小波分析在激光多普勒信号检测中的应用

为了有效的消除人体激光多普勒信号的噪声,提出了一种利用小波变换的方法对信号进行处理.通过研究多尺度小波变换和小波包变换的工作原理和消噪流程,利用Matlab对实际信号分别进行强制消噪、默认阈值消噪、给定软阈值消噪仿真,仿真结果表明,两种小波变换方法均可以有效地消除信号中的噪声.提高信噪比,适用于背景噪声强的人体信号的提取,并可推广到其他强噪声环境下对微弱信号进行提取,具有广泛的应用价值和现实意义.     

应用小波变换的炮管裂纹漏磁信号去噪研究

采用漏磁法对炮管进行无损检测时,漏磁信号中含有噪声.介绍了小波变换理论,说明去除漏磁信号噪声原理.仿真试验中,选取二阶样条小波为小波函数,选用软阈值函数和固定阈值的方法处理小波系数,结果表明将小波变换应用于炮管漏磁检测中,很好地去除了信号噪声,提取出有用信号的特征.     

变换域自适应滤波器在血流量检测中应用研究

针对变步长LMS自适应算法在激光多普勒血流量检测系统中应用的不足,提出一种基于变换域的变步长LMS自适应算法,通过仿真实验结果表明,本算法可以有效地消除在检测过程中由于光电调制、人体组织组成复杂等引入的多频干扰以及背景高斯噪声信号,并具有算法简单,收敛性强,稳态误差较小的特点,在保证精度的前提下,具有良好的适用范围。     

基于小波变换和PCA的SAR图像相干斑抑制

提出一种SAR图像相干斑噪声抑制新的滤波方法。该方法利用小波变换结合主分量分析(PCA)对SAR图像进行去噪。小波变换可以很好地保持边缘细节信息,主分量分析(PCA)能从混合信号中提取出主分量即信号的主要特征,将小波变换结合PCA用于图像处理,能在有效消除噪声的同时保持边缘信息。与Kirsch模板加权平滑滤波和结合小波变换的Kirsch模板加权平滑滤波去噪方法进行比较,实验结果表明,该方法具有良好的抑制相干斑噪声效果和较强的边缘保持能力。     

小波变换阈值选取的博弈与图像边缘点检测

介绍了小波变换的理论,从一维空间小波变换故障信号检测实例出发,分析应用小波变换进行信号突变点检测时,阈值选取对消除噪声和信号真实突变点检测的影响,引出小波变换阈值选取的博弈观点;通过软件编程实现小波变换和模极大阈值法图像边缘点的提取,对比选取不同阈值时边缘点图像实例的效果,进一步讨论了阈值优化的博弈结论和相关技巧;认识和应用此结论不仅可以有效减小噪声,而且可以更加准确地提取图像边缘点,实验证明效果很好.     

小波变换阈值选取的博弈与图像边缘点检测

介绍了小波变换的理论，从一维空间小波变换故障信号检测实例出发，分析应用小波变换进行信号突变点检测时，阈值选取对消除噪声和信号真实突变点检测的影响，引出小波变换阈值选取的博弈观点；通过软件编程实现小波变换和模极大阈值法图像边缘点的提取，对比选取不同阈值时边缘点图像实例的效果，进一步讨论了阈值优化的博弈结论和相关技巧；认识和应用此结论不仅可以有效减小噪声，而且可以更加准确地提取图像边缘点,实验证明效果很好。     

信号的小波分析及在信号检测中的应用

对典型的线性调频信号进行了小波分析,并运用小波变换方法对噪声中的方波信号和正弦信号进行了检测,讨论了小波变换滤波器参数变化对检测性能的影响,最后,将小波变换与短时傅里叶变换进行了比较。     

基于小波变换的玻璃厚度检测信号分析

基于LD-CCD光电测量方法的玻璃厚度检测信号混杂着各种外界噪声和CCD固有的随机噪声,具有较低信噪比,玻璃厚度测量系统对精度要求很高,必须对信号进行滤波处理.文中简要介绍了玻璃厚度测量系统信号处理流程.分析光电检测系统噪声主要来源,对厚度信号混杂的噪声特性进行细致研究,给出噪声模型.提出用小波变换软阈值法去除噪声,进行信号特征提取.将小波分析在信号处理中的优势应用到玻璃厚度信号分析中,最大程度的保留原信号信息.采集试验数据进行计算机仿真处理,取得了比较理想的结果,降噪后的信号波形基本消除了噪声干扰,为厚度信号的进一步处理奠定了基础.     

