一种基于小波变换的二相编码信号识别方法

研究了一种利用小波变换识别二相编码信号的方法，重点讨论了小波变换的尺度参数设置问题，通过对尺度参数的合理设置提高了识别效率，对小波变换系数的统计提高了识别结果的可靠性。运用计算机进行模拟仿真，实验结果证明了该方法的有效性。     

基于新的小波基函数的二相编码信号检测

构造了一种新的小波基函数，提出了一种基于连续小波变换（CWT）的检测方法，并以叠加高斯白噪声的二相编码信号为例进行了算法仿真。仿真结果表明，这种方法对较低信噪比下二相编码信号的检测效果良好，在信噪比为-6．7dB时仍然能够准确地识别出二相编码信号。     

一种二相编码信号调制特征分析方法

二相编码信号的调制特征对于信号的分选和识别是很重要的参数。在利用小波变换提取二相编码信号的调制特征时,尺度参数的设置很重要,他影响到小波脊线提取。通过正弦波频率估计的综合方法来精确地估计出信号的载频,并得到合适的尺度参数,再得到小波脊线。利用小波变换的模值来得到二相编码信号的调制特征。仿真试验验证了此方法的有效性。     

相位编码信号码速率估计的最优小波尺度选择

研究了小波变换应用于相位编码信号码速率估计的尺度选择问题,提出了一种最优小波尺度选择方法。以相位跳变的最佳检测为依据建立了最优小波尺度选择函数,然后结合功率谱平滑载频估计和信号编码形式完成最优小波尺度的选取,最后通过叠加模值频谱完成信号码速率估计。仿真实验表明,所提出的尺度选择方法将二相编码信号和四相编码信号的码速率估计信噪比门限分别降低了1 dB和3 dB。     

基于小波变换模值的二相编码信号调制特征分析

在利用小波变换提取二相编码信号的调制特征时,尺度参数的设置很重要,文中通过正弦波频率估计的综合方法来精确的估计出信号的载频,从而得到合适的尺度参数,并得到小波脊线.通过计算小波脊线上小波变换的模值来得到二相编码信号调制特征.实验结果表明了此方法在较低信噪比下的有效性.     

一种快速的多二相编码信号参数估计方法

多同时到达二相编码信号的参数估计是雷达和通信对抗等领域的典型问题。本文提出一种基于定尺度小波变换的多二相编码信号参数估计方法。采用基于傅立叶系数插值的迭代算法,提高信号载频的估计精度,并提出一种能有效提高码速率估计精度的改进算法。仿真试验证实该方法在低信噪比下具有较好的参数估计性能和实时处理能力。     

具有平移和尺度不变性的自适应小波变换

本文提出了一种具有平移和尺度不变性的自适应小波分解新方法,该方法利用信号的一阶、二阶矩及正交小波尺度函数,先对信号进行自适应小波"重整".然后再对重整后的信号进行普通小波变换.本文证明这种自适应小波变换是平移和尺度不变的,并给出了计算自适应小波变换系数(称为小波不变矩)的一种有效算法.对二维数字信号(图像)的实验证实了我们的结论.     

基于二维离散傅立叶变换的射频信号调制类型识别

针对已有算法应用的局限性．以线性调频．二相编码,频率编码和正弦等典型射频信号为例,提出了一种基于二维离散傅立叶变换的射频信号调制类型识别新算法,重点阐述了信号自相关变换过程和运算量分析．计算机仿真结果验证了本算法确实有效。     

基于小波变换的多尺度图像边缘处理

对小波变换后的图像边缘信号关于多尺度边缘检测、提取和重建方面进行了讨论,以利于进一步对图像进行有效的编码、识别和增强等处理;同时也讨论了将小波变换与多尺度边缘检测方法有机结合起来的一些实用技巧。     

一种新的3－D小波变换图像编码方法

基于图像序列三维小波变换的视频编码技术是一种很有潜力的编码方法．本文针对目前实际中采用的三维小波变换只是一种准三维变换，不能提供对变换结果的统一描述等不足，推导了信号真正的三维小波变换的有关理论及其实现方法．在此基础上，我们将这种三维小波变换方法用于视频图像的编码，模拟结果表明这种编码结构具有良好性能，值得进一步的深入研究．     

防伪技术与信息版权保护技术

0622088基于离散小波变换的混沌加密的图像水印算法[刊,中]／朱志宇／／激光与红外．-2006,36(5)．-417-420 (G)文中提出了一种基于离散小波变换和混沌加密的数字水印新算法,采用二维混沌变换对水印图像加密;对载体图像进行多分辨率离散小波变换,应用小波系数判断载体图像的纹理复杂程度后,依据人眼的视觉系统(HVS)特性,将水印信号嵌入到图像的低频部分．对图像的不同分解层分别选取不同的纹理阈值和水印嵌入强度,将数字水印嵌入到相同分辨层的原始图像中,提高了水印算法的鲁棒性。在检测和提取水印时,通过水印相似度(NC)和峰值信噪比(PNSR)评价水印质量,实验结果表明提出的算法可以抵抗剪裁、JPEG压缩、滤波等几何攻击。     

