基于时频分析方法LPFT的语音处理GUI系统

由于语音的非平稳性及时变性,时频分析方法是处理语音信号的重要工具.然而线性短时傅里叶变换的时频聚集性较差,而双线性维格纳变换在处理多分量信号时会受到交叉项的干扰.为了克服以上两种时频分析方法的缺点,利用短时傅里叶变换的扩展形式即局部多项式傅里叶变换LPFT来处理语音信号,建立了基于LPFT的语音处理GUI系统,实现了在时域、频域和时频域对语音的分析和对比.并给出语音处理的例子,验证了LPFT方法与其它方法相比所具有的优势.该系统简明直观,是语音处理的较好的平台.     

分数阶小波变换

小波变换是对信号时域-频域(Fourier域)的多分辨率分析,也可看作是一种Fourier域伸缩带通滤波.分数阶Fourier变换是对传统Fourier变换的推广,对信号分析处理有更大的灵活性,为了将多分辨率分析理论推广到时域-广义频域(分数阶Fourier域),提出了一种分数阶小波变换,分析了分数阶小波变换在广义频域伸缩带通滤波特性,分析信号时的时域-广义频域平面的多分辨率分析网格划分.分数阶小波变换是传统小波变换的推广,在对原小波变换核作一定改动后增加了小波变换对信号处理的灵活性.可以看到,将分数阶小波变换的变换角度取为π/2,便得到与传统小波变换多分辨率分析理论完全一致的结果.理论分析和计算机仿真表明了所提理论的正确性和有效性.     

一种基于小波变换的输油泵故障诊断方法

小波变换突破了传统Fourier变换在信号分析中的局限性,实现了对非平稳信号在时域和频域的局部化处理,提出了一种利用小波变换精确定位突变点的位置和突变类型的故障诊断方法,在输油泵的故障诊断中得到了验证.     

离散S变换的频域算法和时域算法比较

在信号处理领域,S变换具有良好的时频结合特性,应用广泛。在实际系统中,S变换通过离散数值方法实现,有频域和时域两种形式,文献中多使用频域形式。在用S变换对一些信号作时-频分析时,频域和时域两种实现形式得到的时-频谱图有明显的差异,但没有文献对此问题进行相关讨论。离散S变换的频域算法使用快速Fourier 变换（FFT）和其逆变换（IFFT）实现,但由于Fourier变换蕴含周期特性,一些信号的S变换时-频谱图在始末两端会出现虚假频率信息,干扰信号的时-频分析结果。在研究S变换理论的基础上,给出离散S变换的时域实现。离散S变换的时域算法克服了频域算法的缺点,能更准确反映信号的时-频分布情况。通过对比实验,验证了时域算法的有效性。将S变换的离散时域算法用于地震数据拓频处理,结果显示方法能有效增强信号分辨率。     

差动滤波法在弱信号检测及处理中的应用研究

弱信号检测及处理是雷达、声纳、通讯以及物理中微小量测量等工程技术领域中普遍存在的一个难点。差动滤波分析法是将其在时域、频域、时频域上进行各种变换然后再进行差分处理,把有用的信号过滤出来。将该信号在时域的波形图绘出,再对其进行傅立叶变换,之后用其结果在频域上绘制图形,这样就可以得到所需要的信号并对该信号进行分析。主要手段是运用人工神经网络的方法进行信号特征辨识以及在复杂背景下弱信号的检测,必要时也应用其他的信号处理方法作为补充,就可以达到检测与处理微弱信号的目的。     

基于Matlab的小波变换在图像压缩中的应用

小波变换克服了傅利叶变换在单分辨率上的缺陷,具有多分辨率分析的特点,在时域和频域都有表征信号局部信息的能力,从而使得小波理论在图像处理等领域得到广泛的应用。本文基于Matlab数学分析工具环境下从实验角度出发,探讨了小波变换在图像压缩中的应用和小波基的选取。     

浅析小波变换在图像压缩编码中的应用

小波变换是在傅里叶变换无法分析突变信号和非平稳信号的基础上产生的、具有多分辨率分析的时一频分析方法。它具有良好的时域和频域局部特性,因而在数据通信领域得到了广泛的领域。本文描述了小渡变换技术在图像压缩编码中的简单应用,并在MATLAB平台上进行仿真,实现了一级、二级两种扫描的图像压缩,突出了图像处理中采用小波变换技术的可行性和优越性。     

基于红黑小波的图像显著性检测

频域分析方法是图像显著性检测的经典方法之一,算法简单且计算速度快.然而传统的傅里叶频域分析方法计算出的显著性图精细度较低,难以获得满意的显著性区域分割结果.针对此问题,文中提出基于红黑小波变换的图像显著性检测方法.首先根据图像的尺寸确定红黑小波的分解层数;然后将原始图像和经过高斯平滑处理的图像分别进行红黑小波分解,求得二者分解结果的差值,并对该值进行红黑小波反变换获得显著性图.实验结果表明,与传统的傅里叶频域分析方法相比,该方法可获得更好的显著性检测效果.     

分数阶小波变换的性质

小波变换是对信号时域-频域(Fourier域)的多分辨率分析,是一种线性时不变伸缩带通滤波.分数阶小波变换将小波变换的多分辨率分析理论推广到时域-广义频域(分数阶Fourier域),对信号分析处理有更大的灵活性.分析了分数阶小波变换的线性时变特性、存在正交分教阶小波的条件、分数阶Fourier域传递函数,以及分数阶小波变换在分数阶Fourier域的伸缩带通滤波.     

