基于小波核函数-支持向量算法的信号检测

关于水声信号检测优化问题,对在极低信噪比情况下被背景噪声所淹没的微弱信号进行检测时,由于舰船航行时接收目标信号的噪声较大,使检测更加困难。通过对谐波小波变换和支持向量回归算法的分析,在谐波小波函数的窄带信号分析支持向量回归基础上,提出了一种谐波小波核函数-支持向量回归的信号检测算法,实现小样本情况下微弱信号的检测。通过仿真信号和海上实测噪声数据的分析,利用改进算法可以很好地检测出在极低信噪比情况下噪声背景中的微弱信号,从而验证了改进算法在低信噪比情况下检测线谱信号的有效性。     

基于神经网络和小波分解的目标信号检测方法研究

将小波分解和神经网络相结合，应用于高海况、低信噪比条件下水中目标信号的特征提取中。文中首先对信号进行多尺度小波分解，利用目标信号功率主要集中在低频部分的特点，提取在不同频率带内信号的能量作为特征，然后利用人工神经网络对目标信号进行检测。在此基础上，通过不同浪级情况下海洋水压力场的仿真信号数据，对某型目标舰船的水压力信号进行了检测计算．验证了该方法的有效性，达到了在高海况、低信噪比条件下，目标信号检测率比较高、虚警率比较低的效果。     

小波方法在油井液面检测中的应用

油井液面回波检测是石油探测的重要内容，它决定后续石油开采的成功与否。由于信号幅值小，干扰多，因而采用常规时、频域滤波方法往往不能收到良好的效果。针对这一问题，本文利用信号和干扰在小波变换下的不同变化特性及小波变换的变焦特性设计了小波去噪算法，并根据实际要求选定了小波基和分解尺度，给出了使用小波去噪方法前后的实际结果。对这些结果进行的分析比较表明，小波方法在大幅提高信噪比的同时，也保持了信号的位置信息，因而适合此类信号检测问题。     

一种雷达非线性调频信号检测及仿真方法

由于雷达非线性调频(NLFM)信号的时频非线性分布特性,常规检测算法难以实现信号能量的有效聚集,传统采用NLFM信号检测时准确率较低,在低信噪比下甚至会失效。针对上述问题,应用了一种基于广义时宽-带宽积的最优窗函数,提出了一种改进的短时分数阶傅立叶变换瞬时频率估计算法。应用改进算法可有效提高非线性调频信号的检测性能,提高检测的准确率。仿真结果表明,在相同信噪比下,提出的方法对NLFM信号的检测概率高于传统方法,性能较好。     

基于小波多尺度分解与GLR的UWB信号检测技术

由于常规窄带信号检测方法不能适用于超宽带信号,为了对超宽带信号进行有效检测,提出了一种基于小波多尺度分解与广义似然比(GLR)相结合的新颖目标检测方法;首先利用小波进行多尺度分解,获得目标所在的位置,通过计算小波域能量,来截取目标信号,由此计算散射中心的分布密度,然后结合利用广义似然比,来实现超宽带信号检测;仿真试验结果表明,该方法与常规的双门限方法相比,在信噪比相同情况下,能获得更好的检测概率,从而体现其优越性.     

基于奇异性的语音端点检测方法

噪声信号对于语音信号是相对奇异的.小波变换是分析信号奇异性的有利工具.在利用小波对含噪语音进行分析研究的基础上,提出了一种新的端点检测方法.该算法利用了基于信号奇异性的统计特征和高低频能量比特征.实验结果表明,在低信噪比的情况下,该算法依然能有效地进行语音分割.     

一种基于小波和时频分解的端点检测方法

提出了一种新的基于小波和时频分解的语音端点检测方法。首先通过小渡分解对舍噪信号进行增强，然后采用Matching pursuits算法对去噪信号进行时频分解．使得信号在时频平面上具有较明显的魏格纳能量分布．最后利用该特点设定合适的门限来进行语音端点检测。实验结果表明，该方法对低信噪比的语音端点检测仍有效。     

一种改进的小波能量熵语音端点检测算法

语音端点检测是语音信号处理的一个重要环节,在低信噪比下,端点检测的准确度和鲁棒性较低。为此,提出一种小波能量熵与基音周期相结合的混合端点检测算法。该算法通过分析语音信号的小波能量和小波能量熵,构造不同语者的小波能量熵端点检测参数,针对不同语者的发音特性运用小波能量熵和基音周期检测语音端点。实验结果表明,在不同噪声背景下,当信噪比为5 dB时,该算法的端点检测平均准确率达到84.375%,相对于小波能量和小波能量熵算法均有明显提高。     

基于小波包变换的弱信号检测

在通信、医学成像和雷达信号处理等领域中常常面临着强噪声背景中弱信号检测的问题。文中分析了小波包变换的良好时频分析特性,根据信号与噪声具有不同的Lipschitz指数,通过引入子频带∞-范数,对信号和噪声进行频谱分析,将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量,并应用浮动阈值去噪方法,解决了低信噪比情况下的弱信号检测。最后,通过计算机的数值计算,模拟了浮动阈值去噪法基于小波包变换和小波变换的强噪声背景下的弱信号检测,从仿真的波形图中得出在低信噪比情况下的弱信号检测方面小波包变换优于小波变换。     

基于小波及能量熵的带噪语音端点检测算法

为了在复杂的噪声环境中区分出语音信号和非语音信号(噪声),提出了一种基于小波及能量熵的带噪语音端点检测方法.该方法利用小波的多分辨率特性以及它对非平稳信号局部特征的表现能力,对含噪语音信号进行小波变换,用各层能量熵值的平均值来有效地区分语音段和非语音段.不同背景噪声及不同信噪比下的实验结果表明,提出的带噪语音端点检测算法获得了较高的检测正确率.     

