小波分析在信号奇异性检测中的应用

第一章绪论小波变换发展到现在在许多不同的研究领域都取得了令人瞩目的研究成果，尤其是在信号分析和图象处理方面，小波变换更显示出其无法比拟的优越性。

与经典的傅立叶分析理论相比，小波分析算是近年来出现一种新的数学分析方法[1]。

它被数学家和工程师们独立地发现，被看作是多元调和分析50年来发展的一个突破性的进展，它反映了大科学时代学科之间相互渗透、交叉、融合的趋势，是纯粹数学与应用数学及工程技术殊途同归的典范。

小波分析属于时频分析的一种，它在时间域和频率域同时具有良好的局部化性质，是一种信号的时间—尺度（时间—频率）分析方法，具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，被誉为分析信号的显微镜[2]。

小波分析如今已经广泛地应用于信号处理、图象处理、量子理论、地震勘测、语音识别与合成、雷达、CT成像、机器视觉等科技领域。

任何一个理论的发现和提出都有一个漫长的准备过程，小波分析也不例外。

1910年Harr提出了小波规范正交基，这是最早的小波基[2]，当时并没有出现“小波”这个词。

1936年Littlewood和Paley对Fourier级数建立了二进制频率分量理论：对频率按2j进行划分，其Fourier变换的相位变化并不影响函数的大小，这是多尺度分析思想的最早来源。

1946年Gabor提出了加窗Fourier变换（或称为短时Fourier变换）对弥补Fourier变换的不足起到了一定的作用，但是并没有彻底解决问题。

后来，Calderon、Zygmund、Stern 和Weiss等人将L-P理论推广到高维，并建立了奇异积分算子理论。

1965年，Calderon 给出了再生公式。

1974年，Coifmann对一维空间H P和高维H P空间给出了原子分解。

1975年，Calderon用他早先提出的再生公式给出了抛物形H P的原子分解，这一公式现已成为许多函数分解的出发点，它的离散形式已经接近小波展开。

小波分析在信号处理中的应用1 引言由传感器所检测到的奇异信号往往载有设备运行状态特征的重要信息。

判断状态信号的奇异点出现时刻，并对信号奇异性实现定量描述，在信号处理和故障诊断等领域有着重要的意义。

信号的奇异性分析是提取信号特征的重要手段，傅里叶变换一直是研究信号奇异性的经典工具，但是由于傅里叶变换对信号的表示要么在时域，要么在频域，缺乏空间局部特性，因而只能确定信号奇异性的整体信息，无法确定奇异点的空间分布。

小波变换具有时－频局部化特性，能够有效地分析信号的奇异性，确定奇异点的位置与奇异度的大小，为信号奇异性分析提供了有力的工具。

2基本理论(1) 小波分析概况小波分析是自1986年以来由Y1Meyer，S1Mallat及I1Daubechies等的研究工作为基础而迅速发展起来的一门新兴学科，他是傅里叶分析(Fourier Analy2sis) 划时代的发展结果，是目前数学分析和信号处理领域中广泛应用的一套新理论、新方法，如：信号分析、图像处理、量子力学、军事电子对抗与武器的智能化、计算机分类与识别、数据压缩、医学成像与诊断、地震勘探数据处理、边缘检测、音乐与语音人工合成、大型机械的故障诊断、大气与海洋波的分析、分形力学、流体湍流以及天体力学等。

但以上大多数领域的应用都可以归结为信号处理问题，故本文才重点介绍小波分析在信号处理方面的应用。

在信号处理领域，对原始信号进行变换，从变换的结果和过程中提取信号的特征，获得更多的信息，而这些信息是原来信号没有直接提供的(隐含的)，目前，已经有许多变换应用于信号处理，最基本的是频域变换和时域变换，最熟悉的莫过于傅里叶变换(Fourier Transform)，然而，傅里叶变换只能分别对信号的时域和频域进行观察，不能把二者有机地结合起来。

为了解决此问题，引入了短时傅里叶变换(Short-time Fourier Transform)，该变换能够给出信号的时间和频率的二维分布，在短时傅里叶变换中，其窗口宽度是一个恒定的值，不能根据信号局部特征调整其窗口宽度。

9.小波在信号奇异性检测及图像边缘提取中的应用无限次可导的函数是光滑的或者是没有奇异性的。

若函数在某处有间断或者某阶导数不连续，则称该函数在此处有奇异性信号的奇异性和非正则结构包含了信号的本质信息。

长期以来，傅立叶变换一直是研究函数奇异性的基本工具，但是由于傅立叶变换缺乏空间局部性，因此只能确定其奇异性的整体性质，傅立叶变换相当于将信号作了平均，局部的特征丢失了。

无法确定奇异点的空间分布情况。

小波变换具有空间局部化性质，小波变换系数由该点附近的局部信息所确定，因此小波变换能够很好的分析信号的奇异点的位置和奇异点的强弱。

奇异点的位置可以通过跟踪小波变换在细尺度下的模极大曲线来检测；而信号点的奇异性强弱（在数学上，通常用Lipshitz 指数来刻画信号奇异性的大小）可以由小波变换模极大值随尺度参数的衰减性来刻画。

