倾角传感器信号的小波分析与处理

论文摘要

小波理论经过十多年的发展,取得了许多非常重要的成果,分析方法日益丰富,应用范围日趋广泛。小波分析成功与否,必须视实际问题而定。如何根据信号的特点和信号处理的需要选取最优小波类型和处理方法,一直是小波理论应用研究领域的重要问题之一。首先,本文研究了小波的最新理论,在对小波信号处理方法进行系统和深入的讨论后,给出了小波分析在信号消噪中的新方法,并进行了实验检验。另一方面,现在的倾角传感器产品虽然精度可以做到很高,但是却很容易受到外界的干扰。为此,本文研究了小波分析理论在倾角传感器信号处理中的应用。工作包括了对倾角传感器信号的消噪处理以及倾角传感器不同激励下信号特征的区分。其中消噪处理利用了一维小波变换,提出了一种新的阈值函数,同时对于方差未知的信号则提出了一种将GCV规则和遗传算法结合的新方法,并验证了方法的优秀性。针对倾角传感器动态测量中信号夹杂加速度影响成份的问题,本文讨论了用小波变换方法进行区分的可能性。

论文目录

• 摘要
• Abstract
• 第一章 前言
• 1.1 论文研究背景
• 1.2 倾角传感器介绍
• 1.3 小波变换在信号处理中的应用
• 1.4 本文主要工作
• 第二章 小波分析理论
• 2.1 傅立叶变换到小波变换
• 2.1.1 傅立叶变换
• 2.1.2 小波变换
• 2.1.3 小波变换与傅立叶变换的比较
• 2.1.4 常用小波变换函数介绍
• 2.2 连续小波变换
• 2.3 离散化小波变换
• 2.4 多分辨率分析（Multi-Resolution Analysis）
• 2.5 本章小结
• 第三章 遗传算法
• 3.1 遗传算法的来源与发展
• 3.2 遗传算法的使用
• 3.2.1 个体编码
• 3.2.2 初始种群
• 3.2.3 适应度函数
• 3.2.4 遗传操作
• 3.3 本章小结
• 第四章 小波阈值消噪法及改进
• 4.1 小波阈值消噪方法
• 4.2 基于改进阈值函数的消噪
• 4.2.1 新阈值函数构造
• 4.2.2 仿真实验及讨论
• 4.3 基于改进遗传算法的GCV规则阈值消噪方法
• 4.3.1 阈值选取规则
• 4.3.2 广义交叉确认规则（GCV）
• 4.3.3 改进遗传算法操作
• 4.3.4 试验结果
• 4.4 本章小结
• 第五章 倾角传感器信号处理
• 5.1 传感器信号采集
• 5.2 倾角传感器信号特点分析
• 5.3 传感器信号消噪处理
• 5.4 传感器信号成份辨识
• 5.4.1 傅立叶变换处理信号
• 5.4.2 小波变换处理信号
• 5.5 本章小结
• 致谢
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 后续工作展望
• 主要参考文献
• 附录