太阳射电频谱图的自动轮廓检测与信息提取

射电精细结构是太阳爆发动态频谱图中一个重要的观测现象。为了达到更好提取精细结构轮廓,解读物理信息的目的。基于国家天文台怀柔观测站的2．6～3．8GHz频谱仪于2002年4月21日观测到的爆发现象,采用Levelset方法并加以改进,对原始图像进行轮廓提取,克服了以往此方法中存在遗漏检测的问题。此外对图像进行循环检测,取得了良好地检测结果。此后又对图像进行二值化提取,得到了二值化精细结构图像。最终统计出精细结构漂移率这一重要物理信息,为更好的理解太阳爆发机制提供了依据。     

太阳射电Ⅱ型爆发中频率分裂现象的特征自动提取研究

在射电动态频谱图上,太阳射电爆发中的Ⅱ型暴通常具有缓慢漂移的基频和二次谐频辐射带,这些辐射带又具有带分裂结构。Ⅱ型射电暴的频率分裂现象是太阳射电频谱图像研究的重要现象之一。本文首先采用通道归一化方法和大津法对频谱图像进行预处理,然后通过形态学开闭重建定位出爆发区域。确定爆发区域后,采用高斯卷积平滑爆发,并运用边缘指示函数实现太阳射电暴的边缘检测,最后基于距离正则化水平集方法提取出频率分裂现象。成功提取出频率分裂现象后简要介绍了特征参数的统计与分析方法,以便为进一步理解Ⅱ型射电爆发的机制提供依据。     

二维小波去噪在太阳射电数据处理中的应用

针对太阳射电数据的处理问题，对数据所含噪声，可以通过小波分解高频系数可以估计出其噪声强度。本文主要探讨二维小波方法在有关射电天文观测的数据消除噪声研究中的应用。     

小波变换与傅立叶变换相结合的信号实例分析

文章采用离散小波变换与快速傅立叶变换相结合的方法,先对原始信号进行小波分解,再对各子带信号做快速傅立叶变换,从而得到各子带上时间信号的频谱。计算机仿真的实例分析表明,该方法将小波变换和傅立叶变换的优点结合了起来。     

太阳微波尖峰的空间谱分析

利用国家天文台怀柔太阳观察站2．6～3．8GHz频谱仪的观察数据，对太阳射电辐射中的8个尖峰辐射事件进行了分析。在把频率标度转变成太阳大气中的高度之后，得到了时间一太阳大气高度对应二维数据；对任意时刻的太阳流量数据向量经过小波变换和将小波变换后二维图形转变为一维图形后，得到类似傅里叶变换的功率谱图。同时也利用傅里叶谱分析方法对同样的数据进行对比分析，分别直线拟合一维功率谱图，得到幂率功率谱指数，发现大多数指数与典型的科莫戈洛夫功率谱指数相背离，并且阐述了可能存在的原因。     

基于Goldstein滤波的数字散斑条纹图降噪方法

有效去除数字散斑条纹图中的噪声是散斑干涉测量技术中的关键问题。提出了一种基于Goldstein滤波的数字散斑条纹图平滑方法。该方法需要将散斑条纹图中的干涉相位转换为矢量空间中的单位矢量,并进行快速傅里叶变换(FFT),得到其频谱,然后对频谱进行加权处理,从而抑制噪声的频率成分,再将加权处理后的频谱变换到空间域,计算干涉相位,得到原始散斑条纹图的滤波结果。将该滤波方法运用于四步相移数字散斑干涉条纹图像处理。实验结果表明,该方法在滤除散斑噪声的同时能够有效地保护散斑条纹图的轮廓和细节信息,增强了散斑干涉条纹的对比度。     

应用小波变换的频谱边缘检测技术研究

频谱感知是认知无线电实现的首要步骤。作为分析奇异点和边缘检测的强大数学工具,小波变换被用于探测和估计局部频谱的不规则变化。针对小波变换实现频谱边缘检测的局限条件,提出一种带内非平稳变化,边界连续变化的频谱边缘检测方法。通过对原始频谱信号进行数据预处理和结果峰值变化特性分析,利用小波变换实现频段的边缘划分,最后进行仿真验证。仿真结果表明:本算法能够将带内不光滑且边界连续变化的频谱有效的划分成若干独立频段,从而实现信号频谱边缘检测。     

