解的结果进行更细致的调整,以更好地提取信号的特征。
小波包变换将小波系数进一步分解成多个分量,可以得到更多的信息,进而进行更精细的特征提取。
2.小波包能量特征小波包能量特征是通过计算小波包分解后的能量分布来提取特征。
利用小波包变换得到的分解系数,可以计算每一层分解后的能量占比,从而得到信号在不同频率下的能量分布。
可以根据某一频带的能量分布情况来分析信号的特征。
小波包熵特征是通过计算小波包分解后的信息熵来提取特征。
信息熵可以反映信号的复杂度和随机性,小波包熵特征可以提取出信号的随机性和更深层次的特征。
小波变换可以有效地提取信号的特征信息,对于信号分析和识别具有重要意义。
特征提取的方法可以根据信号的特点和需求进行选择,可以选择小波包变换、小波包能量特征、小波包熵特征和小波包峰值特征等方法。
在实际应用中,可以根据具体条件和要求进行选择和优化,以更好地提取信号的特征信息。
基于小波包变换的梁体损伤识别
信号 特性 比直 接采 用小 波包 系数 更能 表现 信号 的原
有特 性 。
任 意 的时间或 空 间域 中分 析信 号 。小 波 分析具 有发
本文 提 出了一 种基 于小 波包 分析 的小 波包 能量
.
国家 自然 科 学 基 金 资 助 项 目 ( 号 :0 7 0 1 ; 育 部 留学 回 国 人员 启 动 基金 资 助 项 目 。 编 5 3 8 2 )教 收稿 日期 :0 41-8 修改稿收到 日期 :0 41— 7 2 0 —10 i 2 0—21 。
性 , 义 了小波 包节 点 能量 , 出采用 节点 能量 表征 定 指
小波 变换是 克 服其他 信号 处理技 术缺 点 的一种 分析 信号 方法 。 小波 由一族 基 函数构 成 , 它可 以描述 信号 时 间( 间) 频率 ( 空 和 尺度 ) 的局 部 特性 。采用 域
小 波分 析最 大 优点 是 可 对信 号 实 施局 部 分 析 , 可在
中的表 现 结 构特 性 的 信息 , 这 些 特性 对 于 损 伤 识 而
别 是尤 为重要 的。 于以上 优 点 , 基 小波 变换 已经 成 为 结 构 损 伤 识 别 中 一 种 很 有 前 途 的 识 别 方 法 。 Ki d t a采 用 小 波 变换 方 法 识 别 了非 线 性 结 构 动 力 a 系统 [ 。 re 7 Gu l ] y和 Kaem 总结 了小 波 变换 在 地震 、 re
是一 种局 部 的方 法 。整体损 伤识 别方 法是 通过 结构 振 动特 性 的变 化来 评 价 结构 的健 康情 况 , 有将 这 只 两 种方法 有 效 结合 起 来 , 能准 确 评价 复 杂 结构 的 才 健康状 况 口 ]传统 的模 态参 数频 率和 振 型不能 准确 。
基于小波包频带能量检测技术的结构损伤诊断
的信 息.以悬 臂梁为实验对象 , 不同损伤程度下 的振动信号进行小 波去噪后 , 对 通过 4尺度小波包分解和重构 , 得 到 了其能量谱图.实验结果表 明 : 损伤程度不同 , 小波包能量谱 图明显 不同.因此可将敏感频带的能量值作 为损 伤 程度的特征值进行损伤诊断. [ 关键 词] 小波包 ; 振动信号 ; 分解与重构 ; 损伤诊断
r n o tme fe u n yr s lto s a d m i —r q e c e ou i n ,wh l h n r y c a g so i asa a o s ̄e u n y b nd o ti ie te e e g h n e fsg l tv r u n i q e c a sc na n i h i f r t h tma e us d i a g ig ss rc n o a in t a y b e n d ma e d a o i . A ee tn e h i u a e n wa e e a k t m o n d t ci g tc n q e b s d o v ltp c e
[ 中图分 类号] T 2 6 0 2 ;P 7 P 0 ;3 9 T 2 4 [ 文献标 识码] A [ 文章 编号] 10 9 6 2 0 )5— 4 1— 4 00— 95(07 0 03 0
Da a e d a n ss o t uc ur s d o v l tpa k t f e ue y m g i g o i fs r t d t c i g t c no o y a ne g e e tn e h l g
 ̄ q ec a de eg n l i cm ie i x e m n sg e .T eep r e t bets ate e un yb n n r a ay s o bn dwt ep r e  ̄i i n h xe m na o jc i acni — y s h i v i l l
