MODIS多光谱图像压缩研究

为有效存储MODIS多光谱图像数据,该文提出一种基于谱间预测和整数小波变换的多光谱图像压缩算法.首先通过构造谱间最优预测器去除谱间冗余,再利用整数小波变换和SPIHT算法对预测误差图像去除空间冗余,最后进行自适应算术编码.该方法可实现MODIS多光谱图像的无损、近无损和有损压缩,取得了满意的实验结果;在不同小波基条件下与3D-SPIHT算法比较,表明了该方法的有效性.     

水体重金属多元素LIBS测量连续背景光谱去除方法研究

连续背景光谱是影响水体重金属多元素激光诱导击穿光谱(LIBS)定量测量的重要因素,依据背景光谱变化缓慢和特征谱线半峰全宽窄的特性,研究了滑动窗口积分斜率算法去除连续背景的方法。设置合适的窗口宽度和变化率阈值识别背景光谱和特征峰位,对窗口内的背景进行赋值操作,完成整个背景光谱的提取。实验结果表明,Pb、Cu元素特征信号的信背比是背景去除前的5.7倍和1.95倍,特征信号的相对标准偏差分别降低了2%和2.5%。滑动窗口积分斜率算法是一种稳定有效的LIBS光谱背景去除方法,为其他光谱分析技术中连续背景的去除提供了参考。     

基于HHT和概率神经网络的变压器局部放电故障识别

为解决传统傅里叶变换和小波分解对变压器局部放电信号非平稳性的分析缺陷,以及BP神经网络易陷入局部极小点等问题,提出一种基于希尔伯特能量聚类和概率神经网络的变压器局部放电识别算法。算法利用希尔伯特-黄变换提取局部放电信号的希尔伯特能量谱,然后进行指数族聚类计算获得特征值,最后利用概率神经网络进行分类识别。分别对油中悬浮放电、沿面放电等放电类型进行模拟实验,并用此算法进行分析,实验结果表明,该算法所提取的特征值有较高的可分性,且分类识别率高,可以有效地识别变压器局部放电故障类型。     

激光诱导击穿光谱谱峰元素自动识别方法研究

激光诱导击穿光谱(LIBS)中通常含有丰富的元素特征谱峰,谱峰的准确识别是利用LIBS技术进行元素定性、定量分析的前提和基础。针对传统谱峰元素识别方法准确率偏低、可靠性不足的缺点,提出了一种元素谱峰自动识别的新方法。该方法首先利用Voigt函数对实验光谱进行拟合,以克服谱峰重叠和噪声干扰;通过滤波处理后提取拟合谱峰的中心波长、光强、半峰全宽和谱峰质心作为谱峰特征参数向量,并将待识别光谱的谱峰特征参数向量与美国国家标准与技术研究院(NIST)标准谱线数据库中的元素谱线进行相似性分析,从而实现谱峰元素的自动识别。分别利用NIST标准数据库和茶叶样品LIBS光谱数据进行实验研究,验证了该方法在LIBS谱峰元素识别上的有效性。     

基于分光透射比模型提高镉等离子体特征光谱识别能力的研究

为了降低或消除激光诱导击穿光谱（LIBS）检测过程中激光能量、背景辐射、噪声信号对特征光谱信息的影响,以镉靶材为对象,构建偏振分辨激光诱导击穿光谱（PRLIBS）系统,探索提高重金属污染物LIBS分析能力的方法。结合光波在多层媒介传播过程中的菲涅耳方程,分析入射光波长对光强透射比的作用机理,构建正入射方向上的等离子体辐射强度分光透射比模型。利用该模型获得了相同条件下的LIBS、PRLIBS光谱数据,比较了镉元素特征谱线强度的相对标准偏差（RSD）,并分析了不同延迟时间下特征谱线强度的变化趋势。结果表明：在低能量密度情况下,PRLIBS具有明显的测量优势,可以采集到更多的特征峰信号,并且PRLIBS光谱特征谱线强度的RSD值小于相同检测参数下LIBS光谱特征谱线强度的RSD值,说明分光透射比模型能够有效提高等离子体光谱的稳定性;LIBS与PRLIBS的谱线强度随延迟时间的变化趋势一致,说明PRLIBS并不影响原有LIBS的延迟时间;随着脉冲能量增大,分光透射比模型可以有效降低基线漂移和背景辐射,增强光谱的分辨能力;分光透射比模型不仅保留了连续谱中的有效信息,还提高了谱线识别的稳定性,对于...     

