小波包变换用于双模噪声的信号检测

将小波包变换良好的时频分析能力用于分析双模噪声的统计特性,因为小波包变换具有带通滤波的作用,当分解的层数足够多时,变换可看作窄带系统,将双模噪声作某一尺的小波包变换,在此空间上双模噪声的输出近似于高斯分布,在这一空间上进行信号的识别与检测。将小波包变换用于双模噪声背景下的信号检测系统,并将此方法与经典检测系统进行性能上的比较,仿真结果表明,小波包方法优于经典检测方法。     

基于小波粒子群混合算法的图像压缩技术

在小波包变换的图像压缩技术中,小波包基以及阈值的选择对图像的压缩效果有很大的影响,且软硬阈值各有其缺陷。文中提出了一种基于PSO(Particle Swarm Optimization)和小波包变换的图像压缩算法,算法中的适应度函数根据原图像和重建图像间的均方根误差与小波包分解的节点熵值之和设计,该函数被用来选择最佳小波包基并为小波包分解中的细节分量选择单独的阈值,解决了小波包变换设计的结构优化以及自适应阈值问题。实验结果表明,该算法加快了压缩速度,提高了自适应阈值图像压缩算法的适应能力,有较好的压缩性能。     

基于正交小波变换的图像去噪算法研究

提出了一种基于正交小波变换的图像去噪方法,首先利用离散小波对图像信号按Mallat算法进行分解,然后采用软闽值与小波重构的算法进行去噪。深入研究了小波变换中的图像分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以有效去除噪声,并保留了图像细节部分的有用信息。     

匹配追踪算法的超声多普勒血流信号降噪研究

超声多普勒在临床医学中具有广泛的应用,但由于超声多普勒血流信号中夹杂了大量的噪声严重影响了时频声谱图的清晰度,所以必须采用一定的措施消除噪声。本文分别利用离散小波变换算法、小波包变换算法和匹配追踪算法对超声多普勒血流信号进行分解、变换以及降噪处理,并通过仿真实验,给出了不同信噪比情况下,对基于三种算法处理后的信号时域波形和频域波形进行了比较,证实了匹配追踪算法是一种非常适合于对像超声多普勒血流信号这样的频率带宽随时间变化很快的强噪声背景的信号进行噪声处理的算法。     

基于LMD-Teager变换的功率谱估计

局域均值分解(LMD)方法是一种新的自适应信号处理方法,Teager能量算子是求解信号瞬时能量的非线性操作算法,能有效提取信号的瞬时能量。结合这两种方法的优点,提出一种基于LMD-Teager变换的功率谱估计方法,给出了算法原理和步骤,讨论了功率谱估计的物理意义,并在与快速傅里叶变换(FFT)方法、小波变换对比的基础上,用短数据序列和非平稳信号进行了仿真验证。结果表明:该方法突破了FFT方法中对所分析的信号必须平稳的要求,更适合于非平稳信号的处理;且对数据长度的要求较傅里叶方法低,而其分析精度和分辨率优于传统的傅氏方法和小波变换。     

小波分析在电力系统谐波处理中的应用

为了提升电力系统供电品质,减少电力系统中谐波的危害,针对傅里叶变换的谐波检测方法无法同时实现时-频变域分析这一缺点,提出了小波变换这一新方法对谐波进行分析。通过小波变换对电力系统中的谐波电流进行分解,得到信号的基波分量和高次谐波分量。针对电力系统中的突变信号,提出了基于小波变换的模极大值的奇异性检测方法,并通过仿真实例验证该算法的有效性。更进一步采用小波工具对故障信号进行分解,进一步滤除对电力系统有害的高次谐波,最终起到排除干扰,减少判别,保护故障线路的作用。     

一种基于场强差的移动台定位改进算法

为了解决传统的移动台定位过程中信号的传播误差对定位精度的影响,提出了一种基于移动台与服务基站之间的场强差来确定移动台位置的改进算法。小波变换在信号消噪处理中可以取得良好的效果,通过选择合适的小波函数和分解层数,对测量得到的场强差进行分解和重构,然后用经典Chan算法确定移动台位置,大大降低了传播误差对定位精度的影响。仿真表明,该算法能很好地抑制传播误差,其定位效果比直接使用Chan算法更加稳定。     

重构小波系数的分段三次样条插值新算法

利用小波变换模极大值原理对信号去噪之后,如何由保留下来的模极大值点恢复出满意的重构信号,是一个重要课题.本文首先分析模极大值与小波系数之间的内在关系,提出了模极大值实际上是小波系数在特定意义下的离散采样;然后给出了一种对模极大值进行预处理的方法,由此得到了一组新的伪模极大值序列;利用这组伪模极大值序列,提出了一种新的重构小波系数的分段三次样条插值(PCSI)新算法,该算法程序简单,易实现,克服了交替投影(AP)法计算量大、程序复杂等缺点;最后给出一个应用实例,实验结果表明,与经典的交替投影法相比,本文提出的PCSI算法可获得更高的重构信号信噪比增益和更小的相对均方误差,它是一种实际、有效的算法.     

