智能涡街流量计选择产品无非考虑测量效果，无非是考虑价格，如果测量要求较高，那当然要是质量为前提。被广泛应用在工业生产作业的各个领域，拥有广阔的市场和光明的前景。但是，难道智能涡街流量计可以被应用在任何的工况环境和勘测条件中吗，当然不是，那么，我们又应该如何寻找适合智能涡街流量计的勘测条件呢，智能涡街流量计在应用的过程中，技术人员会发现在现场应用中会碰到很多复杂恶劣的测量条件和工况环境，虽然智能涡街流量计作为新型产品可以应对很多条件恶劣的环境。使用过程中随液体浓度不一样，泡沫既能够排汇微波，又能够将其反射，但在肯定的条件下是能够施行勘测的。实践上勘测到了接收天线的地位是能够的，不过酌量到剥蚀及粘贴的影响，勘测规模的终值应间隔接收天线的至少100mm。智能涡街流量计广泛应用在众多的领域和行业，也可以很好的适应很多条件相对恶劣的工况条件和作业环境，但是还是需要选择真正适合智能涡街流量计的勘测条件，这样才能使产品发挥的作用，产生明显的效果。针对智能涡街流量计的测量原理以及安装选型要求，选择适合的勘测条件，保证产品发挥重要而有效的作用。

　理想情况下,涡街流量计的输出信号为正弦信号,实际中会混入噪声,为了准确测得流量,就要从含有噪声的现场信号中准确捕捉代表流量信息的信号频率。小波变换是一种新的信号处理方法,它是在傅里叶变换的基础上发展起来的,既保留傅里叶变换的优点又弥补其不足,对高频信号具有高的时间分辨率,对低频信号具有高的频率分辨率,符合人们对数字信号处理的要求。 　　小波变换实质上是一组带通滤波器,因而可以用于涡街流量计,文章利用离散小波变换和连续小波功率谱方法进行探索和研究。　　1　基于离散小波变换的信号处理方法　　1.1　小波变换　　基本小波函数[5～7]为　　(1)　　其中,s和x是可以变化的参数,变化s和x可以衍生出不同的小波函数,变化s可使函数的波形沿时间轴方向伸展或压缩,变化x可使函数的波形沿时间轴移位。如果W(t)对应的频谱为ψ(ω),则W(t/s)对应的频谱将为ψ(sω)。　　因为　　 (2)　　所以,变化s也同时改变了分析信号的频段。对于这种形式的函数W(t),如果其时窗宽度为Δt,经过变换后其频窗宽度为Δω,那么对于函数W(t/s),如果其时窗宽度为sΔt,经过变换后其谱的频窗宽度将为Δω/s。因此,小波变换对低频信号(此时s相对较大)在频域里有较好的分辨率,而对于高频信号(此时s相对较小)在时域里也有较好的分辨率。　　在信号分析中,有时需要把频率轴划分为邻接的频带(或倍频带),为了计算方便,只考虑“二进划分”,对于常用的数字信号分析,主要用小波离散变换。二进离散的好处是易于提出快速算法及生成函数族,适合于数字信号和计算机运算。　　1.2　Mallat算法　　Mallat算法是基于多分辨率分析框架的一种算法,利用从小波正交性导出的各系数矩阵的正交关系,从到低级逐级地滤出信号函数f(x)中的各级小波,从而形成一种简练的快速算法。Mallat算法具有方法简便、数据存储量少及计算速度快等优点,是小波分析的主要方法。设离散信号{fk},k=1,2,3,…,在有限尺度上作小波变换为　　(3)　　其中,hn、gn是由小波函数决定的离散滤波器的有限脉冲响应。在小波变换的快速算法中,常采用紧支集的正交小波函数,因此滤波器序列n的取值范围是有限的。　　对基本滤波器函数进行移位和伸缩,可以衍生出一组滤波器,其中每一组滤波器都由一个低通滤波器和一个高通滤波器组成,也就相当于一个带通滤波器。　　在实际变换中,将等时间间隔采集的信号{fk}作为原始序列c0k,根据已知的hn、gn,由(3)式求得c1k,c2k,…,cmk及d1k,d2k,…,dmk。cjk称为变换的逼近信号,相当于一个低通滤波器对f(k)作用的结果。尺度越小,变换包含信号的高频成分越多,尺度越大,变换包含信号的高频成分越少。djk称为变换的细节成分,相当于一组带宽可变的带通滤波器对f(k)的作用结果。利用小波变换的低通和带通滤波特性,可以把原始信号中不同频率的信号成分分离出来,这些带通滤波器的中心频率及带宽与尺度成反比,一个尺度对应一个带通和一个中心频率,而中心频率是由采样频率和小波分解尺度所决定,这种滤波器被称为常数Q滤波,即中心频率与带宽的比喻中心频率的位置无关。假定fs为采样频率,f0为中心频率,ζ为带通宽,J为小波分解尺度,则它们之间的关系为　　由(4)、(5)式可见,带宽随着中心频率的变化而作相应的变化,一旦确定好小波函数的级数,其中心频率是随着采样频率而变化,但在信号处理方法中采样点数是固定不变的,所以通过改变采样频率来控制带通滤波器的中心频率和带宽。　　从(4)式和(5)式还可以看出,中心频率越低则其滤波器带宽越窄,中心频率越高则其滤波器带宽越宽,这正适应信号对采样频率的要求,即在信号低频处需要较低的采样频率,而在信号高频处需要稍高一点的采样频率,表现出小波变换随着信号频率而改变频窗的自适应特性。对含噪声的正弦信号进行小波变换,就是让数据通过一系列的低高通滤波器,经过处理后的数据基本代表在中心频率周围的信号成分,在带通之外的信号成分几乎都被削弱,计算这些数据的周期,即可得到频率测量结果。　　2　基于功率谱分析的信号处理方法　　利用连续小波变换进行功率谱分析是参考功率谱模拟估计方法原理,对于给定信号x(t),其信号的自功率谱密度函数Gx(f)[8～11]为　　其中,x(t,f,Δf)是x(t)从带宽为Δf及中心频率为f的窄带通滤波器通过的部分。　　功率谱密度函数估计为以下几步:　　(1)用带宽为Δf的窄带通滤波器对信号作频率滤波。　　(2)平方经过滤波后信号的瞬时值。　　(3)在采样时间上平均平方瞬时值,得均方输出。　　(4)用带宽Δf除均方输出。　　(5)改用窄带通滤波器的中心频率,重复上述步骤,即可得自功率谱密度函数与频率的关系谱图。　　信号在经过小波变换后,相当于经过了一个传递函数为的滤波器,而时域输出即为小波变换的时域结果WTx(a,t,Tg),其中Tg为采样间隔。