基于小波变换的音素分段算法

在语音信号处理中,作为预处理前端的语音分段技术对于语音增强、编码和识别都有极其重要的作用。本文分析比较了几种传统的语音分段算法的性能,重点研究基于小波变换的语音音素分段算法,针对平滑渐变的低频能量不能对音素进行有效分割的缺点,提出了基于小波变换累积能量包络的语音分段算法。但由于小波的敏感性,会出现一定数目的伪点,本文提出2种去除伪点的方法,从而提高了音素分段的精确度。     

基于EMD的红外遥测光谱信号预处理新方法

利用红外遥测光谱仪远距离快速、准确地探测污染气体并给出定性鉴别结果,必须对遥测光谱进行预处理,消除高频噪声和低频基线的干扰,提取出污染气体的特征光谱信号。针对现有方法的不足,提出采用具有自适应特性的EMD方法,对光谱信号进行无参数分解,提取出高频噪声与低频基线,实现了红外遥测光谱的预处理。经过该方法处理,光谱信号全局评估系数RMS1平均值达到0.141,局部评估系数RMS2平均值达到0.182,综合评估系数RMS*平均值达到0.026,明显优于小波方法。实验结果表明,EMD方法用于红外遥测光谱信号去噪与基线校正,算法简单,运行可靠,可使问题得到有效解决。     

基于Gabor小波和LLE的掌纹识别

为了更好地提取掌纹图像的非线性特征,文中提出一种基于Gabor小波变换和局部线性嵌入的掌纹识别算法。通过提取ROI进行光照和滤波预处理,之后进行Gabor小波变换,提取掌纹图像的多尺度特征,利用非线性的LLE算法提取主元,用最近邻方法进行分类。通过PolyU掌纹库进行验证,比较了预处理、不同ROI提取方法、LLE算法的参数对识别率的影响。实验表明,此方法相比于传统的线性降维算法以及单独的LLE算法在识别率上均有所提高。     

基于小波-Radon变换的线性调频信号检测与参数估计

线性调频信号（LFM）是一类应用广泛的非平稳信号.本文选取高斯线调频小波作为基函数,研究了基于小波-Radon变换的线性调频信号检测与参数估计的基本方法,然后提出了基于小波-Radon变换的多分量LFM信号检测与参数估计的算法.计算机仿真实验结果验证了该算法的有效性。     

逆向工程中对离散点云的特征识别算法探究

基于逆向设计中点云处理的表面识别问题,本文提出了一种基于小波变换的离散点云数据的特征识别算法。首先将离散点云表示成小波变换可以处理计算的形式,然后在此基础上提出了具体的二维和三维离散点云的小波分解算法,最后引入实例,对二维离散点云的小波分解算法进行验证分析。实验结果表明本文提出的算法达到了对点云数据的特征分解的目的。将离散点云数据按特征分解从而提取出不同的特征成分,可以根据后期点云预处理的不同要求,将小波变换后的数据进行进一步的处理。     

小波变换在心音奇异信号处理中的应用

针对如何剔除心音信号奇异点处的噪音信号的问题,该文利用小波变换方法,通过PhysioBank数据库中的相关数据,运用Matlab对含有噪音信号的心音奇异信号进行处理。其结果表明,该方法可在保留奇异信号的前提下,有效滤除噪音信号。说明利用小波变换技术分析与处理心音奇异信号是一种新的有效和实用的方法。     

基于小波变换的中红外多波长辐射测温的信号处理

介绍了用小波变换实现中红外多波长辐射测温信号的处理方法，该方法基于信号和白噪声在小波变换下具有不同的传播特性，采用软阈值方法有效地去除信号中的噪声，方便地用软件实现辐射测温信号的处理。为将小波变换引入辐射测温领域进行了探讨。     

基于奇异性的小波消噪技术

在论述了小波分析、信号奇异性与小波变换模极大值性质关系的基础上，本文给出了一种基于小波变换模极大值的信号去噪算法。仿真结果表明了该算法的有效性，既能有效的消除噪声，又能较好地保留了原始信号的突变信息。     