基于小波包分析的结构损伤预警方法研究
() £为具有尺度指标 J位 ,
蔡 正东 (9 2 ) 男 , 士 , 理工 程 师 , 要 研究 领 域 为 桥 梁 结 构 分 析与 控 制 18 一 : 硕 助 主
第 1期
蔡 正 东 , : 于 小 波 包 分 析 的 结 构 损 伤 预 警 方 法 研 究 等 基
・17 ・ 2
E3 , 一0 1 … , ) 则 有 ( ,, 7 ,
出了结构 实ห้องสมุดไป่ตู้时损伤 预 警 的判 据 , 过 计算 机 仿 真 通
证 实 了该 方法 的 可行 性 , 证 明该 方 法对 损 伤 更 并
2 系统 能 量 特 征 向量 的提 取
据前 分析 , 设 厂 为健 康 监测 系统 实 时监 假 () 测 的信号 , 对其进 行 3 小 波包分 解 , 层 分解 为
量 特 征 向 量对 损 伤 更 加 敏 感 . 关 键 词 : 波 包 分 析 ; 伤 预 警 ; 点 能 量 小 损 节 中 图 法 分 类 号 : 4 . U4 6 3 D I1 . 93ji n 10 —8 32 1. 1 0 1 O : 0 3 6 / s . 0 62 2 . 0 0 0 . 3 . s
Vo1 4 N O .3 .1 Fe b. 2 0 01
基 于小 波包 分 析 的结 构 损 伤 预警 方法 研 究
蔡 正 东D 张谢 东
( 中铁 大 桥 局 集 团 武 汉 桥 梁科 学 研 究 院有 限 公 司 ” 武 汉 4 0 3 ) ( 汉 理 工 大 学 交 通 学 院 3 0 4 武 武汉 406) 30 3
曲率模态和小波包变换在结构损伤识别中的应用
化 率偏差 和方 差重新 定 义结 构 健康 检 测 损 伤指 标 。通 过对 一矩 形 简 支梁 结 构 数 值 模 拟 分 析表 明 , 文 给 出 本 的结构 的损伤 位置 识别 的方法 是有效 的。
1 小 波 包 变 换
小波 包分 析是从 小波 分 析 延伸 出来 的一 种对 信 号 进行 更加 细致 的分 析与 重构 的方 法 。小 波包 函数 通 常 用 表示 ,, 别 表示 小波 包 函数 的调 幅 , 度和 平 分 尺
象 。F ui 变换 的不 足 在 于难 于准 确 分 析 高 频 模 态 , or r e
‘) ∑ (2 ( = £ () t 一 ) /
√
1
() 2 () 3
—O O+∞ 来自因而不能 有效评 价损 伤特 性 。利 用合 理 的小波 变 换 和 小 波包变 换能 克 服 这 一不 足 , 现对 非 稳 态 信 号 的 时 实 频 有效 分析 。运用小 波分 析 还 可 以发 现其 它 信 号分 析 方法不 能 找 到 隐 藏 数 据 之 中 的表 征 结 构 特 性 的信
移参 数 , 表达式 为 其
() =2 t ( ’ —k 2t ) () 1
位置 , 而是通 过 Fui 分 析 和 数值 积 分 得 到结 构 的频 orr e 域 信息 , 然后 构造 出各 种 损 伤 指 标 , 固有 频 率 法 、 如 结 构 模态法 、 曲率 模 态 法 等 指标 。这 些 不 同 的损 伤 指 标
一
( = ∑g ) t 一 ) £ ) ( ( 2 /
√ —O O
其 中 表 示小 波母 函数 , k 和 g k 分 别 是 离 散滤 ( ) ()
息 。文献 [ ] 3 利用 小 波 变换 识 别 了三 层 钢 筋 混凝 土框 架损 伤情 况 , 过 数 值 模 拟说 明 了小 波 变 换 在 结 构 地 通 震损 伤识别 中的应 用方 法 。 由于小 波 包 通 常 由小 波 函
基于小波包变换的支持向量机损伤诊断方法
第2 8卷第 2 期
20 0 8年 6月
振 动 、 试 与诊 断 测
J u n lo b a in, e s r me t8 a n ss o r a fVir t o M a u e n L Dig o i
V o1 8 N o.2 .2
学 习以及训 练 时需要 大量 的学 习样本 等缺 陷 。 由于 其 出色 的 学习性 能 , 已在 很 多领 域得 到 了成 功 的应 用 [。 1 结构 发生 损伤后 , ] 引起 固有 频率 、 型 、 振 阻尼 等 模态 参数 发生 变化 , 检测 相关 的加速 度 、 动频 率 等 振 响应 信号 , 中包含 有非平 稳成 分 , 些非 平稳 成分 其 这
机器 学 习算法 。该 算法通 过寻求 结 构风 险最小 化来 实 现实 际 风险 最 小化 , 而达 到 在样 本 量 较 少 的情 从
况下, 也能 获得 很 好 的学 习效果 , 克服 了 过 学 习 、 欠
1 小 波 包 分 解 及 其 频 带 能 量 r 。 ]
1 1 小 波 包 分 解 .
