小波包在蚕茧无损质量检测中的应用.pdf

小波包在蚕茧无损质量检测中的应用 The application of Wavelet Packet in the in the non-destructive testing of the pod (湖北工业大学)周国柱 苏旭武 罗先礼 杨光友 Zhou,Guozhu Su,Xuwu Luo,Xianli Yang,Guangyou 摘要：本文介绍了小波包在蚕茧无损质量检测中的应用。针对所处理的信号的特点合理的选 择小波函数，利用熵的准则对信号进行分解以及提取有用的信号，并计算各分解信号的小波 能量来构造特征向量，最后将小波包的理论应用到蚕茧无损检测的质量识别中取得了较好的 效果。 关键词：小波包；蚕茧检测；熵；小波能量 中图分类号：TN911.7 文献标识码：B 文章编号:1008-0570(2005)12-1-0000-02 Abstract ：The paper has introduced the application of Wavelet Packet in the in the non-destructive testing of the pod. In cording to the characteristic of the signal, we have introduced how to select the wavelet base, decomposed the useful signal by the rule of Shannon, and computed the Wavelet Packet energy to construct the eigenvector. At last we take the theory of Wavelet Packet into the application of non-destructive testing of the pod and get a good result. Key words ：Wavelet Packet ；the testing of the pod ；Shannon；the Wavelet Packet energy 基于振动的蚕茧无损质量检测方法就是采用固定频率激振的方法使蚕蛹随夹具在茧壳内跳 动，对其振动信号进行质量识别的首要问题就是有用信号的分解与提取。由于蚕蛹在茧壳中 随机振动信号是具有冲击性和随机性，这类信号实际上是含噪音的非平稳随机过程，这类信 号的频谱特性沿时间轴无限扩展，利用傅立叶变换的基函数很难与其匹配，因此通过核心为 傅立叶变换的传统信号处理方法对其进行分解，去噪处理，不能得到很好的效果。小波分析 是将信号与所选小波基函数进行卷积。由于小波基函数在时域和频域均具有局部化性质的平 移和伸缩，故小波分析可将信号分解成为多个具有不同时间分辨率和频率分辨率的信号，从 而揭示信号在不同尺度上的时域行为特征。因此小波分析特别适合于非平稳信号的分析处 理。 1 小波包分解原理 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。在小波 分析中，实际上是将信号分解成低频的粗略部分与高频的细节部分，然后只对低频细节再做 第二次分解，分解成低频部分与高频部分，而不对高频部分做第二次分解。小波包分析不但 对低频部分进行分解，而且对高频部分也做了二次分解。 小波包分解示意图如图1 所示。 图1 小波包分解示意图 从频域看，若将原始信号中的整个频率宽度看作是1，则小波包分解是将信号按不同频带分 割成多个窗口，某窗口内的分解结果对应信号在该频带内的信息。表1 表示二层小波包分解 的按最高频率归一化的频带划分。 表 1 两层小波包分解的频带划分 可见，二层小波包分解将整个频带划分为4 段，即N 层小波分解将整个平频段划分为段。 小波包变换对小波多分辨率分析中停止分解的中高频段部分进一步分解变细，使分解在全频 域内具有同样高的频率分辨率。这使得小波包变换具有小波变换和短时Fourier 变换的双重 特点，尤其适用于渐变性和与突变性共存的非平稳信号的处理。 我们的目标是找到能够反映茧壳或蚕蛹重量变化的特征量，从而达到模式识别的目的。实验 发现，茧壳重量与低频激振信号有一定的相关性，蚕蛹重量与低频信号以外的其他高频信号 有一定的相关性，如果我们以蚕蛹的重量为检测目标，就需要把低频正弦激振