基于小波变换的冲击脉冲雷达图像处理方法

将小波变换的基本理论运用到冲击脉冲雷达信号的处理中，检测雷达回波信号的奇异性，同时用非线性变换方法对图像进行处理。该方法对提取目标回波信号、提升其信号强度、抑制杂波干扰和噪声有良好的效果。文章最后给出了该方法对冲击脉冲雷达图像的处理结果。可以看出，在处理后的雷达图像中，目标清晰，杂波干扰和噪声基本消除。     

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。     

基于中值和小波变换的α稳定分布噪声滤波方法*

针对信号中厚尾噪声的抑制问题,提出基于中值和小波变换的滤波方法。研究了α稳定分布信号的特性,利用中值滤波有效地抑制噪声中幅度异常的强脉冲信号,然后对结果利用小波阈值方法进行消噪。实验对α稳定分布噪声进行模型描述,分别采用高斯模型分析方法和中值滤波结合工程算法对采样信号进行时频变换。系列图谱对比结果表明,在不同冲击性α稳定分布噪声环境下,采用高斯模型分析结果出现退化,而采用中值滤波结合小波变换的滤波方法能有效抑制异常值,减小了信号的畸变,能够实现降噪。     

一种基于小波变换的红外导引头信号检测方法

针对某型号红外导引头信号的检测问题,提出了一种基于离散平稳小波变换的微弱脉冲信号检测方法.根据有用脉冲信号与噪声信号在频谱特性上的差异,对导引头信号进行多尺度的离散平稳小波变换,利用分解后得到的低频近似信号逼近信号中的低频噪声来滤出低频噪声的干扰,同时采用阈值去噪的方法处理信号中的白噪声.将该方法应用于仿真信号和真实导引头信号检测,仿真实验结果表明:该方法在有效克服传统离散正交小波变换去噪时容易产生的Gibbs现象的前提下,极大地提高了导引头信号的信噪比,增强了导引头的探测能力.     

基于小波分解的无线电引信目标识别

多普勒无线电引信目标识别的传统的方法是利用多普勒信号的幅值和增幅速率等特征进行目标信号识别.为使无线电引信在强背景噪声干扰的情况下能够正确地识别目标,就需要采取有效的信号处理方法识别目标.文中根据无线电引信回波多普勒信号功率主要集中在低频部分的特点,对淹没在噪声中的无线电引信回波信号进行小波分解,提取在不同频带内信号能量作为特征,用Fisher判别方法对目标进行检测.针对不同信噪比,对某典型无线电引信回波信号进行定量研究,从仿真结果可以得出该文方法能处理信号的信噪比达-7dB,表明该方法是有效的.     

基于希尔伯特-黄和小波包的UWB信号检测方法

针对希尔伯特-黄变换在超宽带脉冲检测中检测性能受限于信噪比的问题,研究并分析了筛选终止条件以及小波包去噪方法,结合新终止条件,给出了希尔伯特-黄变换与小波包分析联合检测的新方法。采用新方法对噪声中的超宽带信号进行检测分析,并运用均方根误差公式对该方法的检测性能进行仿真比较。仿真图表明,新方法能较为准确地重构出淹没在强噪声下的脉冲,成功克服HHT变换在检测超宽带脉冲时受噪声强度影响较大的问题,从而改善强噪声环境下脉冲信号的检测效果。     

小波变换在车流量检测雷达信号去噪中的应用

分析了车流量检测雷达中频信号的特点,探讨了小波变换在中频信号去噪中的应用;分别采用小波变换阈值法、平移不变量法和小波变换模极大值法对中频信号进行了去噪处理并对这三种方法的去噪性能进行了分析;实验结果表明,三种方法均能有效的抑制噪声,其中小波阈值法去噪效果较好,计算速度很快;平移不变量法去噪效果略优于小波阈值法,但计算速度较慢,模极大值法虽然取得了最好的去噪效果,但计算速度很慢;综合而言,小波变换阈值法最具实用价值。     

基于提升小波变换的信号降噪及其工程应用

为了解决炮膛检测中的噪声抑制问题,在讨论提升小波变换基本原理及其特点的基础上,采用提升小波变换的方法构造小波,介绍了基于插值细分法的提升小波,讨论了其降噪原理。通过实验对比研究了不同类型的经典提升小波和插值细分小波的降噪效果以及小波支集与降噪效果之间的关系,为选择降噪小波提供了理论依据。将该结论应用于炮膛检测系统中身管内径测量信号的降噪处理,取得了满意的效果。     

基于小波分析的LED芯片非接触检测信号处理

针对现有LED芯片非接触在线检测系统中存在信号处理方法简单、检测信号信噪比低等问题,本文分析了系统噪声并讨论了处理方法,研究了小波变换对LED非接触检测信号进行消噪的原理和实现过程,对检测信号进行了小波消噪的仿真和实验,并分析了结果数据。实验结果表明,小波分析在LED非接触检测信号消噪中的应用能够有效提高信噪比并切实可行。     

运用离散二进小波变换分离声目标的信号与噪声

本文介绍离散二进小波变换的原理和实现多尺度离散二进小波变换的MALLAT塔式算法,给出了一个利用多尺度离散二进小波变换对战术声目标进行信号与噪声分离的实例;所得计算机模拟结果表明,运用离散二进小波变换滤除噪声,能够获得更高的信噪比。     

基于自适应提升方案的激光探测系统消噪

本文通过采用自适应提升小波分析,根据处理信息的局部特征自适应地调整预测和更新算子,实现与处理信息的准确匹配,有效地降低信息小波分析的运算量和计算的复杂性,并且便于采用激光探测系统等实现;其次,根据激光测距探测系统中噪声的特点,分析了去噪阈值的选取,详细地讨论了小波的浮动阈值选取方法,并将这种方法应用于激光探测系统去噪,较好地满足在强噪声下检测微弱信号的要求。仿真结果表明,采用这些措施实现的激光探测系统去噪,做到滤去噪声的同时又有效地保留信号的细节,收到了较好的效果。