针对超声探伤中不同厚度工件数据采集及处理的要求,提出了一种基于现场可编程门阵列(FPGA)的数据采集及处理的方法,极大地提高了采集系统的采样速度及处理能力.

详细介绍了小波分析的基本理论,并将其引入到钢管漏磁探伤信号的分析中,可以去除噪声、压缩数据和检测奇异性,而且为缺陷的定性和定量分析提供了新的判定方法.

无损检测向着自动化、智能化方向发展,而要在漏磁检测中真正做到定量分析还存在一定困难.文章简要介绍了小波变换Mallat快速算法,把小波变换作为一种先进的信号处理手段引入进行数字信号的预处理,可以完成去除噪声和数据压缩的工作,为漏磁信号的定量分析提供了很大的可能性.

为满足开发高性能Holter系统的需要,提出了一种高效的心电数据压缩、存储和传输方案. 基于整-整小波变换的数据压缩算法,通过引入在不同分解尺度取不同阈值的屏蔽函数和基于统计分析的优化编码方案,实现了心电信号的高效、高保真数据压缩. 将基于地址映射技术的数据存取模型用于心电数据的高效存储,通过内置USB实现了数据的高速传输. 实验和临床应用表明,该记录器可以1 000 Hz的采样率连续记录12导联24 h心电图,除可精确记录常规心电图外,还可完整记录起搏心电图和动态高频心电图.

为了实现对大型回转体零件内部缺陷的检测与识别,研制了超声波自动检测系统.系统主要完成超声信号的采集和处理、数据的实时存储、缺陷的在线分析与识别等功能.要实现缺陷的在线检测与识别,必然需要大量的原始数据,为了减少数据的存储量,通过小波神经网络提取相应的权重因子,构成小波基的尺度参数和与之对应的平移参数,实现缺陷有用信息的压缩;在缺陷数据重构中,利用上述特性参数并结合信号的特征值,对信号进行拟合.解决了缺陷检测现场大量数据的保存问题,为缺陷的进一步识别提供了基础.

介绍检测无损压缩的目的、应用以及针对管道漏磁检测数据的一种检测无损压缩方法.通过分析漏磁检测数据的特征,使用有损预测编码和无损可逆小波变换编码压缩非重要和重要区域的数据.该方法非常适于采用现场可编程门阵列(FPGA)器件的实现.

介绍了一种基于小波分析的神经网络模型－小波神经网络，提出了一种基于小波神经网络的心理数据压缩方法。经过研究表明，采用小波网络 心电数据压缩模板的方法可以大幅加快网络的收敛速度。与基于BP网络的压缩法相比，具有较大的优点。

基于管道电磁高速检测原理的“管道爬行器”是一种高速探伤装置，专对地下油气输送管道在线检测，检测的数据在其内经过放大，消噪声，再通过多路复用和压缩编码等压缩后存入RAM或Tape中，最后通过控制分析系统，并经去压缩解码器恢复成检测图形曲线，研究证明，高速检测系统能准确识别轴向和沿圆周8等分区间缺陷位置及等级，具有检测速度快，无漏检等特点。

针对某些特殊的测试实验，既要求测试系统微体积、低功耗，还要求记录大量数据的问题，提出基于FPGA的数据压缩解决方案。介绍了LZW压缩算法的基本理论及其用FPGA硬件实现的方法。大量的实验表明，系统工作稳定，压缩速度快（8MB／s以上），对实测数据的压缩效果好（25％左右）、工作时电流小（37mA），实现了速度、性能、功耗三者的统一。

本文对多区域多对象多参数的电液系统大数据群信号特点进行了分析用采样数据的自回归估计值与采样值差减少采样数据相关性、再对差值数据编码传输为监测大数据群信号采集数据的实时传输提供有效的方法.