用于小波变换的图象信号二维频谱分析

在对理想和实际原始图象信号的二维频谱及其幅频特性进行数学分析的基础上，提出了对小波变换二维频谱分解的两种改进方案。     

小波变换在图像数据压缩中的应用

小波变换的图像编码方法,不仅拥有传统编码的优点,能够消除图像中的统计冗余,并且,其多分辨率的特性提供了消除非统计冗余信息的良好机制。基于离散小波变换(DWT)理论,介绍了DWT在数字图像压缩中的应用,使用零树编码实现了数字图像压缩,并同时保持原图像在各种分辨率下的精细结构,该方法对消除图像中非统计冗余信息提供了有效途径。     

TDI-CCD图像固有条带噪声的消除方法及实现

存在于TDI-CCD图像中的条带噪声会影响图像的质量,降低系统的测量精度。针对TDI-CCD图像固有条带噪声的灰度值在原始信息中变化比较缓慢的特点,利用傅里叶变换域内的频谱图映射确定条带噪声频率的方法,分别采用低通、带阻滤波器对条带噪声进行消除。另外,提出了一种改进阈值的小波变换法来消除条带噪声,该方法能在小波分解后各个尺度的垂直方向上自适应地确定阈值。实验结果表明在消除条带噪声方面,改进阈值的小波变换法优于传统的傅里叶变换法。在整个频率域内,改进阈值的小波变换法能够较彻底地消除条带噪声,同时较好地保持了原图像的特征。     

基于小波数字滤波的傅里叶变换轮廓法

采用一种基于小波数字滤波的傅里叶变换轮廓法测物体三维形貌。先利用小波变换基本滤除变形栅线图中的直流分量和高频分量,再进行相位计算。结果表明,该方法在一定程度上解决了频率混迭的问题,从而也降低了对低通滤波器的设计要求。     

一种新的认知无线电主用户信号识别方法

频谱感知过程中的主用户识别是目前认知无线电研究的主要问题之一.利用主用户电台信号特征,提出一种新的、实用的认知无线电主用户识别方法.通过利用小波及聚类分析对电台开机或通信模式切换时产生的瞬态信号进行分析,提出了两个特征指标用于电台的识别从而判断用户的身份.计算机仿真结果验证了该方法的可行性,并给出了下一步研究方向.     

Two-branch wavelet denoising for accurate spectrum sensing in cognitive radios

In order to detect the unused spectrum bands (the spectrum holes) efficiently in cognitive radios with low signal-to-noise radio (SNR), we propose to adopt two independent branches of wavelet to detect the singularities of the received signals’ power spectrum density (PSD). The sensing structure is flexible such that we can use one or two branches to cope with different SNRs. Under low SNR condition, each branch uses distinct characteristics between noise and signals in the wavelet transform to eliminate the singularities generated by the noise. By using bandpass filter to calculate PSD values of the subbands which are distinguished by the signal’s singularities, the subband with the minimum PSD value among all of the subbands could be found. Then, the results of the two branches are merged and analyzed in order to make the final decision. Finally, we use signal reconstruction to further remove the noise and then accurately detect the spectrum holes. When the SNR is high, only one branch through the denoising procedure is needed to get accurate sensing result. Our simulation results show that the two-branch wavelet method is more accurate than conventional approaches under given SNRs.     

The time–frequency analysis approach of electric noise based on the wavelet transform

In this paper, the wavelet transform approach has been firstly introduced to analyze electric noise in a transistor. Due to the multiresolution ability of wavelet transform, we can separate noise signal into several detail signals and approximation signal which can be interpreted in terms of the noise output of a generalized constant-Q filter bank and low pass filter, respectively.Based on this approach, the fractal and chaos characteristic of 1/f noise are obtained, the smaller burst noise pulse embedded in the white noise and 1/f noise can be detected, and the noise spectrum can also be calculated from short noise data. These results demonstrate that wavelet transform approach is a useful tool for investigation of noise mechanism of a transistor.     

基于小波包变换的能量检测技术研究

频谱感知技术是认知无线电实现的关键,对解决频谱资源匮乏的问题起着举足轻重的作用,因此受到业界的广泛关注。在分析比较了三种常见的频谱检测技术后,提出了一种在未知噪声下的基于小波包变换的能量检测算法,通过小波包变换对噪声和信号功率进行估计从而得到较为准确的判决门限。仿真结果显示,在未知噪声情况下的该算法具有较好的鲁棒性,有望成为适于认知无线电应用的频谱感知技术。