Jn 2 0 u. 08
基 于 小 波包 变 换 的支 持 向量 机 损伤 诊 断 方法
赵 学风 段 晨 东 刘 义艳 韩 曼
( 西安 交 通 大 学 电气 工 程 学 院 西 安 , 10 9 7 04 ) ( 长安 大 学 建工 学 院 西 安 ,1 0 1 70 6 )
摘 要 针 对 结 构 损 伤 识 别 中 缺 少 实 际 损 伤 样 本 的 问 题 , 出 基 于 小 波 包 特 征 提 取 的 支 持 向 量 机 结 构 损 伤 诊 断 方 提
在 多分辨分析 中, 正交分解为 川 = 0 ,
使用小波变换进行图像特征提取的方法与实践
使用小波变换进行图像特征提取的方法与实践图像特征提取是计算机视觉领域的重要研究方向之一,它可以从图像中提取出具有代表性的特征,用于图像分类、目标识别等任务。
而小波变换作为一种有效的信号分析工具,也被广泛应用于图像处理中的特征提取任务。
本文将介绍使用小波变换进行图像特征提取的方法与实践。
首先,我们需要了解小波变换的基本原理。
小波变换是一种基于信号的频率分析方法,它能够将信号分解成不同频率的成分。
与傅里叶变换相比,小波变换具有更好的时频局部性,能够更准确地描述信号的时域和频域特征。
在图像处理中,我们可以将图像看作是二维信号,通过对图像进行小波变换,可以得到图像在不同频率和尺度上的特征信息。
在实际应用中,我们通常使用离散小波变换(DWT)进行图像特征提取。
离散小波变换将图像分解为低频和高频部分,其中低频部分包含了图像的大致轮廓和整体结构,而高频部分则包含了图像的细节信息。
通过对高频部分进行进一步分解,我们可以获取到更细节的特征信息。
因此,离散小波变换可以帮助我们从宏观和微观两个层面上对图像进行特征提取。
在实践中,我们通常采用小波包变换(DWP)进行图像特征提取。
小波包变换是对离散小波变换的扩展,它能够更细致地分解图像,提取出更多的特征信息。
小波包变换通过对图像进行多层分解,得到一系列的小波包系数。
这些小波包系数代表了图像在不同频率和尺度上的特征,可以用于图像分类、目标识别等任务。
在进行小波包变换之后,我们需要对小波包系数进行特征选择。
由于小波包变换得到的小波包系数数量庞大,其中很多系数对图像的特征描述作用较小。
因此,我们需要通过特征选择算法来选取出最具代表性的特征。
常用的特征选择算法包括主成分分析(PCA)、线性判别分析(LDA)等。
这些算法能够通过降维的方式,选取出最具代表性的特征,提高图像分类和目标识别的准确率。
除了特征选择外,我们还可以通过特征提取算法来进一步提取图像的高级特征。
常用的特征提取算法包括局部二值模式(LBP)、方向梯度直方图(HOG)等。
基于小波包指纹空间分析的结构损伤评估方法研究
摘 要 :提出了基于小波包指纹空间分析的结构损伤评估方法, 通过从结构测试信号中提取小波包指纹并以其平
方 比空 间曲率指标的变化为依据达 到对 结构损伤 的无模 型定 位。文章并 通过一 简支梁 的数值算例 验证 了该 方法 的可行
性, 算例结果表 明此指标 能对结构 中存在 的一处或 多处 损伤进行 精确 地定位 , 同时它们 也具有 较好 的抗噪能 力 , 3 d 在 0B 噪声干扰下仍 能有效定位损伤 。最后通过一 简支梁损伤评估试 验验证了该方法在结构损伤定位上 的准 确性 和可行性。 关键词 :小 波包 指纹 ; 伤评 估 ; 间分 析 ; 噪性 损 空 抗
组成 ,
6
年来 的研 究 , 伤评估 技 术 已经得 到 了很 大 的 发展 , 损 提 出 了一些诸 如 基 于 结 构模 态 参 数 及 其 导 出 量 、 于 结 基 构柔 度 J基 于 概 率 统计 理 论 等 的识 别 方 法 。但 这 些 、 指标 普遍 存 在 对 损 伤 敏 感 度 低 、 噪性 差 等 缺 点 。小 抗 波包 指纹 是 近 年来 新 发 展 出 的 一 种 结 构 状 态 指 标 , 由 于其 具有对 损 伤 敏感 度 高 同 时 抗 噪 性 优 良等 优 点 , 受
评 估得 到 了科研 和工 程 技术 人 员 的广 泛 关 注 。经 过 近
(= I f 1 l )a
移 因子 。
( 2 )
称作 分析 小波 , 中 实数 a 式 ,b分 别称 为 尺 度 因子 和平
对于时域可积信号_ t , 厂 )其连续小波变换定义为 : (
( = ) )/ , =
振
动
与
冲
击
第2 7卷第 1 期 1
基于小波包分析的结构损伤识别研究进展
20 1 年 2 月 1
公 路 工 程
H ih y En i e rn g wa g n e i g
Vo . 6,No 1 13 . Fe b. , 20 11
基 于 小 波 包 分 析 的 结 构 损 伤 识 别 研 究 进 展
要 ]小 波 包 分 析 是 对 小 波 分 析 中没 有 细 分 的高 频 部 分 进 行 进 一 步 分 解 , 一 种 更 为 精 细 的 时 频 分 解 方 是
法 , 实 现 对 非 稳 定 信 号 的 时 频 分 析 。首 先 阐述 了结 构 损 伤 的 小 波 分 析 和 小 波 包 分 析 的 基 本 理 论 , 后 主 要 围 绕 可 然 小 波包 能 量谱 损 伤指 标 , 别 对 其 在 结 构 损 伤 的定 位 、 小 损 伤 识 别 、 线 健 康 监 测 和 预 警 、 料 缺 陷 检测 、 值 积 分 微 在 材 数 分 计算 误 差 消 除 等方 面 的试 验 研 究 和应 用 情 况 进 行 了全 面 介 绍 , 后 指 出 了结 构 损 伤 识 别 的 小 波 包sa d wa ee a k ta ay i ,t e e te o v l tp c e n r y s e tu d m te fwa ee nay i n v l tp c e n lss h n c n r n wa ee a k te eg p c r m a -
