小波分析(讲稿).ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,.,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,.,*,小波分析,Wavelet Analysis,1,.,已学知识回顾：,傅氏级数、傅氏变换实现了信号分析从时域转换至频域。,2,.,引言:,从一个例子映射出小波分析在信号处理中的作用,桌子上一碗果冻和一碗炸酱面，一个勺子和一双筷子,问题：请选择吃果冻和吃炸酱面分别用什么？,择勺子,吃果冻,，选择筷子吃,炸酱面,果冻成分单一，外表圆滑；炸酱面成分多样，外表不光滑,勺子的外表也是圆滑的 ；筷子的外表是多棱角，开度可变。,Daubechies4小波函数,时域有 限的衰减振荡信号,FFT的正弦函数,时域无 限的等幅振荡,FFT分析是以正弦信号为基函数，而小波分析是以小波基为基函数。,对于信号成分单一的稳定信号，使用FFT可以得到较好的结果,而对于信号成分多样，包含突变因素的信号小波有很大的优势。,3,.,一.FFT、STFT到Wavelet,1.Fourier Analysis,FFT变换是将信号分解成不同频率的正弦波的叠加和，即把信号投影到一组正交基 上。,4,.,一.FFT、STFT到Wavelet,1.Fourier Analysis,存在的主要问题：,（1）,无时域局部化特性。,为了求得傅里叶系数，理论上必须知道时域的全部信息，即傅里叶分析是对信号的总体的统计分析。反过来讲，时域上任一时刻,信号的变化都将波及整个频谱图，从而导致傅里叶分析在时域上无任何局部化,特性。这不利于非平稳信号、特别是瞬变信号的分析，,在频域上是看不出这些突变特征。,5,.,一.FFT、STFT到Wavelet,1.Fourier Analysis,存在的主要问题：,（2）,不能实现时频分析。,信号分解转换到频域后，丢失掉了时域的信息，频域中某频率或频带内的信息和时域中某时刻或时宽内的信息没有直接的对应关系，即不能给出,某一指定频带内的时域图形,。这种对应关系称为时频分析，所以傅里叶分析不能进行时频分析，而时频分析在工程中却相当有用。,6,.,一.FFT、STFT到Wavelet,1.Fourier Analysis,存在的主要问题：,（,3）傅氏分析采用窗宽固定的窗函数。,为了分析提取信号的低频成分，,T,0,应取较大值，且频率分辩率较高；为了分析提取信号的高频成分，,T,0,应取较小值，时域分辩率较高，而对频率分辨率要求不高。但,T,0,固定时，两者不能同时满足。,7,.,2.短时傅里叶变换 STFT（Short-Time Fourier Transform）,STFT将信号在时域上加窗函数，然后进行傅立叶变换，再在时域上移动窗函数，最后完成连续重叠变换，得到与时间有关的信号频谱的描述。从而在时频域得到一个信号能量的三维分布。,表示对时域信号,f,，,以,w,代表的窗函数加窗，进行短时傅氏变换，其结果是频率 和时移,b,的函数。,主要缺陷：,STFT的窗函数一旦确定，就不能再变换。对于频率成分较多的信号，很难找到一个最合适的窗函数，从而很难获得一个最佳的分析精度。,8,.,2.STFT（Short-Time Fourier Transform）,9,.,3.Wavelet Analysis,小波变换是时间尺度（时间频率）分析方法，具有多分辨率分析的特点，即窗口大小固定但其形状可改变，时间窗和频率窗可改变的时频局部化分析方法。,在低频部分具有较高的频率分辨率和较低的时间分辨率；,在高频部分具有较高的时间分辨率和较低的频率分辨率。,优点：,适合探测正常信号中夹带的瞬态反常现象并展示其成分，所以被誉为分析信号的显微镜，利用小波变换进行动态系统故障检测与诊断具有良好的效果。,10,.,11,.,4.,小波分析的发展史,（1）1910年Harr提出的第一个小波规范正交基;,（2）1984年法国地质学家Morlet和理论物理学家Grossman提出了连续小波变换的概念、1986年法国数学家Meyer创造性地构造出了具有一定衰减性的光滑化函数正交小波函数,标志着小波热潮的开始。