S.Mallat 在1992年将Lipschitz 指数（Lipschitz Exponent LE ）与小波变换后系数模的局部极大值联系起来，通过小波变换后局部极大值在不同尺度上的衰减速度来衡量信号的局部奇异性。

基于小波变换的信号奇异性检测可以应用于故障诊断、图像的多尺度边缘提取、信号恢复和去噪、语音基因周期检测等领域。

Lipschitz 指数的定义[9]1）设)()(2R L x f ∈,称函数)(x f 在0x R ∈处具有Lipschitz 指数α（0α≥），是指对x R ∀∈，存在常数0x K 和m α=⎢⎥⎣⎦次多项式0x p ，使得000()()ax x f x p t K x x -≤-2）如果存在与0x 无关的常数K ，使得0[,]x a b ∀∈均有00()()ax f x p t K x x -≤-则称函数f 在区间[,]a b 上是一致Lipchitz α的。

3）满足f 在0x 点是Lipschitz α的所有α的上界0α刻画了该点的正则性，称为函数f 在0x 点的Lipschitz 指数；同样可以定义区间上的Lipschitz 指数。

小波变换是克服其他信号处理技术缺陷的一种分析信号的方法。

小波由一族小波基函数构成，它可以描述信号时间（空间）和频率（尺度）域的局部特性。

采用小波分析最大优点是可对信号进行实施局部分析，可在任意的时间或空间域中分析信号。

小波分析具有发现其他信号分析方法所不能识别的、隐藏于数据之中的表现结构特性的信息，而这些特性对机械故障和材料的损伤等识别是尤为重要的。

如何选择小波基函数目前还没有一个理论标准，常用的小波函数有Haar、Daubechies(dbN)、Morlet、Meryer、Symlet、Coiflet、Biorthogonal 小波等15种。

但是小波变换的小波系数为如何选择小波基函数提供了依据。

小波变换后的系数比较大，就表明了小波和信号的波形相似程度较大；反之则比较小。

另外还要根据信号处理的目的来决定尺度的大小。

如果小波变换仅仅反映信号整体的近似特征，往往选用较大的尺度；反映信号细节的变换则选用尺度不大的小波。

由于小波函数家族成员较多，进行小波变换目的各异，目前没有一个通用的标准。

根据实际运用的经验，Morlet小波应用领域较广，可以用于信号表示和分类、图像识别特征提取；墨西哥草帽小波用于系统识别；样条小波用于材料探伤；Shannon正交基用于差分方程求解。

现在对小波分解层数与尺度的关系作如下解释：是不是小波以一个尺度分解一次就是小波进行一层的分解？比如：[C,L]=wavedec(X,N,'wname')中，N为尺度，若为1，就是进行单尺度分解，也就是分解一层。

但是W=CWT(X,[2:2:128],'wname','plot')的分解尺度又是从2～128以2为步进的，这里的“分解尺度”跟上面那个“尺度”的意思一样吗？[C,L]=wavedec(X,N,'wname')中的N为分解层数, 不是尺度,'以wname'是DB小波为例, 如DB4, 4为消失矩,则一般滤波器长度为8, 阶数为7.wavedec针对于离散,CWT是连续的。

基于小波变换的机械振动信号故障检测摘要：正确检测机械故障信号对提高机械设备运行稳定性具有非常重要的意义。

通过简要介绍小波变换应用在信号奇异性检测方面的基本原理，提出基于小波变换的机械故障信号分析方法，该方法既充分利用了小波变换在故障信号分析中的优点，准确的检测到了故障发生的位置。

关键字：小波变换；奇异性检测；Lipschitz 指数；信号处理1 引 言机械故障诊断中由传感器检测到的信号往往十分复杂，且信号中的奇异部分常载有机械设备运行状态特征的重要信息。

因此判断状态信号的奇异点出现时刻，并对信号奇异性实现定量描述，在机械故障诊断信号分析和处理中有着非常重要的意义。

小波分析理论能实现信号的时一频局部化描述，为信号奇异性分析提供有了力的工具。

利用小波奇异性检测理论，本文根据奇异点的局部奇异性信息来诊断机械故障的方法。

2 检测原理通常，采用李普西兹指数来描述函数的局部奇异性。

定义1:设n 是一非负整数，1n n α≤-，如果存在两个常数A 和00h ，及n 次多项式()n P t ，使得对任意的0h h ，均有0()()n f x h P h A h α+-≤，则说f(X)在点x0为Lipschitza 。

如果上式对所有0(,)x ab ∈均成立，且0(,)x h a b +∈，称f(x)在(a, b)上是一致的 Lipschitz a 。

在利用小波分析这种局部奇异性时，小波系数取决于f( x)在0x 的领域内的特性及小波变换所选取的尺度。

在小波变换中，局部奇异可定义为:定义2:设2()()f x L R ∈ ，若f(x)对0x x δ∀∈，小波()x Φ满足且连续可微，并具有n 阶消失矩(n 为正整数)，有:(,)Wf s x Ks α≤ (其中K 为常) 则称a 为0x 处的奇异性指(也称Linschitz 指数)。

定义3:对0x x δ∀∈，有0(,)(,)Wf s x Wf x x ≤，则称0x 为小波变换在尺度，下的局部极值点。