肖本 林 ,郑 建 强 邓 友 生 ,
(. 1 中南 大学 信 息物 理工 程 学 院 ,湖 南 长 沙 4 0 8 ; 2 湖 北 工 业 大 学 土 木 工 程 与 建 筑 学 院 ,湖 北 武 汉 10 3 . 408 ) 10 2 4 06 ; 3 湖 南 大 学 土 木 工 程 学 院 , 南 长 沙 308 . 湖 【 摘
基于小波变换的一维数据中的特征部位提取算法
基于小波变换的一维数据中的特征部位提取算法摘要:介绍了基于小波变换的图像分解与重构,小波变换具有时—频局部化的特点,因此不能对图像提供较精确的时域定位,也能提供较精确的频域定位。
基于小波变换的这些特性,对图像进行变换,例如图像的增强,图像的特征部位的提取。
研究结果表明,基于小波变换的图像处理的特征部位的提取具有理想的效果。
关键词:小波分析,图像处理,特征部位的提取一、小波的基本知识1、小波的发展历史及现状小波理论是傅里叶分析的重要发展,1807年J. Fourier 提出Fourier 级数,1946年,Gabor 提出了Gabor 变换;稍后Gabor 变换发展为窗口傅里叶变换,20世纪80年代初,一些科学家开始使用小波,1986年Y . Meyer 第一次构造出正交小波基。
从数学的角度看,小波实际上是在特定的空间内按照称之为小波的基函数对数学表达式的展开与逼近。
经典的小波理论尽管在90年代初期已经显得非常完善,但在实际应用中仍然存在许多缺陷。
1995年,Sweldens 提出了通过矩阵的提升格式(lifting scheme)来研究完全重构滤波器,从而建立了称之为第二代小波变换的框架体系。
1999年,Kingsbury 等提出了复小波变换,1999年,Candes 与Donoho 提出了脊波(ridgelet)和曲波(curvelet)。
2002年,Donoho 和M. Vetterli 提出了轮廓波(contourlet)。
2005年,Le Pennec 和Mallat 提出了Bandlet 。
2005年,D. Labate 等提出了shearlet 。
2.小波的特点和发展小波变换的具有如下3个特点:1、小波变换,既有频率分析的性质,又能表现发生的时间。
有利于分析确定时间发生的现象(傅里叶变换只具有频率分析的性质)。
2、小波变换的多分辨度的变换,有利于各分辨度不同特征不同特征的提取(图像的压缩、边缘抽取、噪声过滤等)。
基于小波变换的特征提取方法分析
基于小波变换的特征提取方法分析首先,从基本原理上讲,小波变换是一种将信号从时域转换到频域的方法。
与传统的傅里叶变换不同,小波变换不仅可以提供频域信息,还可以提供时域信息。
它通过对信号进行多尺度分析,将信号分解为不同频率的小波子项,再对每个小波子项进行进一步的分解,直到达到所需的尺度。
这样可以将信号的频域和时域特征同时提取出来。
小波变换具有一些特点和优势。
首先,小波变换具有局部性,即在时域上对信号的其中一局部进行分析。
这使得小波变换能够更准确地捕捉信号的瞬态特征。
其次,小波变换具有多尺度分辨率,可以适应不同频率的信号。
它能够精确地分解信号的不同频率成分,进而提取出更多的频域信息。
此外,小波变换还具有平移不变性,即对于信号的平移不敏感。
这使得小波变换具有较好的时移不变性,可以更好地应对信号中存在的时间偏移。
基于小波变换的特征提取方法主要有以下几种。
第一种是基于小波包变换的特征提取方法。
小波包变换是小波变换的一种扩展形式,能够将信号进一步分解为更小的子带。
通过对小波包系数的统计特征进行提取,如均值、方差等,可以获得一组反映信号频域特征的特征向量。
第二种是基于小波能量谱的特征提取方法。
通过计算不同尺度小波变换系数的能量,可以得到信号在不同尺度上的频域特征。
第三种是基于小波熵的特征提取方法。
小波熵是一种量化信号中的不确定性和复杂性的指标,可以反映信号的时域和频域特征。
通过计算小波熵和其它相关指标,可以提取出信号的时频特征。
基于小波变换的特征提取方法在各个领域都有广泛的应用。
例如,在语音信号处理中,可以利用小波变换提取语谱图,用于语音识别和语音合成。
在图像处理中,可以利用小波变换提取图像的纹理特征,用于图像分类和图像检索。
在生物医学信号处理中,可以利用小波变换提取脑电图和心电图的时频特征,用于疾病诊断和治疗。
综上所述,基于小波变换的特征提取方法是一种强大的信号处理工具,能够同时提取信号的频域和时域特征。
它具有局部性、多尺度分辨率和平移不变性等特点,适用于各种领域的特征提取和信号分析任务。
如何利用小波变换进行图像特征提取
如何利用小波变换进行图像特征提取引言:图像特征提取是计算机视觉领域中的重要任务之一,它可以帮助我们从图像中提取出有用的信息。
小波变换作为一种强大的信号处理工具,被广泛应用于图像特征提取中。
本文将介绍小波变换的原理及其在图像特征提取中的应用。
一、小波变换的原理小波变换是一种时频分析方法,它可以将信号分解成不同尺度和频率的子信号。
小波变换的核心是小波函数,它具有时域和频域的双重特性。
通过对信号进行小波变换,我们可以得到信号在不同尺度和频率上的分量,从而实现对信号的分析和处理。
二、小波变换在图像特征提取中的应用1. 边缘检测边缘是图像中重要的特征之一,它可以帮助我们理解图像的结构和形状。
小波变换可以通过对图像进行高频分析,提取出图像中的边缘信息。
通过对小波变换的高频分量进行阈值处理,我们可以得到图像中的边缘信息。
