用连续小波变换识别内燃机噪声源

为了直接利用连续小波变换进行内燃机噪声源识别，提出了一种连续小波变换的改进算法. 研究了信号组成成分的幅值和频率变化对小波系数的影响，根据连续小波变换的基本性质，对连续小波变换后产生的与信号频率有关的衰减系数进行修正，通过对比分析从Matlab6.5的小波工具箱中找出了适合振动噪声信号分析的小波函数.工程信号的分析结果表明，经过对连续小波变换后小波系数的修正，使小波系数的大小能正确反映信号各组成成分的幅值大小，从而可以利用小波系数形成的云图直接进行内燃机噪声源识别.     

三种具体信号的连续小波变换

从连续小波变换的定义出发，利用连续小波变换的公式，分别选择harr小波与marr小波作为母小波，给出了信号门函数、单边指数函数、阶跃函数在给定小波基下的连续小波变换的表达式，从它们的连续小波变换的表达式和相应的小波变换图形来看，得出了同样的信号在不同的小波基下的小波变换完全不一样的结论，解决了当前有关小波分析方面的专著中，都没有给出具体信号的小波变换的表达式。     

小波去噪在语音识别中的应用

将小波应用于语音识别的预处理中,对带噪语音信号在小波域内区分语音的清,浊音,分别用门限进行不同的处理,将去噪后的小波系数反变换后再进行语音识别。实验结果表明,小波去噪对在噪声环境下的语音识别性能有很大的改进。     

基于傅立叶变换和小波变换的信号处理

介绍了傅立叶变换、小波变换等几种常见的分析处理信号的方法，并对一个实例信号分别利用这两种方法进行了分析处理，阐明了这两种变换在对信号处理上的不同特点。     

基于小波变换与SVM的调制信号识别方法

为了准确地识别通信信号的调制方式,运用小波变换与支持向量机（SVM）对调制信号类型进行识别。采用小波分解重构方法对常用3种模拟信号和6种数字信号提取特征值,将提取的小波特征参数送到 SVM判决器,对信号调制类别进行训练与测试,得到平均识别率。实验结果表明,在信噪比不低于5 dB时,识别率达到了100%,具有良好的分类性能和抗噪能力。     

基于多小波噪声方差阈值的信号滤波方法

对信号和噪声的多小波变换进行了研究，根据它们多小波变换下呈现出的截然相反的特征，即随着变换尺度的增大，噪声的变换值迅速减小，而信号的变换值增大，利用相关算法推导并给出了多小波噪声方差阈值的计算公式，基于阈值提出了一种新的多小波信号滤波方法，该方法在噪声方差估计的基础上，对噪声信号变换系数进行处理，减小由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数进行处理，减少由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数重构信号，对该方法用典型的GHM双小波进行了仿真分析，结果表明，本文的方法具有很好的滤波效果。     

基于光学小波分析的相关识别和计算机模拟

将小波变换引入到光学联合变换相关识别中，采用基于联合变换相关的小波分析来实现模式识别．利用改进的墨西哥帽小波函数产生小波滤波器，并进行了光学小波联合变换相关识别。将这种滤波器放置在傅里叶反变换产生相关输出之前的联合功率谱面上，该技术可以应用在具有不同灰度图像的模式识别中。计算机模拟结果表明：其相关峰宽度、识别力和峰噪比都有较大改善。     

用小波变换对心电图进行分析

利用小波变换对心电图中的QRS波进行定位,传统的信号分析方法傅立叶变换只适于周期的、稳态的信号。心电图往往存在许多随机信号,小波分析具有良好的时频局部化性质,对信号的突变点、奇异点有很好的识别能力,是心电图分析中的有力工具。     

一种基于小波的奇异信号检测方法

介绍了小波二进制变换的基本原理，简述了小波变换奇异性和信号突变的关系。基于小波变换，给出一种结合3δ准则、软硬阚值折衷法的奇异信号小波检测方法。仿真结果表明此法既能有效地消除噪声，又能较好保留奇异信号,从而改善信号中奇异性信息的提取效果；在对信号奇异程度和奇异点位置的确定上，较以往的处理方法有明显的改善。     

基于小波变换和人工神经网络的保护模型

采用一种结合小波变换和神经网络原理的模型，来识别电力系统短路故障，用小波变换提取测量信号的特征量，作为多层的神经网络的输入，对不同的输出要求，采用不同的神经网络，判断出发生故障的相别、性质和位置。实验结果表明，该模型是有效、可行的。     

类Haar小波与数字信号调制识别

调制识别在通信侦察和通信对抗中有着重要应用。为了利用小波变换进行数字调制的类型识别，提出了具有比Haar小波更好频率局域化特征的类Haar小波概念，从理论上论证了正弦型类Haar小波用于MPSK和MFSK信号调制识别的可行性，详细推导了小波系数幅度与相位跳变或频率跳变之间的关系，并对分类识别器进行了仿真。理论和仿真结果均表明，在一定信噪比条件下，正弦型类Haar小波不仅能用于通信信号的调制识别，且具有比Haar小波更好的抗噪性能。     

短波通信中的数字调制信号识别

针对目前没有有效的方法对短波通信中的调制信号进行识别的问题,提出一种基于小波包变换、高阶累积量和支持向量机的数字调制信号识别新方法.该方法提取信号经小波包变换后各频段的能量值和累积量作为特征向量,利用以支持向量机为基础的多级分类器对其进行调制识别.此分级调制识别方法与其他非分级调制识别方法相比具有较高的识别率.实验表明,针对FSK、PSK等10种调制信号在低信噪比下具有较高的识别能力,该算法在短波通信中的调制信号识别领域有较好的应用.     