声音信号采用小波去噪和小波包去噪的比较

受外界条件等因素的影响,采集到的声音信号中不可避免存在着大量的突变信号,因此需要对其进行降噪处理.传统的傅里叶分析不能同时分析信号在时域和频域的全貌和局部化特征,而这些局部化信息恰恰是表征声音信号的关键特质.小波变换在突变信号分析中得到广泛的应用,在声音去噪应用中取得了良好的效果,比较了小波分析和小波包分析两种去噪方法.     

从傅立叶变化到小波变化

小波变换目前成功地被应用于许多信号处理领域,它是Ｆｏｕｒｉｅｒ变换的新发展,其思想也是来源于Ｆｏｕｒｉｅｒ变换。本文阐述了Ｆｏｕｒｉｅｒ变换、加窗Ｆｏｕｒｉｅｒ变换和小波变换的概念,对它们之间的区别与联系进行了分析。     

FOUrier变换和小波变换一般形式一线调频小波变换和多普勒小波变换

Fourier交换，窗口Fourier变换与小波变换在许多领域得到广泛的应用，该文回顾了Fourier变换和小波变换的发展；介绍了两种新的处理非平衡信号的方法，线线调频小波变换和多普勒小波变换；分析了线调频小波变换是短时Fourier变换和小波变换的时频分析的统一时频表示形式，Fourier变换，小波变换以及线调频小波变换都是多普勒小波变换的特殊情况，线调频小波变换和多普革小波变换比Fourier变换和小变换更具灵活性，为图像，信号处理提供了新的方法和工具。     

Fourier变换和小波变换一般形式 —线调频小波变换和多普勒小波变换

Fourier变换、窗口Fourier变换与小波变换在许多领域得到广泛的应用。该文回顾了Fourier变换和小波变换的发展;介绍了两种新的处理非平稳信号的方法,即线调频小波变换和多普勒小波变换;分析了线调频小波变换是短时Fourier变换和小波变换的时频分析的统一时频表示形式,Fourier变换、小波变换以及线调频小波变换都是多普勒小波变换的特殊情况。线调频小波变换和多普勒小波变换比Fourier变换和小波变换更具灵活性,为图像、信号处理提供了新的方法和工具。     

短时Fourier变换与小波变换的比较

本文首先介绍了短时Fourier变换和小波变换的基本概念，然后从离散变换与框架，正交基与多分辨分析等方面，对短时Fourier变换和小波变换作了分析比较，最后讨论了两者的适用范围和优劣评价。     

一种基于FFT计算离散小波变换的方法

将小波变换和快速傅里叶变换（FFT）方法相结合,分析研究了用快速傅里叶变换计算离散小波变换的方法,总结变换结果和滤波器长度之间的移位关系,并提出通过把输入信号信号循环移位,实现完全重构的方法。这种方法计算的时间复杂度和快速傅里叶变换相当。     

基于K-L变换的小波图像融合方法

在多源信息融合中,小波多分辨率分析是一种最常用的方法.这里提出在小波多分辨率分析下,利用K-L变换的融合方法.首先利用小波变换对序列图像进行多分辨率分解,对相应的小波系数矩阵进行K-L变换,计算出小波系数权重.按照所得的权重融合小波系数,最后将小波融合系数逆变换实现图像的融合处理.实验结果证实这种方法有效的利用了图像的相关性,主观视觉效果分析和客观统计参数评价分析都表明,新方法的性能优于直接对小波系数进行平均的融合方法.     

Statistical Hough Transform

The Standard Hough Transform is a popular method in image processing and is traditionally estimated using histograms. Densities modeled with histograms in high dimensional space and/or with few observations, can be very sparse and highly demanding in memory. In this paper, we propose first to extend the formulation to continuous kernel estimates. Second, when dependencies in between variables are well taken into account, the estimated density is also robust to noise and insensitive to the choice of the origin of the spatial coordinates. Finally, our new statistical framework is unsupervised (all needed parameters are automatically estimated) and flexible (priors can easily be attached to the observations). We show experimentally that our new modeling encodes better the alignment content of images.     

基于局部小波变换与DCT的人脸识别算法

提出了一种基于局部小波变换和离散余弦变换(DiscreteCosineTransform,DCT)相结合的人脸识别方法,该算法首先利用小波变换对人脸图像做适当层次的小波分解,然后通过离散余弦变换对低频分量作进一步的特征提取和压缩,得到人脸识别特征,最后利用欧氏距离和最近邻分类器进行识别。基于ORL人脸数据库的实验结果表明了该算法的有效性。     

一种基于提升小波变换和IHS变换的图像融合方法

为了将低分辨率多光谱图像和高分辨率全色图像进行有效融合,提出了一种提升小波变换和IHS变换相结合的图像融合新方法。该方法首先对高分辨率图像进行无下采样提升小波分解,利用提升分解得到的各提升小波面叠加的边缘信息进行区域划分,再采用分区域加边缘有效因子的融合思想实现分区融合,使得融合的图像最大限度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率,其中区域的划分采用进化算法实现。该方法的融合结果与IHS法、小波变换法及其他改进方法进行比较,实验结果表明,该方法能较好地保留多光谱图像的光谱信息和提高分辨率图像的空间分辨率。     

结合FT与NSCT的自适应阈值去噪算法

为更好地对图像进行稀疏表示,以改善去噪效果,提出一种傅里叶变换与非下采样轮廓波变换(NSCT)相结合的自适应阈值去噪算法。在傅里叶域中对含噪图像去噪,在NSCT域中利用分层噪声估计的贝叶斯阈值算法,结合多尺度多方向的能量阈值修正方案自适应地滤除剩余噪声。实验结果表明,该算法的去噪性能较好。