基于SVD和小波变换的数字音频水印算法

为了保障数字音乐安全性,提出了一种基于奇异值分解和离散小波变换的数字音频水印算法.首先对二值水印图像进行奇异值分解求出奇异值作为水印,并对音频信号进行离散小波变换并计算水印嵌入点,最后将水印信号嵌入.按照水印嵌入的反操作进行水印提取,采用叠加噪声、去除噪声等进行攻击.实验表明,该算法具有较强的鲁棒性和不可感知性,能有效抵御各种常见攻击.     

基于VMD-SSA的埋地输气管道泄漏声波信号降噪研究

针对埋地输气管道泄漏声波信号沿土壤介质传播过程中易受噪声干扰的问题,提出基于变分模态分解结合奇异谱分析的联合降噪方法。先对含噪信号进行VMD分解,并根据能量熵分布图重构去除高频噪声。再对余下含中低频噪声的信号分量进行SSA分析,结合奇异值差分谱和能量贡献选取最优奇异值重构得到最终降噪信号。实验结果表明,相较于小波阈值、变分模态分解等降噪方法,改进方法降噪前后信噪比均增量提高27.1%,均方根误差均减量提高13.8%,是一种更有效的降噪方法。     

奇异信号的小波奇性检测与小波滤波

对奇异信号在小波变换下的奇异点特征进行分析,并将小波奇性检测运用小波滤波,实现了奇异信号的时－频二维滤波,使滤除噪声同时保留了信号的奇异点信息。     

基于LMD-SVD的微震信号降噪方法研究

作为一种3维、实时的监测手段,微震监测通过分析岩体破裂产生的微震信号,评估工程岩体的稳定性,为工程建设和人员安全提供预警。然而,工程现场情况复杂,采集微震信号时通常会混入一定程度的噪声,影响后续微震信号的分析工作。针对这一问题,提出一种基于局部均值分解（local mean decomposition,LMD）和奇异值分解（singular value decomposition,SVD）的LMD-SVD联合降噪法以降低噪声干扰。该方法首先使用LMD分解,获得一系列由高频到低频分布的乘积函数（product functions,PF）;通过计算原始信号与各个PF分量之间的相关系数,确定含噪信号与有效信号之间的分界位置,将分界分量之前的分量剔除,实现初步降噪。然后,针对LMD分解结果中的残留噪声,使用SVD法,以加权能量贡献率（percent of contribution to total energy,PCTE）作为奇异值阶数的确定方法,对分界PF分量进行降噪处理,实现二次滤波。通过上述处理,最终实现微震信号降噪。在仿真实验中,对于同一带噪的Ricker子波,分别使用经验模态分解（empirical mode decomposition, EMD）、LMD、LMD-SVD这3种方法进行降噪处理。其降噪前后信号的信噪比、波形图及频谱图对比结果表明LMD-SVD是一种更好的降噪方法。此外,对于白鹤滩水电站左岸地下厂房的微震监测系统所采集的信号,运用LMD-SVD对含噪微震信号进行降噪处理,表明本文方法能够有效地去除微震信号中的高频噪声,为后续微震分析工作提供帮助。     

基于LMD–SVD的微震信号降噪方法研究

作为一种3维、实时的监测手段,微震监测通过分析岩体破裂产生的微震信号,评估工程岩体的稳定性,为工程建设和人员安全提供预警。然而,工程现场情况复杂,采集微震信号时通常会混入一定程度的噪声,影响后续微震信号的分析工作。针对这一问题,提出一种基于局部均值分解(local mean decomposition,LMD)和奇异值分解(singular value decomposition,SVD)的LMD–SVD联合降噪法以降低噪声干扰。该方法首先使用LMD分解,获得一系列由高频到低频分布的乘积函数(product functions,PF);通过计算原始信号与各个PF分量之间的相关系数,确定含噪信号与有效信号之间的分界位置,将分界分量之前的分量剔除,实现初步降噪。然后,针对LMD分解结果中的残留噪声,使用SVD法,以加权能量贡献率(percent of contribution to total energy,PCTE)作为奇异值阶数的确定方法,对分界PF分量进行降噪处理,实现二次滤波。通过上述处理,最终实现微震信号降噪。在仿真实验中,对于同一带噪的Ricker子波,分别使用经验模态分解(empirical mode decomposition, EMD)、LMD、LMD–SVD这3种方法进行降噪处理。其降噪前后信号的信噪比、波形图及频谱图对比结果表明LMD–SVD是一种更好的降噪方法。此外,对于白鹤滩水电站左岸地下厂房的微震监测系统所采集的信号,运用LMD–SVD对含噪微震信号进行降噪处理,表明本文方法能够有效地去除微震信号中的高频噪声,为后续微震分析工作提供帮助。     