基于圆周卷积的长序列小波变换快速实现

根据小波变换的基本特点,在运用重叠保留法对长序列进行分段处理的基础上,提出用圆周卷积来实现快速小波变换中大量的线性卷积运算。通过Matlab仿真实现,结果验证了算法的正确性,运算速度较传统线性卷积方法有很大提高。该方法有着很好的并行度,有利于信号的实时处删。     

一种小波阈值降噪改进算法

基于Stein的无偏估计原理的自适应小波降噪阈值选择(rigrsure)算法,利用小波变换分解低信噪比下的Block信号,使用rigrsure算法获得重构后的低频信号和各层细节信号小波降噪阈值,提出了一种改进降噪算法,对Block信号降噪,通过仿真取得良好的降躁降噪效果。     

基于卷积小波包变换的自适应多用户检测

为提高DS-CDMA多用户系统检测的效率,提出了基于卷积小波包变换的自适应算法。理论分析和仿真结果表明,该算法收敛速度快,且计算量增加较少,是一种高效的自适应检测算法。     

光滑奇异性信号的小波检测及其应用

本文从理论上分析了小波变换对被光滑化了的奇异性信号进行处理的效果,证明了小波与高斯函数、小波与任意光滑函数的卷积仍是一个小波．并实际应用于刀具磨损时切削力信号的检测,结果表明可有效地分析刀具的磨损状况．     

小波包在弹体侵彻目标试验数据分析中的应用

由于硬目标侵彻载体结构、研究对象和侵彻过程的复杂性,在试验中得到的特征量─加速度信号的频率成分很多,而且都是非平稳的随机过程,是试验过程中各种作用的综合结果。小波理论是新的信号处理技术,小波分析是一种信号的时间-频率分析方法,具有多分辨率分析的特点。本文利用小波包理论将试验数据进行了不同频段的分解,并对相应频段的信号作了相应频谱分析。结果证明,小波分析对于复杂目标识别数据是一种颇为有效的分析工具,试验数据的分析结果对工程实践具有指导意义。     

基于最优小波基函数的语音增强研究

小波分析具有时频局部化和多分辨率特性,而小波包分析是在小波分析的基础上对信号高频部分的更精细地分解,选取合适的小波基一直是小波包去噪分析中的关键问题。将熵函数作为选取最优小波基的评价标准,通过计算语音信号小波包分解系数的熵值来确定合适的分解方式,同时采用小波包阈值去噪算法对三种小波基进行小波包去噪仿真实验,并进行对比分析。仿真实验表明,两种熵函数选取的最优小波基都能较好地消除强噪声背景下的噪声,得到信噪比较高的语音信号。     

最佳小波包多载波调制解调技术

本文利用离散小波包变换（ＤＷＰＴ）导出信号窨的诱导小波包基。在此基础上建立起基于ＤＷＰＴ的小波包多载波传输系统的概念,提出了最佳小波包多载波市制解调技术。技术根据给定的信道特性,采用类似于最佳基搜索城众多的小波包多载波市制解调方案中快速寻求出最佳方案,使得系统解调出的信号中所要信号与符号间干扰的信干比在不增强噪声的前提下达了最大。     

基于最优小波包基的电能质量扰动数据的压缩

针对电能质量扰动信号的频率变化十分广泛（最高达到MHz）的特点，在小波压缩的基础上，提出将基于最佳小波包基的数据分析方法应用于电能质量数据压缩，利用最佳小波包基的快速搜寻算法对高，低频分量同时进行分解，再对扰动数据进行压缩重构，并将其与基于小波变换的数据压缩方法进行仿真比较。结果表示，对于暂态信号，在压缩比大致相同的情况下，基于最佳小波包基的数据压缩效果比基于传统小波的数据压缩效果好，而对于稳态信号，基于两种方法的压缩效果相当．     

非平稳信号的小波包阈值去噪方法

研究非平稳信号的小波包阂值去噪方法，介绍了几种阈限和选取闽值的规则。计算机仿真结果表明，利用小波包阈值去噪的时频局部化特性可以滤去非平稳信号中大量的背景噪声，消噪后的信噪比（SNR）明显高于傅里叶滤波的结果，充分说明了小波包阈值方法在非平稳信号去噪中的优越性。     

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。     

一种基于正交小波包变换的数据压缩方法

本文将最优小波包基变换应用到数据压缩方法的研究工作中,针对不同频率的小波包系数之不同统计特性设计了相应的标量量化和矢量量化方法,并对一组实际测量数据运用我们建议的方法进行压缩,在失真率较小的情况下,得到较高的压缩比.     

小波包在车载移动电话语音信号提取中的应用

利用小波包理论对车载移动电话的接收信号进行小波包变换,通过设定一合适的阈值对变换后的信号进行量化处理．提取出主要由发动机产生的噪声信号,然后用实际检测信号减去小波包变换信号,得出汽车司机的语音信号．从而达到消除噪声的目的。利用MATLAB的小波工具箱对所提出的方法进行验证,结果表明提取后的信号与驾驶员的声音信号十分相似,误差较小,对发动机噪声有明显的抑制作用。