随机信号Haar小波包变换的性能研究

本文研究了Ｈａａｒ小波包库内各种正交基对应的正交变换用于对随机数字信号进行处理的问题，提出了一种小波包基的编码方案，并且从方差分布、均方误差、率失真函数的角度对各种Ｈａａｒ小波包基对就的正交变换在数据压缩、广义维纳滤波和变换编三中的性能进行比较，总结了其规律。     

基于小波变换/小波包变换的多载波调制技术

小波/小波包在通信系统中的应用是近年来一个新的研究领域,而基于小波/小波包变换的多载波调制技术是其中一大研究热点。由于小波/小波包基函数具有良好的正交性与时频局域性等特点,基于小波/小波包变换的多载波调制技术,能够有效地提高通信系统性能。本文介绍了当前几种主要的基于小波/小波包变换的多载波调制方案,分析了这些方案的性能特点及发展趋势,并与其他方案进行了比较。     

小波包分复用系统子载波的构造及调制实现

小波包分复用(WPDM)系统中作为子载波的小波包基函数必须是连续解析的,但实际中很难得到,通常需要对其进行逼近.通过滤波器系数采用迭代卷积的方法来对小波包基函数进行离散逼近,构造出的子载波满足小波包基函数的正交性.同时用此方法实现了多载波调制,并将该系统与正交频分复用(OFDM)系统在多径时延信道下进行了比较.仿真结果表明,WPDM系统在抑制ISI和ICI方面以及对定时偏差的影响上更具优势.     

基于最优小波包基的信号增强算法研究及应用

本文介绍了小波包分析的基本理论以及小波包信号降噪的基本原理,与小波变换相比,小波包变换则是对小波分解中所得到的高频部分再继续细分为一些子频带,具有更精细的信噪分离能力,所以对包含大量中、高频信息的信号能更好地进行时频局部化分析。小波包变换在信号去噪中有着非常重要的应用,因此利用小波包对信号进行消噪也越来越受到科学界的关注。本文的主旨在于研究最优小波包基函数的选取方法,以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,从而在最优小波包基的基础上获得最好的信号增强效果。     

应用最优小波包变换的特征提取方法

在模式识别或分类中,从原始模式中提取有效的分类特征是非常重要的.但对于大量的非平稳或时变信号模式来说,如语音,雷达,地震信号等,用于分类的特征往往包含在局部的时-频信息中,用一般的变换方法提取有效的特征比较困难.近年来小波变换在信号处理和特征提取中得到了广泛应用,但小波包变换的任意多尺度分解特性,是分析非平稳信号更有效的方法,这是由于小波库中包含了丰富的小波包基,不同的小波包基具有不同的性质,反映不同的信号特性,能获取其他变换所不能获取的信号特征.本文主要研究由给定的训练样本集,如何选择最优小波包基,从被识别或分类的信号中提取具有最大可分性的特征.为此提出了应用三种可分性准则,即距离准则,散度准则和熵准则选择最优基.通过实验,对应用各准则选择最优基提取特征与小波基提取特征的性能进行了比较.     

小波变换在指数粗糙表面电磁散射中的应用

研究了小波变换在指数粗糙表面电磁散射中的应用.在用矩量法研究电磁散射问题时,基函数的选择是一个非常重要的步骤.不同的基函数对问题的求解规模影响很大.利用小波变换中二尺度方程关系,通过对大尺度基函数和小波基函数求解相应的矩阵方程,然后由小尺度基函数与大尺度基函数以及小波基函数的关系,求出对应于小尺度基函数的矩量法解.该方法的优点是减少了矩阵方程求解的规模.     

用小波包变换产生音频数据索引的方法

针对音频多媒体数据库中基于例子和基于内容的查询,本文提出一种产生音频数据索引的方法.这里,我们首先讨论了小波包分解的过程和最好基及代价函数的选择方法.其次,对现有的用小波变换产生音频数据索引的二个方法进行比较,并提出基于小波包最好基变换产生音频数据索引的方法.再次,我们提出用音频数据的小波包最好基变换系数的部分最高值的能量作为音频数据索引.最后,我们把这种方法与直接采用小波变换产生索引的方法相比较.实验结果表明这种新方法具有较高和较稳定的检索精度.     

块重叠小波变换及其在音频编码中的应用

小波变换是信源编码技术的重要数学工具。然而,由于基于块的小波变换的基函数在块边界处的不连续性,导致解码信号在块边界存在“块效应”问题。本文采用块重叠小波变换的方法,利用变换基函数在块边界的连续性,消除了解码信号的“块效应”问题。基于块重叠小波包变换技术,设计了一个音频编码器,验证了上述方法的有效性。     

基于小波包变换的多阈值法语音信号去噪净化

文中在小波包变换和传统阈值法的基础上,提出了一种基于小波包变换的多尺度多阈值语音信号去噪净化方法。采用小波包分解,克服了传统的正交小波变换的缺陷。采用多尺度多阈值方法,通过改进噪声方差估计方法,在去噪的同时,进一步提高信噪比。仿真实验结果表明,本方法能有效去除信号中的噪声和较好保留语音细节,达到更佳的语音净化效果。     

基于PCA算法和小波包变换的人脸识别技术

在人脸识别领域,如何提取人脸特征和降低特征维数是关键.提出了一种基于小波包变换和主元分析相结合的人脸识别方法.小波包具有能够保留图像的主体信息又保留不同方向细节信息的优点.算法首先利用小波包变换,把人脸图像分解成不同尺度的低频和高频部分,提取最优基,再采用PCA方法进行人脸的识别.在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率.     