多径信道下调制信号识别新方法

针对多径信道中存在调制信号识别难以实现及识别率低的问题,提出了一种全盲的基于小波变换和高阶循环累积量相结合的算法(W-HOCC).该算法利用小波变换的线性性质和循环累积量的叠加性质构造识别特征,即把接收信号在小波变换前后的四阶累积量的比值作为识别特征参数.从理论上证明了该算法能够消除多径信道参数的影响.仿真结果表明:在信噪比为0dB的多径瑞利衰落信道下,分类2ASK、2PSK和4QAM信号的识别率几乎达到100%;与基于高阶累积量的算法相比,在识别BPSK和QPSK时,W-HOCC算法的性能明显优于基于高级累积量的算法,而且具有更强的抗噪声和抗多径能力.     

动态小波变换在单相重合闸故障判别中的应用研究

分析了输电线路发生单相接地故障时,永久性故障与瞬时性故障电弧燃烧的特性,提出一种基于动态小波变换的自适应单相重合闸故障类型的判别方法。小波变换能够准确地检测到电力系统故障突变信号的特征,而傅里叶变换能够较准确地反映工频信号量,将二者结合起来构成的动态小波变换,不仅可以检测到故障信号中的工频分量,还可以检测到谐波分量。动态小波变换与常规小波变换相比,检测故障突变信号的能力更强。将其用于单相重合闸故障类型的判别,可以在熄弧之前进行判断,具有快速、准确的显著特点。仿真结果验证了该方法的有效性。     

Extraction of failure characteristic of rolling element bearing based on wavelet transform under strong noise

There has been a lot of research has been performed regarding diagnosing rolling element bearing faults using wavelet analysis, but almost all methods are not ideal for picking up fault signal characteristics under strong noise. Therefore, this paper proposes auto-correlation, cross-correlation and weighted average fault diagnosis methods based on wavelet transform (WT) de-noising which combine correlation analysis with WT for the first time. These three methods compute the auto-correlation, the cross-correlation and the weighted average of the measured vibration signals, then de-noise by thresholding and computing the auto-correlation of de-noised coefficients of WT and FFT of ctlergy sequence. The simulation results indicate that all methods enhance the capabilities of fault diagnosis of rolling bearings and pick up the fault characteristics effectively.     

小波域的最大似然调制分类

针对电子战领域中的调制类型识别问题,提出了一种把通信信号变换到小波域下的最大似然调制分类算法．通过分析MPSK信号在Haar小波基下的小波变换系数同其相位参数之间的关系,把MPSK信号的小波变换系数用广义高斯概率分布进行建模来得到MPSK信号的最大似然分类函数．同常规的最大似然分类算法相比新方法所需的先验信息少．计算机仿真结果表明,这种算法在低信噪比下仍然能获得好的正确分类性能．     

MPSK信号小波变换过零特征分析

小波变换提供品质因数Q恒定的滤波器分析，能够精细刻化M电平相移键控（MPSK）信号在码元转换时刻的相位跳变。给出了MPSK信号小波变换后在时间—尺度图谱上小波系数的过零特征。通过构造特殊的数字序列，分析了小波系数过零点分层数与MPSK信号的电平数M的对应关系，详细讨论了MPSK信号不同的相位跳变模式与过零点层次性的内在联系。提出了基于小波变换过零特征的MPSK信号调制类型识别方法。仿真结果表明，MPSK信号小波变换存在显著的过零特征，基于该特征的MPSK信号的类型识别方案是可行的，为软件无线电的实际应用提供了理论参考。     

Novel recognition method for digital modulation signals with Alpha stable noise

The traditional methods for digital modulation signals recognition with Alpha stable distribution noise have the problem of poor performance. In this paper, a novel recognition method for digital modulation signals based on the generalized cumulant and generalized instantaneous phase is proposed to solve this problem. This method extracts the characteristic parameters which are the generalized cumulant and maximum of normalization and center generalized instantaneous phase spectral density based on fractional Fourier transform. And then the minimum mean square error classifier and the threshold are used to achieve modulation recognition of digital modulation signals with Alpha stable distribution noise. Simulation results show that the proposed method has not only better performance but also lower computation complexity than the traditional recognition methods in an Alpha stable distribution noise environment.     

基于时频混合矩的小波调制信号识别

小波调制信号是一种特殊的调制信号,该文基于小波调制信号独特的时频特征,利用自适应优化核时频分布方法,探讨基于时频混合矩的多载波调制信号的识别。仿真表明,该方法不仅能将小波调制与OFDM信号进行分类,同时还能对不同调制级的小波调制信号进行分类。