,（3）1987年,法国人Mallat提出了多分辨分析的概念,为统一地构造小波函数奠定了基础,同时给出了以他的名字命名的小波分解与重构算法。,（4）1988年,Daubechies构造了具有有限支集的正交小波基,至此小波分析的系统理论初步得到建立。,（5）1990年,崔锦泰和王建中构造了基于样条的半正交小波函数,使得小波分析的系统理论得到完善。,12,.,二.小波变换的基本概念,小波定义,设,是基本小波的能量，则 的能量为,13,.,2.几种常见的小波函数,14,.,3.定义解释,小波变换的基本思想来,源于,伸缩,和,平移,方法。,（1）尺度伸缩（Scaling）,对波形的尺度伸缩就是在时间轴上对信号进行压缩与伸展，如右图所示，时间尺度 a 是反比于频率。,（2）时间平移（Shifting）,是指小波函数在时间轴上的波形平行移动。如下图所示。,15,.,二.小波变换的基本概念,4.小波变换定义,称 为小波系数,对小波变换的研究，实质上是对小波系数的研究。,与Fourier变换对比：从 可以看到，两者是在基函数上作了变化，实质仍然是不同成分的叠加。,16,.,二.小波变换的基本概念,5.信号的重构（,逆小波变换 Inverse Wavelet Transform）,信号,f,(,t,)可由小波系数进行重构,17,.,二.小波变换的基本概念,例：,小波分解与重构,18,.,二.小波变换的基本概念,例：,小波分解与重构,19,.,6.连续小波运算的基本步骤,1.选择一个小波函数，将其与要分析的信号起点对齐；,2.计算在这一时刻要分析的信号与小波函数的逼近程度，即计算小波变换系数C。,C越大，说明此刻信号与所选小波函数波形越相近;,（如图1）,3.将小波函数沿着时间轴向右移动一个单位时间，然后重复1、2步骤，求出此时的小波变换系数C，直到覆盖完信号的时间长度;（如图2）,4.将所选择的小波函数尺度伸缩一个单位，然后重复1、2、3步骤（如图3）,5.对所有的小波函数尺度重复1、2、3、4步骤。,最后，将得到使用不同尺度评估信号在不同时间段的系数，这些系数就表征了原始信号在这些小波函数的投影大小。,20,.,7.小波尺度与频率的关系,尺度越大，意味着小波函数在时间上越长，即被分析的信号区间越长。因此，尺度越大意味着,对信号的较长的时间段进行近似比较，,主要获取的是信号的低频特性。反之，尺度越小，意味着只对信号的较小的细节部进行比较，因此主要获得的是信号的高频特性。,小尺度 压缩的小波 快速变换的细节 高频部分,大尺度 拉伸的小波 缓慢变换的粗部 低频部分,21,.,8.离散小波变换（,Dispersed Wavelet Transform DWT),对连续信号进行小波变换其工作量非常巨大，而且由于大多数的采样信号是离散的，所以在实践中是采用离散小波变换来实现。,（1）一阶滤波：近似与细节,大多数信号低频部分是对分析有意义的，而高频部分则多是噪声成分。因而在实际信号处理时，往往是去除高频成分，而保留低频成分。,信号的近似部分就是信号中大的、低频成分；细节部分就是信号局部、高频成分。,(,A-Approximation;,D-Detail,),22,.,8.离散小波变换,（1）一阶滤波：近似与细节,23,.,（2）离散小波的多尺度分解,按照上述一阶滤波的过程，信号的低频部分可以被继续分解，从而实现了小波的尺度分解,举例：,对一个实际的信号进行小波分解,说明：,信号的最大分解层数计算如下，如果信号的长度是N,则可以,最多分解 层,。,利用小波的多尺度分解，可以对信号进行消噪以及特定频率的滤波。而后对滤波信号进行谱分析。,24,.,（3）小波重构（合成）,小波分析的另一个主要方面就是在分析、比较、处理（去掉高频噪声等处理）后，根据得到的小波变换系数来重构信号。这个过程就是逆离散小波变换（IDWT）。,（4）多尺度分解与重构,25,.,9.小波包分解,小波分析中，是将信号分解成低频的逼近部分与高频的细节部分，而后逐次对低频部分进行再次分解。,在实际应用中，希望提高高频频带信号的频率分辨率。小波包是在全频带对信号进行多次的频带划分，继承了小波变换所具有的良好时频局部化优点，由于继续对小波变换没有再分解的高频频带作进一步的分解，从而提高了频率分辨率。