基于混沌和小波变换的信号检测方法

针对微弱周期信号提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法,该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波自适应分解尺度确定阈值去嗓深度,然后根据混沌系统时噪声的免疫性和对周期信号的敏感性,把重构的信号作为周期策动力的摄动并入混沌系统,由混沌系统完成微弱信号检测;并改进了 Duf...     

基于小波包的语音谱熵端点检测方法研究

端点检测是语音识别过程中的一个重要的环节,因此改善端点检测的效果一直是语音识别领域的一个重要课题。为了提高在背景噪声下语音信号端点检测的准确率,提出了一种基于小波包的谱熵端点检测方法。该方法对语音信号进行小波包变换,将每帧信号分解成多个子带,在此基础上计算每帧信号的子带能量,通过子带能量所占比例求出每帧信号的谱熵,最后确定新的门限值。仿真实验表明,该方法比传统方法更有效、更优越,能够比较准确地检测语音信号。     

基于小波包变换的红外弱小目标检测

针对复杂背景下红外弱小目标的检测问题,提出一种基于小波包变换的红外弱小目标检测算法。该算法首先采用小波包变换对含有弱小目标的红外图像进行多尺度分解,得到不同尺度下的高低频节点系数;其次根据不同节点系数重构时对目标能量贡献的不同,选取高频频带中能量分布居中的频带节点系数对图像进行重构完成背景抑制;最后对重构后的目标图像采用自适应阈值分割方法进行目标分割,得到目标检测结果。实验采用多组红外序列图像进行验证,仿真结果表明：该算法可以很好地抑制背景和云层边缘,精确地检测出目标信号,同时提高了目标的信杂比和对比度等参数。     

小波包能量谱-稀疏核主元在故障检测中的应用

针对滚动轴承故障检测的问题,提出一种基于小波包能量谱-稀疏核主元的滚动轴承故障检测方法。对振动信号进行小波包分解,提取信号的能量频谱,用增量式样本基构造方法,提取能量频谱的样本基,以此样本基建立核主元模型,来分析轴承振动信号能量频谱的变化。通过实验仿真来说明此算法的有效性。     

小波消噪在微弱信号检测中的应用

从信号去噪的角度对小波变换作了分析,并且对用非线性小波从噪声中提取有用信号的算法作了对比研究,给出了几种方法的综合方法——变阈值消噪方法,以得到更好的消噪效果。应用对微弱检测信号的仿真试验验证了变阈值消噪算法的优越性。     

小波神经网络在微弱信号检测中的应用

因为噪声总是会影响检测的结果,所以低信噪比下的信号检测是目前检测领域的热点,而强噪声背景下微弱信号的提取又是信号检测的难点。小波神经网络比数字滤波器更加适合检测微弱信号。小波神经网络是一种时频分析的自适应系统,它能检测信号中的微小变化。该文提出了一种新的检测白噪声中微弱信号的方法。仿真结果表明,小波神经网络在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

基于弱信号检测理论的离散小波变换域数字水印盲检测算法

水印检测是数字水印技术的一个关键步骤，但是目前所提出的绝大多数水印检测算法既不具备赖以支撑的理论基础，其检测性能也不是优化的．利用数字水印的不可感知特性，应用弱信号检测理论进行水印检测的研究．首先从图像小波变换系数的统计特性出发，利用广义高斯分布（GGD）来建立小波细节子带系数的统计分布模型；然后针对水印嵌入强度未知的情况，将水印检测问题转化为非高斯噪声中具有未知参数的确定性信号的检测，在弱信号条件下提出一种离散小波变换（DWT）域图像水印的优化盲检测算法．检测性能分析表明，该检测算法能够实现恒虚警率水印检测．实验结果验证了检测性能理论分析的有效性和实际性能的优越性．     

基于小波包能量特征及LVQ的目标检测方法研究

基于常规雷达的目标检测方法不能很好地适应冲击雷达目标的检测,提出了一种基于小波包能量特征与LVQ神经网络相结合的新颖目标检测方法;首先利用小波包对目标回波信号进行分解,以得到目标的能量特征量,该特征量能明显区分目标和噪声;然后将能量特征量送入学习向量量化(LVQ)神经网络进行训练与仿真,以实现对超宽带目标信号的检测;仿真结果表明,该方法能获得较高的检测概率,较低的虚警概率.     

微弱信号检测方法研究

噪声是限制微弱信号检测系统的首要因素。对于微弱信号检测来说,如能有效克服噪声,就可提高信号检测的灵敏度。研究利用自适应滤波和小波分析来对微弱信号进行降噪,通过Matlab仿真证明,自适应滤波和小波分析对噪声有着很强的抑制作用。