2. 纹理分析纹理是图像中的一种重要特征,它可以帮助我们识别和分类不同的物体。
小波变换可以通过对图像进行多尺度分析,提取出图像中的纹理信息。
通过对小波变换的低频分量进行统计分析,我们可以得到图像中的纹理特征。
3. 物体识别物体识别是图像处理中的一项重要任务,它可以帮助我们识别和分类不同的物体。
小波变换可以通过对图像进行多尺度和多方向分析,提取出图像中的物体信息。
通过对小波变换的多尺度和多方向分量进行特征提取,我们可以得到图像中的物体特征。
三、小波变换的优势和挑战1. 优势小波变换具有多尺度和多方向分析的能力,可以提取出图像中的丰富信息。
同时,小波变换还具有良好的局部性和时频局部化特性,可以更好地适应图像的局部特征。
2. 挑战小波变换的计算复杂度较高,需要大量的计算资源和时间。
同时,小波变换对信号的平稳性和周期性有一定的要求,对于非平稳和非周期信号的处理效果可能较差。
结论:小波变换作为一种强大的信号处理工具,在图像特征提取中具有广泛的应用前景。
通过对图像进行小波变换,我们可以提取出图像中的边缘、纹理和物体等重要特征,从而实现对图像的分析和处理。
损伤识别系统中小波包信号特征量的提取
第2 7卷 第 2 期 20 06年 4月
河 南 科 技 大 学 学 报 :自 然 科 学 版
J u a o n n U ies y o ce c n e h oo y: au a ce c o r l fHe a nv r t fS i e a d T c n lg N tr l in e n i n S
0 前 言
及 时评估识 别 大型结 构 的损伤 和损 伤程 度 , 计 结构 的剩余 寿命 , 估 已经成 为工 程界 和政 治家 们共 同
关 注 的重要研究 课题 。神 经 网络独 特 的非线 性 映射 能力 , 其 特 别适 合 应用 于损 伤 识 别研 究 … 。神 经 使 网络技 术是一 种广 泛应用 于各个领 域 的成熟 技术 , 还存 在 学 习速 度 慢等 缺 陷。 由于 网络对 损 伤 的敏 但 感性 不是很 高 , 利用 小波 包能 量谱 分析技 术对 结构 的微 小 损 伤敏 感 度高 的特 点 , 高 了损 伤 识 别精 度 。 提 将小 波分 析和神 经 网络 相 结 合 进 行 信 号 处 理 与 分 析 _ , 近 年探 索 克服 神 经 网络 缺 陷 的研 究 方 向 之 2 是 J
边 简支 板 表面 。
图 1 埋 入 光 纤 光栅 传 感 阵 列 的 复 合 方 板 试 件
长 , 成正方 形埋 入试 件 中 心 。电 阻应 变 片 ( S ,S , S ,S ) 位 置 分 别 与光 纤 光 栅 一 致 , 贴 在 4 组 S 1S2 S3s4 的 粘 本文采 用 的结构 损伤 识别 模型 为多层 前馈 神 经 网络模 型 , 它是一种 层 状结 构 的神 经 网络 , 由输 入 它
层 、 出层 及一 个或 多个 隐含层 组成 _ 。 输 1 J
基于小波分析的结构损伤检测
基于小波分析的结构损伤检测
文 章 编 号 :0 6—15 (0 6 0 0 4 0 10 3 分 析 的结构 损 伤 检 测
王步 宇
( 江 大学 建工 学院 , 州 107 浙 杭 I 02 ) 3
c tsta t a d a tg so en i p o fa i t n h f cie eso a g d nic t n h — ae h t sa v na e f h os r o bly a dteef t n s f ma eie t iai .T ei ih t e i e v d f o d nic t n a c rc f h a ee e rln t ok i b t rta h rdt n lB ewok e t ai c u a yo ew v ltn ua ew r s et h n t et i o a P n t r . i f o t e a i Ke r s vb ain a d w v ; a ee a s r ;a g ee t n; v ltn u a n t r y wo d :irt n a e w v ltt nf m d ma ed tci wa ee e rl ewok;src o r o o tu —
W NG 廖M y A —u
( rht tr nier gIstt o hj n nvri ,H nzo 107 C ia Acicua E g ei tue f ei gU iesy aghu30 2 ,hn ) e l n n ni Z a t
Ab t a t D n mi a h r ce it f h a g t c u e i l c l i sr c : y a c l a a t r i o e d ma e sr t r S o a t c sc t u me—v r n .W a ee r n fr ai t a v lt a so m t c n sg i h e alo i n li i e in a d fe u n y r go .T e w v ltp c e e h i u a o a in f t e d t i f g a n t y s mer g o n r q e c e in h a ee a k ttc n q e c n f — C S o a h p i t f in l t l r b e wid w.S t a k f c u l n ls o n n i e rd n mia H n e c on g a h at a l n o o s wi e o i c n ma eef t a ay e t o l a y a c l e a n