,小波分解结构,小波包分解结构,26,.,三.小波变换在信号分析中的应用,小波变换同其它方法相比，具有两个重要的特点：,多分辨率的时频局部化分析、快速线性多通道带通滤波。,其应用也可以从这两点来入手，下面就几个典型方面的应用作简要描述。,1、滤波。,根据小波变换的滤波特性，可以将那些希望剔除的频率范围对应的子空间序列置零，然后进行重构运算，就得到了一个同时具有高通、低通、多个带通和多个带阻的多通道滤波器。,2、信号降噪。,信号中的噪声可分为两种情况处理，其一是确定性噪声处理，噪声的频率或频率范围可以预先确定，这时利用小波变换的滤波特性即可；其二是不确定性噪声的处理，噪声的频率或频率范围不可预知，例如白噪声的频率就几乎覆盖整个频率轴，此时就需要利用小波变换的模极大特性，模极大代表了重要信号的特征。在实际应用中可以对细节信号设立一个门槛值，保留大于门槛值的极值（模极大），而将小于门槛值的毛刺置零，然后进行重构运算，就可以获得近似较好的除去噪声的原信号。,27,.,3、信号非平稳特性分析,在各种振动信号中常常存在有一些突变信号，它们在多数情况下都对应于设备的故障等因素，突变信号通常分为边缘跳变和峰值跳变两类，可以将它们等效地认为在信号上叠加一个阶跃信号和脉冲信号。这种突变信号的小波变换结果通常反映为过极值点和零点，例如使用二次样条函数作为小波函数，则阶跃信号将反映为极值点，脉冲信号将反映为过零点。,4、用于机器运行状态监测和故障诊断,小波包能量谱监测。实际振动中一些常见的摩擦、冲击等信号，一般不能以某些正弦分量来表示。因此，有时采用按频带进行能量监测的方法，比频谱分析更为合理。,28,.,实际应用,1.信号时频分析,A4信号是不平稳的低频波动，是由于电铲挖掘过程中变工况引起的，并非故障，但它使振动信号变得极不平稳，不便于分析，在信号分析和重构时可以不予考虑。,29,.,实际应用,2.小波消噪,在实际信号测量中，传感器、传输线、电源等所带来的背景噪声，往往使测量结果产生误差，严重时甚至可能淹没有用信号，使测量结果不能正确反映被测对象的真实状态，降低了信号分析的可信度，因此信号消噪是信号处理的首要问题。,白噪声的小波变换系数模值随分解尺度的增加而变的越来越小，而信号的小波变换系数模值随分解尺度的增加而变的越来越大，故可对若干尺度上的小波系数设置阈值，将分解尺度上的噪声所对应的小波系数进行阈值化置零，保留有效信号所对应的小波系数，然后进行重构，则重构后的信号就是基于小波变换的消噪信号。,30,.,S：原始信号,cA1,cA2,cA3：分解各层的逼近信号,cD1,cD2,cD3：分解各层的细节信号,如果将cD1,cD2,cD3的分解系数都设置为零，而只保留cA3,而后进行小波重构，得到的信号就是消噪之后的信号。,分解结构图,分解后的各部分重构,31,.,消噪前后对比,32,.,实际应用,2.小波消噪,33,.,实际应用,2.能量谱检测,34,.,实际应用,2.能量谱检测,35,.,实际应用 2.能量谱检测,当轮齿齿面出现点蚀时，在正常振动的基础上出现了很多小的波峰，这些波峰就是点蚀坑引起的，如图1所示。,从信号频谱图（图2）上可以看到，在信号的高频段（约1750Hz3250hz）振动能量明显提升。点蚀坑将引起脉冲冲击，从而使信号在较高频域段内幅值有较大提高。尤其是在齿轮固有频率处，由于共振使振动能量明显加大。,利用小波包的多尺度分解能力，把信号分解到多个频率带，,通过检测各频率带信号的能量变化，可以对点蚀故障进行识别,36,.,实际应用,2.能量谱检测,点蚀发生前后齿轮振动信号各频段,相对能量,及其比值,频段（Hz）,W1,W2,W3,W4,W5,W6,W7,W8,0,437.5,437.5875.0,875.01312.5,1312.51750.0,1750.02187.5,2187.52625.0,2625.03062.5,3062.53500.0,点蚀前相对能量A（）,99.5732,0.3873,0.0158,0.0211,0.0011,0.0012,0.0001,0.0002,点蚀后相对能量B（）,97.5094,2.4076,0.0375,0.0226,0.0082,0.0131,0.0006,0.0010,比值(B/A),0.9793,6.2164,2.3734,1.0711,7.4545,10.9167,6.0000,5.0000,注：,相对能量值各分解频带信号能量占信号总能量的百分比,结论：,从表1中可以看出，出现点蚀后，信号高频部分振动能量变化较大，,其中包含啮合轮齿固有频率的W6分解频段能量提高最明显，点蚀时相,对能量是未点蚀时的10.9167倍。