一种新的基于小波包分解的EEG特征抽取与识别方法研究

为了提高脑思维任务分类精度,提出一种新的脑电特征抽取与识别方法.首先进行小波包分解,然后结合能反映脑电信号在时域与频域上的能量分布特征的小波包熵概念,从小波包库中选择最优小波包基,对各个最优基所对应的小波系数求取统计特性,然后根据不同脑思维任务下左右半脑各导联间的差异性对各个导联对求取不对称率构成分类特征向量,最后利用SVM分类器对其进行分类.实验结果表明:相对于一般的小波包分解,最优小波包基和自回归特征抽取方法,该方法对5类不同脑思维任务的所有10种不同组合任务对的平均分类预测精度可以达到95.41％～99.65％.     

基于DSP的最优小波包基算法的实现

小波包分析能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,并能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高时-频分辨率。为了能在DSP嵌入式设备中应用小波包分析方法进行信号处理,首先讨论小波包分解的过程和最优基及代价函数的选择方法,然后提出一种在DSP上实现香农熵代价函数的小波包分解算法的方法,并在浮点型DSP TMS320C6713B上实现了此算法。最后针对具体的数字信号进行小波包分解和最优基选择的实验,实验结果证明了该方法的正确性和高效性。     

短期电力负荷在小波包分解下的径向基神经网络预测方法

针对短期电力负荷预测问题,提出一种在小波包分解下的径向基神经网络预测方法。通过小波包分析,将电力载荷及其温度变量对称地分解为低频的近似系数和高频的细节系数。针对不同的小波系数,设计径向基神经网络作为预测器,并通过试错法确定网络合适的结构。网络的训练过程中,采用滑动窗口数据选择策略减少数据样本集,采用随机梯度法更新权值、中心位置和扩展参数。预测的小波系数用于重构出最终的电力载荷值。与前馈多层神经网络的对比数值,实验结果表明,新提出的方法具有较高的预测准确性。     

小波包阈值降噪法处理光纤陀螺信号

光纤陀螺以其自身结构和外部环境的影响容易在输出信号中产生随机噪声。为了消除光纤陀螺输出数据中的随机噪声,提出了用小波包阈值法来处理陀螺信号。在分析小波包变换理论及其分解重构算法的基础上,结合光纤陀螺输出数据的数学模型,对光纤陀螺随机信号进行四层小波包分解。通过阈值法对分解得到的各个节点分解系数中小于阈值的部分置零,利用处理过的节点系数进行重构以消除重构陀螺信号中的噪声。仿真实验结果表明,小波包阈值法比小波软硬阈值法在处理光纤陀螺信号中的效果更好,信噪比更高。     

基于Laplace分布的非下采样小波包脉冲星信号消噪

为了提高脉冲星信号的去噪效果,提出了一种基 于非下采样小波包(NWP)分解的局部Laplace模型消噪方法。 首先对真实脉冲星信号进行NWP分解,统计真实脉冲星信号NWP系数的分布特性, 建立真实脉冲星信号小波包系数的Laplace分布模型;然后在Laplace先验概率分布的基础 上,根据最大后 验概率(MAP)估计准则,利用含噪脉冲星信号的小波包系数对真实脉冲星信号的小波包系数 进行有效估算;最后 对估算出的小波包系数进行NWP重构,得到消噪后的脉冲星信号。采用不同 的脉冲星信号进行实 验分析的结果表明,与经典的基于高斯分布的非下采样小波(NSW)消噪和NWP消噪相比,本文 方法可以 更有效地去除噪声,同时更好地保留信号中的微脉冲等细节信息,在信噪比(SNR)、均方根误差(RMSE)、相关系数(CC)和峰值相对误差(REPV)等都 有较好的改善。     

多分辨SVD包理论及其在信号处理中的应用

 在奇异值分解(singular value decomposition,SVD)中提出了一种矩阵递推构造和分解算法,利用SVD实现了一种类似于小波包的信号分解方式,称之为多分辨SVD包.推导了多分辨SVD包的分解和重构算法,并提出一种用二维数组来存储这种包的三维数据的方法,避免了对内存的浪费.实例结果表明,这种包对信号的微弱变化具有优良的检测能力,其检测结果无幅值和相位失真,并能精确定位微弱变化的位置,这种包也能有效提取复杂信号中的弱故障特征,在这两方面均明显优于小波包的处理结果.     

小波包变换在水声信号压缩编码中的应用

应用小波包变换及Huffman编码技术相结合的方法对水声信号进行了压缩编码。先对水声信号进行小波包分解;然后对分解系数进行阈值处理,最后对阈值后的系数进行Huffman编码。使用了两种阈值方案,通过仿真比较．其中不同频段不同阈值方案的零率比全局阈值的零率高。尽管全局阈值的零率稍低一些,但其Huffman编码效率较高且硬件实现较为简单,因此最后选取全局阈值进行闽值量化。仿真结果表明,本算法对水声信号压缩编码效果理想。     

光纤周界报警信号自适应压缩感知

在光纤周界报警系统中，对光纤振动信号进行分析与辨识时，针对高频、大规模信号在采样、存储、传输与信号处理过程中存在网络宽带、存储容量、计算速度等一系列限制问题，提出基于小波包的光纤周界报警信号自适应压缩感知方法。对光纤振动信号进行多尺度小波包分解，通过计算各尺度下小波包系数高频部分的数学期望作为阈值，对小波包系数进行置零处理，自适应地选择小波包分解尺度，使信号在频域得到更高的稀疏度；根据小波包系数块的数学期望和信息熵对小波包系数块进行分类，并针对不同系数块的类型设计对应的处理方法，提高信号的传输与处理速度。结果表明，该方法能够有效减少光纤振动信号的观测数据，并在相同采样率前提下，能够提高信号的重构精度和重构速度。