基于小波包分析的特征参数提取
1 新 特征 参数 的提 取 . 2
小波变换被称为数学的显微镜 , J 具有分辨率 可变 、 实现简单和无平稳性要求等诸多优点 , 它通 过有限个基函数在尺度 一频率域上对信号进行分 析, 在控制分辨率的同时 , 保留了时域信息 , 因此 在时变信号的处理上受到了极大关注. 并且小波 变换在各分析频段的恒 Q 品质因数) ( 特性 与人耳听 觉对信号的加工特点相一致 , 这一良好的特性为利 用小波变换提取语音特征参数奠定了基础. 小波变换中的多分辨分析其最终 目的是力求 构造一个在频率上 高度逼近 ( ) 间的正交小 尺空
文章编 号 : 0 — 12( 0 7) 1 0 10 1 15 3 2 0 0 — 5 .4 0 0
基于小波包分析 的特征参数提取
胡 文 吉 ,王 让 定
( 宁波大学 纵横智能软件研究所,浙江 宁波 35 1 ) 121
摘要 :在分析 MF C提取原理的基础上 ,结合 小波包分析理论 ,得到新的特征参数. 出了一 C 提 种新的特征参数提取方法,用动态时间规整法 ,分别测试 了 MF C的/  ̄率和新的特征参数的 C yl ,】
出与 ME L滤波 器组频 带 相一致 的范 围 内的 小波包
ห้องสมุดไป่ตู้
系数. 新的特征参数的提取计算可由图 2 表示.
图 2 新 参 数 的计 算过 程
( 1 )对输入的语音信号进行预处理.
图 1 MF C计 算 过 程 C
预加重 : 用以提升高频部分 , 使信号的频谱变 得平坦 , 预加重通常使用一阶数字滤波器实现 , 即
维普资讯
5 2
宁波大学学报 ( 理工版 )
如何使用小波变换进行信号特征提取
如何使用小波变换进行信号特征提取信号特征提取是信号处理领域中的一个重要任务,它可以帮助我们从复杂的信号中提取出有用的信息。
而小波变换作为一种有效的信号分析工具,被广泛应用于信号特征提取中。
本文将介绍如何使用小波变换进行信号特征提取,并探讨其在实际应用中的优势和限制。
一、小波变换简介小波变换是一种时频分析方法,它可以将信号分解成不同尺度和频率的小波系数。
与傅里叶变换相比,小波变换具有更好的时域和频域局部性。
小波变换通过对信号进行连续或离散的小波分解,得到小波系数,从而实现信号的特征提取和分析。
二、小波变换的优势1. 多分辨率分析能力:小波变换可以将信号分解成不同尺度的小波系数,从而提供了多尺度的信号分析能力。
这使得小波变换在处理具有不同频率成分的信号时具有更好的适应性。
2. 时域和频域局部性:小波变换具有时域和频域局部性,能够更好地捕捉信号的瞬态特征和局部频率变化。
这使得小波变换在处理非平稳信号时具有优势,例如生物信号、地震信号等。
3. 信息压缩能力:小波变换可以通过对小波系数的阈值处理,实现信号的信息压缩。
这对于存储和传输大量信号数据时非常有用,可以减少数据量并保留重要的特征信息。
三、小波变换的应用小波变换在信号特征提取中有广泛的应用,下面以几个具体的应用领域为例进行介绍。
1. 生物医学信号处理:小波变换可以用于生物医学信号的特征提取,如心电图(ECG)信号的QRS波群检测、脑电图(EEG)信号的睡眠分期等。
通过对小波系数的分析,可以提取出与特定疾病或状态相关的特征,为医学诊断和监测提供支持。
2. 图像处理:小波变换可以用于图像的特征提取和压缩。
通过对图像的小波分解,可以提取出不同尺度和方向的纹理特征,用于图像分类、目标检测等任务。
同时,小波变换还可以实现图像的压缩编码,减少图像数据的存储和传输量。
3. 振动信号分析:小波变换可以用于振动信号的故障诊断和预测。
通过对振动信号进行小波分解,可以提取出与故障特征相关的频率成分和能量分布,从而实现对机械设备的故障检测和健康状态评估。
基于小波包能量变异极值指数的结构损伤识别及实验研究
l2 5
四川建 筑
第3 0卷 4期
2 1 .8 0 0 0
瓣
为不 同频率段 的输 入信 号受 到增强 或抑制 作用 。当一个 含
《
有丰 富频率成分的信号作为输入对结 构进行激励 时 , 由于损
伤 的原 因, 一些频率成 分被 抑制 , 而另一些 频率成分 被增强 , 因此结构的输 出与完好时相 比, 同一 频带的信号 能量会有 差
一
设原始信号 , t 的小波包系数为 c 其解 由下式求得 : ()
・
些学者陆续提 出 了曲率 模态 法 … 一 柔 度矩 阵法 卜 [ 、
+ ∞
c
,
等方 法 , 这些方法往往依赖于对振型和频率 等模态参 数的测 试, 其过程需要人为参与 , 这不仅加 大 了损伤定 位的误差 , 而 且不 符合桥梁 预警 系统对损 伤定 位 自动化 的要求 。 近年来 , 随着小波分 析方 法 的发 展 , 基于结 构动 力响 应 的小 波分析 和小波包 分析 进行结 构损 伤预警 和损伤 识别 开 始得 到研究 卜” 。。对 损伤定 位指 标定 位效果 的验 证过 程 中, 目前 的研究成果 多为数值模 拟研究 , 缺乏动力试 验验证 。 针对 以上问题 , 文提 出了基 于对桥 梁动力响应 的小 波包能 本 量变异极值指数的损伤定位方法 , 通过简支梁 的动力试验 并 验证 了其灵敏性。
别。 由此可知 , 在各频率成分信号 的能量中包含着 非常丰 富
的桥梁结 构损 伤信息 。小 波包 分析 的作用 就在 于能将 信号 分解 到不 同频带 , 并通过提取各频带信号 的能量值组 成特征 参数组 , 反映小波损伤的特征 。 在小波包分析 中, 选取各个频带 内信 号的平方 和作为能
基于小波包能量累积变异的梁桥损伤识别试验
中图分类号 U4 5 7 4 .