,37,.,实际应用,3.奇异值检测,图 频率突变信号,传统的功率谱等方法只能给出信号全频尺度特征，而没有办法说明信号发生突变的具体位置。而在信号分析中，突变点（奇异点）往往代表了故障的发生，在时域上则代表了故障发生的具体时间点。因此功率谱对于信号的突变没有时域分析能力。,频率突变信号的奇异性检测,38,.,频率突变信号的的小波分解,小波变换具有空间局部,化性质，即可以描述信,号在不同频率带中不同,时刻变换情况，因此可,以利用小波来分析信号,的奇异性，判断信号中,的突变情况。,39,.,幅值突变信号的小波分解,幅值突变信号的奇异性检测,40,.,当齿轮传动系统出现齿轮的擦伤、点蚀、裂纹等故障时往往会引起振动信号峰值的突变，突变点称为奇异点。同平稳信号相比，奇异点包含了更为丰富的故障信息。传统的Fourier变换可以在整体上给出信号的奇异性表述，但无法刻画局部的奇异性。尤其对于轮齿点蚀等发展过程较为缓慢的故障，很难在故障出现的早期进行成功识别。,信号奇异性提取要求对信号进行局部化分析，而小波分析具有良好的时频（尺度）局部化能力。因此，小波分析可以在较低信噪比的信号中检测到故障信号。,应用实例,原理：,当齿轮出现以上故障时，会引起信号在故障处出现频率或幅值突变，利用小波可以较好实现对这些突变的提取。,下面以对刘桥2矿主井提升机减速器的检测为例进行说明。,对该齿轮的测试记录了大齿轮齿顶擦伤的发展过程（由于小齿轮是硬齿面，擦伤主要发生在大齿轮齿面）。故障首先发生在大齿轮某几个轮齿的齿顶部，而后逐渐扩展到每个轮齿的齿顶部。,41,.,从图中对比发现：同一种情况下，信号小波分解各尺度高频细节部分中对应擦伤故障发生位置均有突出成分，尺度越低（,压缩的小波,）,，突出越明显；随着擦伤的发展，出现突出成分的次数也逐渐提高，反映了擦伤从初期几齿到所有齿的发展特征。,待分解信号包含了5个连续轮齿的啮合过程。,由于信号的分解高频细节体现了故障信号的突变成分，因此只画出原始信号,（s）,和分解5尺度的各高频细节重构（d1d5）。如图所示。,42,.,应注意的问题,（1）小波作为非平稳信号的良好分析工具在机械故障信号分析中有很大的优势，但认为小波分析可以完全取代传统Fourier分析的观点是不全面的，各有其优缺点。Fourier分析突出的特点在于能得出组成时域信号的各频率成分的相关信息。,（2）小波分析虽然可以揭示信号的局部化特征，但当基函数、分解层数等选择不当时，可能产生对原始信号的歪曲。同时，同一信号的不同小波分解，所得结果自然也不相同，如何判断结果的准确性成为一个重要的问题。,（3）有多种小波基函数供选择，但目前往往依靠使用人员对信号的认识和掌握，经验起到很大作用。,（4）小波基函数众多，不同信号分析需要不同的基函数，因此，基函数的创建是小波发展的一个主要方向。,43,.,小波分析的基本算法已作为一种工具箱在商品化的软件系统中实现。,例如：,由美国国家仪器公司（NATIONAL INSTRUMENTS简称NI公司）推出的,LabVIEW,（Laboratory Virtual Instrument Engineering Workbench）新版本5.1的信号处理软件中提供了小波分析工具箱。LabVIEW 采用图形化编程语言，构造各种虚拟仪器，实现信号检测、处理、分析和显示。,由美国的Mathworks软件公司开发的,MATLAB,4.2C:STFT中提供了小波分析工具箱。MATLAB是一种面向科学和工程计算的高级语言，集科学计算、自动控制、信号处理、图像处理、神经网络于一体，功能强大，编程效率高。,在了解小波分析的最基本原理的基础上，只要读懂这些工具箱的使用指令，就可以正确应用小波分析方法来处理复杂的信号。,小波分析工具,44,.,谢 谢,45,.,