低数据量下的雷达信号脉内调制识别方法

针对部分脉冲宽度窄、采样点数少的雷达信号监测应用场景,提出一种新的雷达信号脉内调制自动识别算法。采用小波变换与瞬时自相关相结合的方法,提取雷达信号瞬时频率特征,根据不同调制方式雷达信号的特征差别,实现了对常规信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号、二进制频率编码信号和四进制频率编码信号七种不同调制方式雷达信号识别。在不同数据量条件下,仿真结果表明,识别准确率随着码元个数或单个码元采样点数的减少而降低,此识别算法对信噪比为20 dB、采样点数为100个的雷达信号,可以实现对不同调制方式的准确识别,识别准确率高于80%。与传统识别方法相比,该方案所需数据量较少,识别准确率高,易于工程实现。     

基于Fisher变换的多尺度图像识别方法及其车形识别应用

该文提出了一种图像识别方法。该方法首先对识别图像进行多尺度小波分解,把不同尺度的分解结果组织为分解向量,再对分解向量作Fisher变换。在Fisher变换域内依据最小绝对距离(或相对距离)识别图像。该方法主要依据小波分解低频分量进行识别运算,对噪声不敏感:同时识别结果已经融合多尺度的识别运算,故目标图像大小对识别结果影响较弱。实践证明,该方法正确识别率高,鲁棒性强。     

小波变换和支持向量机相融合的 ECG 身份识别算法

心电图信号(ECC)受到设备、检测者心情等影响,含有噪声且特征具有高维性,为了提高了身份识别的正确率,提前出一种小波变换和支持向量机相融合的 ECG 身份识别算法.首先小波变换对采集的心电图信号进行预处理,消除各种噪声;然后采用相关分析对 ECG 特征进行降维处理,消除冗余特征;最后将特征向量输入到支持向量机进行训练,建立基于 ECG 的身份识别模型.仿真结果表明,该方法提高了身份识别正确率和速度,有一种有效的身份识别算法.     

一种小波变换与维纳滤波结合的语音抗噪研究

语音信号与随机噪声在不同尺度上进行小波变换时,其小波变换系数和尺度大小的特性关系存在着不同的特征表现,而且,浊音和清音也各有其特性。给出了一种基于小波变换的维纳滤波语音增强方法;采用维纳滤波对浊音和清音信号的小波变换系数进行不同的处理,既抑制了噪声,又减少了语音段信息的损失,提高了信噪比。仿真结果说明,这是一种有效的语音增强方法。     

舞蹈机器人中音乐节拍的识别

音乐节拍是音乐的重要特征之一,对音乐节拍的提取是音乐识别的重要研究内容。小波变换方法可以实现对音乐节拍特征进行有效的提取与识别。文中对音乐节拍的分析采用双尺度小波变换(DWT)方法,即离散小波变换,提取音乐信号的自相关包络,对自相关包络信息进行分析,从而实现对音乐节拍信息的识别。实验证明,文中提出的方法可以有效地对音乐信号的节拍信息进行识别。     

基于反对称双正交小波分解系数的模极大值的信号快速重构

因为反对称双正交小波具有近似微分算子性质,该文用它对信号作无下采样(Un-decimated)的小波变换,以此获得信号在各尺度下与信号的边缘点相对应的局部模极大值。在只保留这些局部模极大值(即边缘)点信息的条件下,利用高斯函数直接拟合各级小波系数,然后再作小波逆变换就可恢复原信号。实验表明,与现有的采用二进小波变换的方法比较,该方法更加简便快捷。     

基于小波脊线-Hough变换的LFM信号检测

线性调频(LFM)信号是现代雷达广泛使用的一种大时宽-带宽积的低截获概率信号,根据线性调频信号的小波变换特性,小波脊线与瞬时频率的对应关系,提出了一种检测线性调频信号的联合小波脊线-Hough变换方法,该方法首先计算信号的小波变换,得到二维时-频能量分布图,采用脊算法提取信号的小波脊线,然后在小波脊线时-频平面上再进行Hough变换,从而检测噪声中的线性调频信号并估计信号参数.仿真结果证明,此方法可有效地对线性调频类信号进行检测,并且有较好的抗噪声性能.     

基于小波变换的时间间隔检测

本文提出一种基于小波变换的检测数字信号码元间隔的方法。该方法利用基小波的伸缩与时移特性获得检测所需的时、频分辨率,通过对信号做多尺度的连续小波变换,可以在较低信噪比下很好地检测到信号频率并得到边沿过渡较快的相应小波变换时谱。根据小波分析与奇异性信号检测的理论,本文还提出对小波变换时谱的二次处理方法。理论分析和计算机模拟结果表明,本方法是有效的,是提高时间间隔检测性能的一种新途径。     

基于小波变换的故障信号分析与检测

讨论了小波变换及其基本性质，探讨基于小波变换模最大值沿尺度演变的信号突变检测的基本原理与方法，在不同尺度上分析和处理信号的各种频率分量，使信号的奇点，突变点放大，提高信号的分辨率，信噪比。研究小波分析在机械工程信号处理中的应用，提出通过二进小波变换检测信号奇异点的实用技术。利用介绍的模极大值多尺度小波变换的方法，较有效地检测出滚动轴承故障发生的起始点，对在线故障诊断进行了有益的探索。