基于时间—顶点谱图小波变换的动态纹理分类方法

动态纹理在空间和时间上表现出“外观”和“运动”属性,为了有效结合这两种属性进行动态纹理分析,本文提出一种基于时间—顶点谱图小波变换与边缘分布协方差模型的动态纹理分类方法。该方法将动态纹理看成时间—顶点图信号,利用时间—顶点谱图Meyer小波变换对动态纹理进行多尺度分解,再对每个子带应用边缘分布协方差模型,由此得到带内相关性的特征协方差矩阵作为动态纹理特征进行分类。由于时间—顶点图信号的表示可以有效描述动态纹理像素间的空间关系及其沿时间的变化,同时谱图小波变换继承了图表示和小波变换的优势,因此利用时间—顶点谱图小波分解与边缘分布协方差模型,可得到有效的动态纹理特征。在标准动态纹理数据集上的分类实验结果表明,本文方法具有良好的分类性能。      

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

基于小波变换的在役管线漏磁信号的去噪

采用漏磁法对在役管线进行无损检测时,所采集的信号中含有大量的噪声需要去除。文中介绍了小波变换的基本理论及检测信号和噪声信号在小波变换下的特性,说明了去除漏磁信号噪声的原理。在仿真试验中采用二阶双正交样条小波为小波函数,选用软硬阈值折中法和自适应阈值处理小波系数,结果表明将小波变换应用于在役管线漏磁检测中,能很好地去除噪声,提取出有用信号。     

一种用于信号侦测的码元速率估计方法

提出了一种数字通信信号码元速率的估计算法。对截获接收机输出的调制信号提取基带信号,利用此基带信号小波变换系数的模值,构造与原调制信号码速率一致的单极性脉冲序列。通过对此单极性脉冲序列的功率谱分析可知,在基带信号码元速率的整数倍处存在离散谱线,检测这些离散谱线即实现了信号码元速率的估计。这种算法能在低信噪比下估计信号的码元速率。理论分析和实际信号处理证明了本文提出算法的可行性。     

基于小波变换的高光谱激光雷达回波微弱信号处理技术

针对高光谱激光雷达回波信号能量弱导致的波形信息常常淹没在噪声中而难以提取的问题,基于高光谱激光雷达原理验证样机系统采集到的高光谱激光雷达回波信号数据,通过分析小波变换参数选取对信号处理的影响,寻找到一种基于小波变换的高光谱激光雷达回波微弱信号的处理方法,即在sym6小波3层分解下,运用软阈值函数和启发式阈值处理可有效处理高光谱激光雷达回波微弱信号,运用该方法在仅有少量回波样本信号数量情况下,达到高斯拟合在数倍回波样本信号数量情况下的处理效果,降低了提取出波形信息所需要的高光谱激光雷达回波信号探测时间。     

小波变换及其在信号去噪中的应用

介绍了小波变换理论及基于小波变换去除信号噪声的基本原理和方法.研究利用小波变换技术对噪声进行阈值处理和去除非平稳信号的噪声,并应用Matlab软件实现了小波去噪的计算机仿真,仿真结果表明小波变换去除噪声的效果优于传统的Fourier变换.     

Denoising by singularity detection

A new algorithm for noise reduction using the wavelet transform is proposed. Similar to Mallat's (1992) wavelet transform modulus maxima denoising approach, we estimate the regularity of a signal from the evolution of its wavelet transform coefficients across scales. However, we do not perform maxima detection and processing; therefore, complicated reconstruction is avoided. Instead, the local regularities of a signal are estimated by computing the sum of the modulus of its wavelet coefficients inside the corresponding “cone of influence”, and the coefficients that correspond to the regular part of the signal for reconstruction are selected. The algorithm gives an improved denoising result, as compared with the previous approaches, in terms of mean squared error and visual quality. The new denoising algorithm is also invariant to translation. It does not introduce spurious oscillations and requires very little a priori information of the signal or noise. Besides, we extend the method to two dimensions to estimate the regularity of an image by computing the sum of the modulus of its wavelet coefficients inside the so-called “directional cone of influence”. The denoising technique is applied to tomographic image reconstruction, where the improved performance of the new approach can clearly be observed