一种基于SVD分解的小波阈值降噪方法

针对小波软阈值消噪的缺点,探讨了一种基于奇异值分解(SVD)的离散小波去噪方法。该方法通过对每层小波分解细节系数进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在细节系数中的有用信号成分,最后进行小波重建,得到降噪信号。通过仿真实例的验证,表明该方法与小波阈值消噪法相比,在强噪声背景下,它提取出的信号特征成分更完整,信噪比更高。     

基于SVD的正交多项式变换及其在地震资料处理中的应用

在地震资料中,噪声干扰严重影响了资料的品质,为此必须进行有效的去噪处理。通过对正交多项式变换方法的研究,本文提出一种基于奇异值分解（SVD）算法的正交多项式变换压制地震资料噪音的方法。将地震资料经过正交多项式变换后,有效信号和噪音在正交多项式系数上的分布不同,使用奇异值分解算法可以有效地分离有效信号和噪音。经合成地震记录模型及实际地震数据的处理结果表明,该方法不仅能够有效地进行信噪分离,而且可以减少对振幅的畸变,同时增强了反射同相轴的连续性。     

墓于小波变换的随钻测试数据降噪方法研究

为消除随钻测试装置采集信号中的噪声,给工程人员提供准确的现场信息,提出了基于小波变换的方法对随钻测试数据进行降噪处理.首先,根据含噪声的随钻测试数据模型建立起小波变换降噪的基本流程.其次,在对含噪信号的小波变换特性分析的基础上,运用自相关函数对其在小波变换尺度空间中进行白噪声检验,确定小波最优分解层数.在分析对比小波降噪阈值的不同选取方式后,采用广义交又确认理论来计算最优降噪阈值,从而在对信号降噪的同时还最大程度地保留了信号的有效特征成分.最后给出了基于该方法小波变换的随钻测试数据降噪的详细步稼,对实侧的钻压和扭矩数据进行了小波降噪,取得了良好的降噪效果,为钻井工程后续分析提供了可靠的数据支撑.证明了本方法的优越性.     

小波和S-G的改进算法及混沌降噪应用

为降低混沌信号中常见的白噪声及脉冲噪声,提出了改进的小波阈值降噪与S-G(Savitzky-Golay)滤波相结合的方法。小波基函数和分解层数对降噪效果有着重要影响,为取得更好的降噪效果,采用逐层确定最优基小波和分解层数自适应确定方法,并给出了各层阈值的选取方法,最后将改进的加权法应用于S-G小波去噪方法以恢复高频分量中部分有用信号。利用该方法对Lorenz混沌时间序列及实测机械式混沌振动信号进行了去噪研究,结果表明所提方法能将混沌信号信噪比提高近1 d B,自相关函数值提高0.01,是一种有效的混沌信号降噪新方法。     

小波域心理听觉模型

提出一个简单直接的将频域心理听觉模型转换到小波域,进行小波包滤波器分解音频编码的新方法.该方法利用离散傅里叶变换左右频带的对称性,将频域的掩蔽域值频谱作为一个信号,利用傅里叶反变换和离散小波包变换转换到每一个小波子带,根据掩蔽信号在小波域的能量来控制子带中音频信号的量化步长,利用该方法实现小波包音频编码.