损 伤识别
试 验 研 究 小 波 包 能 量 累 积 变 异 指 标
和作 为 能量 的标 志
M
性 。针对 小波 分析 技术 在信 号 处理 和数 据分 析领 域
E 一 >: ( ) I 志I
一
() 1
】
的 优势 , 例说 明 了小 波 分 析在 桥 梁 健 康监 测 中 的 举
应用 。王振林 等D] 出 了一种基 于 小波 包组 分能 量 o 提
第 3 卷第 1 1 期
21 0 1年 2月
振 动 、 试 与 诊 断 测
J u n lo b a in, e s r m e t& Dig o i o r a fVi r t o M aue n a n ss
V o .3 O.1 1 1N Fe b. 2 011
基 于 小 波 包 能 量 累 积 变 异 的梁 桥 损 伤 识 别 试 验 。
行健 康诊 断 。郭健 等 [通 过分 析 桥梁 健康 监 测 中 的 9 几 个关 键 性 问题 , 阐述 了测试 数 据 分 析 处理 的重 要
带 信 号 的能 量 值 组成 特 征 参 数组 , 映结 构 损 伤 的 反
特 征 。
在 小 波 包 分 析 中 , 取 各 个 频带 内信 号 的平 方 选
其 中: E 为各 个 频 带 内 的能 量 ; 为该 子 空 间样 本 M 的长 度 ; ( ) 为第 i 分 解节点 上 的结 构动 力 响应 。 层 原 始 信 号 的 总 能 量 等 于 各 频 带 信 号 的 能 量 值
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
978-1-4244-9945-8/10/$26.00 ©2010 IEEE
164
PACIIA2010
频带的信号相互独立,无冗余,不疏漏,小波包分解遵 循能量守恒原理。正交小波包分解可表示为
幅值 A
2 0 -2
c 2 n (t ) = 21 / 2 ∑ h(k )c n (2t − k ) k∈Z (1) 1/ 2 c ( t ) = 2 g (k )c n (2t − k ) ∑ 2 n +1 k∈Z 式中: h ( k ) 和 g ( k ) 分别为高通滤波器和低通滤波器,
(c) Db20 小波包分解 图 2 信号的小波包能量监测
通过图 1(c)与图 2 的比较得到以下结论: (1)不同
165
支撑区间的 Daubechies 小波,支撑区间越大,小波的正交 性越好,提取的损伤特征越显著; (2)选用 Battle-Lemarie 小波作为小波基函数其正交性尤为突出,使得分解频带交 叠小、能量泄漏少、无冗余,更好的浓缩了监测诊断信息。 3.2 幅值变化与小波包能量分布的关系 改变式(6)信号中频率分量的幅值,仿真信号为
信号进行再分解,在不同的层次上对各种频率作不同的分
1.引言
结构发生损伤时,结构的刚度发生了变化,结构动力 特性(特征频率、振型曲线、传递函数等)也相应的发生 了变化,其振动信号包含有丰富的损伤信息,通过信号处 理方法可以有效地提取早期微弱结构损伤的特征,提高损 伤诊断信息的质量,从而提高损伤预示的准确性与可靠性
E( x k ,m (i )) =
对式(6)采用 Db4、Db12、和 Db20 小波进行小 波包分解, 同样分解到 3 尺度, 能量分布图如图 2 所示。
1 相 对 0.6 能 0.4 量 0.2 0 0.8
1
2
3
3. 仿真实例 小波包变换可以把信号分解在任意精细的频带上, 在这些频带上作能量统计,分解频带能量能够描述该信 号每个分量的能量分配关系。
y (t ) 的 3 尺度能量分解
ϕ (t ) 和小波基函数ψ (t ) ,因此,函数系 {cn ( t )} 称为由
基函数 c0 (t ) 确定的正交小波包。 设原始信号 x ( t ) 的数据长度为 N ,则分解频带中 离散信号 x k , m (i ) 的数据长度缩减为 2 表示为[7]
−k
当 n = 0 时, c0 (t ) 和 c1 (t ) 分别退化为尺度函数
进行损伤诊断的基础。传统的信号处理方法难以有效地提 取信号损伤特征,小波分析是一种全新的时频分析方法, 对非平稳信号具有宽频响应的特点, 在低频处有较高的频 率分辨率, 在高频处有较高的时间分辨率, 适合分析非平 稳信号[3,4]而小波包变换对小波变换中没有分解的高频段
2. 小波包变换 小波包变换把小波变换中没有细分的高频部分作 进一步分解,提高信号通频带的频率分辨率,因此,基 于正交小波基函数的小波包分解可对信号在全频带内 进行正交分解[6],它同时可以在低频和高频部分进行分 解,自适应地确定信号在不同频段上的分辨率,各分解
(c) 信号的相对能量分布 图 3 信号的小波包能量监测
用Battle-Lemarie小波对传感器采集的加速度振动信 号分别进行七层小波包分解, 共128个频带, 频带宽度约为 3.91Hz, 经计算95%以上的小波包能量都分布在100Hz以下 的频带内,因此,分析时取小波包分解的前16个分量作为 信号的主要成分。 图5为不同损伤工况的小波包频带相对能 量分布图。
−k
N, 它的能量可
4 6 5 小波包序号
7
8
(c) 信号的相对能量分布 图1 信号的小波包能量监测
2 N 1 (2) ( x k , m (i )) 2 ∑ −k 2 N − 1 i =1 式中: k 表示分解次数, m =0, 1, 2, L , 2 k − 1 ,表示 分解频带的位置序号。 第 m 频带分解信号的相对能量为 E( x k ,m (i )) Em = (3) E( x(t )) 式中: E( x(t )) 为总能量之和。
7.5
8.75 10
35 31 26
(b) 小波包对信号
1 0.8 相 对 0.6 能 量 0.4 0.2 0 1 2 3
y (t ) 的 3 尺度能量分解
检测节点
17 13 8 4 Y 6
15
11 基层 X
2
(b) 节点的编号及检测节点分布
4 6 7 5 小波包序号 8
图 4 结构模型柱子的标注、节点编号及检测节点分布图解
基于小波包变换 基于小波包变换的结构损伤特征提取 变换的结构损伤特征提取
刘义艳,巨永锋,栾亚群,范广露
长安大学电子与控制工程学院,西安 710064
摘 要 为提取出足够多的响应信息和追求足够高的信号损伤敏感度, 从结构损伤特征提取的角度出发, 研究了基于小 波包变换的结构损伤特征提取方法。采用正交小波包对ASCE结构的响应信号进行分解,并计算每个频带上的相对能量来表 征结构的状态。研究表明: Battle-Lemarie小波正交性尤为突出,分解频带交叠小、能量泄漏少、无冗余,更好的浓缩了损 伤信息;通过监测损伤前后信号的小波包能量相对分布,可以确定损伤是否发生;对于相同的损伤,在不同节点处测量信号 的小波包能量分布是不同的; 不同类型的损伤小波包能量分布有显著的差异; 小波包变换为信号处理和特征提取提供一种更 加精细的分析方法。 关键词 小波包变换;损伤特征提取;相对能量分布;Battle-Lemarie小波
幅值 A 2 0 -2
0
10
20
30 时间 t/s
40
50
柱子
节点
斜支撑
(a) 实验信号
幅值 A 5 0 -5
y (t )
检测节点
(a)
44
结构部件标注
第四层楼板 42 40 38 第三层 第三层楼板 33 29 第二层 24 20 第一层 第一层楼板 第二层楼板
0
1.25
2.5
3.75 5 6.25 频带 f/Hz
3.1 正交小波函数的选择
4 6 5 小波包序号
7
8
(a)
1 0.8 相 0.6 对 能 0.4 量 0.2 0 1 2
Db4 小波包分解
设一仿真信号为
y (t ) = sin(2 πt ) + sin(8πt ) + sin(18πt )
(4)
3
采样频率为 20Hz,数据长度为 1024。 以 Battle-Lemarie 小波为小波基函数,对该信号进 行 3 尺度小波包分解,分解结果如图 1 所示。每个小波 包频带宽度为 1.25Hz,小波包 1、4 和 8 分别对应频带 的频率是:0~1.25Hz、3.75~5Hz 和 8.75Hz~10Hz。 显 然 仿 真 信 号 y (t ) 的 3 个 频 率 分 量 f 1 = 1 Hz 、
Y.-Y. Liu, Y.-F. Ju, Y.-Q.Luan, G.-L.Fan School of Electronic and Control Engineering, Chang’an University, Xi’an 710064(E-mail:liuyiyan04@) Abstract—To extract enough response information and in pursuit of a higher damage sensitivity, the wavelet packet analysis methods of damage feature extraction are developed. The response signals of the ASCE benchmark structure are processed by using orthogonal wavelet packet transform, then wavelet package energy (WPE) on decomposition frequency bands are calculated to represent the structure condition. The result indicated that, Battle-Lemarie has good orthogonal characteristic, both frequency bands are few overlapped, less leakage of energy, without redundancy, can concentrate the damage information better. By comparing the wavelet packet relative energy distribution before and after damage can determine whether the damage occurred; for the same damage, wavelet packet energy distributions obtained from different nodes are different, for different damages, wavelet packet energy distributions are significantly different too. The wavelet package transform can give us a finer analysis approach for signal processing and feature extraction. Key words—wavelet package transform, damage feature extraction, relative energy distribution, Battle-Lemarie