小波理论及其在声发射信号处理中的应用现状

介绍了小波分析的产生与发展及理论现状,小波分析是傅立叶分析思想方法的发展与延拓.小波基的构造以及结果分析都依赖傅立叶分析,传统上使用傅立叶分析的地方,部可以使用小波分析,小波分析在超越傅立叶分析的同时与博立叶分析相互补充,螺旋式向前发展.还分析了小波分析在声发射信号处理中的应用现状,并指出了存在的不足及今后的前景展望.     

RFID射频信号的小波消噪方法

为了改善RFID系统的性能,提出使用小波变换去噪的方法降低射频信号的噪声影响.为了提高对物体自动识别的准确率,采用了小波去噪与傅里叶变换去噪方法.根据标准ISO18000-3在LabVIEW 环境下使用调制工具包仿真产生了13.56MHz的RFID射频信号,并用小波分析方法和傅里叶分析方法对仿真产生的RFID射频含噪信号进行去噪.仿真结果表明,与传统傅立叶分析消噪相比,小波消噪具有较高的精度及较好的消噪效果.研究小波分析在射频信号消噪中的应用具有现实意义并切实可行,同时小波分析应用到虚拟仪器测试领域,能够为人们提供更为精确和方便的测试,在工程应用中具有较好的应用前景.     

基于MATLAB的小波降噪研究

小波分析是最近几年以来急速发展的一个新研究方向,在时域具有良好的局部性,在频域上也同样具备局部性。依据其特性,理论研究小波分析就为信号降噪提供了一种工具。小波分析是建立在傅立叶变换分析的一个新数学方法,其中包含了工程应用中的工具和方法,又是丰富的数学理论。依据工程应用理论,小波分析是一种信息和信号处理的工具;又从数学方向理解,小波分析属于调和分析。引入可变的平移因子和尺度因子,解决了时频局部矛盾,弥补傅立叶变换分析中不,足。利用小波方法降噪是小波分析在实际应用中的重要方面,其关键是在于如何选取小波系数并使用,通过对小波阈值化的降噪处理介绍运用MATLAB中的小波工具箱,对含噪信号进行降噪。本文介绍了几种小波降噪方法,其中的阈值降噪的方法是一种实现简单、效能较好的小波降噪方法。     

基于小波变换和局部傅立叶变换的手写数字识别

小波变换和傅立叶变换在图像处理方面有着广泛的应用。该文在结合二者特点的基础上提出了一种新的基于小波变换和局部傅立叶变换的脱机手写数字特征提取方法。即对于一个输入的手写数字图像首先进行小波变换,依据小波变换后的子图像,分别提取他们的局部傅立叶变换后系数作为它们的特征。这样的特征既具有小波变换的多尺度分析的性能,又具有局部傅立叶变换能够很好地描述图像局部频域的特性。实验数据采用MNIST数据(美国国家标准与技术局收集),实验表明,该方法取得了较好的识别效果。     

小波分析快速算法的加速方法

本文首先给出了小波滤波器分解方法,导出了类似于快速傅立叶变换的小波快速变换算法。它比著名的Mallat算法更简单、方便、计算速度更快,同时它还可以根据分析的信号自适应地选择小波滤波器参数。     

光纤陀螺信号处理的实用方法

根据光纤陀螺信号漂移的数学模型,分别采用了基于傅立叶分析的IIR滤波器和基于小波变换的阈值滤波器进行消噪处理,通过试验结果分析,肯定了小波阈值滤波方法的优越性.     

小波和傅立叶变换在图像变化检测上的应用比较

小波分析和傅立叶分析被广泛地应用于图像处理的各个领域,它们也能被应用于遥感影像土地利用变化检测。对两个时相多光谱影像的各波段或各主成分进行小波变换或傅立叶变换,然后对变换后得到的系数求差,最后对差值进行小波逆变换或傅立叶逆变换,得到的结果图像中,那些有变化地区的亮度会比没有变化地区的亮度高出很多。文中,分别利用小波变换和傅立叶变换两种方法对相同的两时相多光谱影像进行变化检测,发现小波变换结果好于傅立叶变换。     

基于小波多分辨率分析的图像边缘检测研究

本文就图像边缘检测的多分辨率分析模型和小波变换多分辨率边缘检测方法进行了分析研究,对基于小波分析的图像边缘检测研究现状进行了分析和总结。明确了研究方向和重点主要集中在小波基的构造和选取,阈值的选取,小波分解的尺度选取,以及小波分析方法和其他方法的结合使用。     

MODIS影像条带噪声去除方法研究

条带噪声是影响MODIS影像质量的一个重要因子。分析了MODIS条带噪声形成的主要原因和特点,比较了几种常用条带噪声去除方法及其局限性,着重提出和改进了利用傅立叶变换法、小波变换法和插值法去除MODIS影像条带噪声。上述3种方法都能在一定程度上去除MODIS影像条带噪声。对实验结果的均值、标准偏差以及边缘保留的比较结果表明,在去除MODIS影像条带噪声方面,插值法优于小波变换,而小波变换优于傅立叶变换。     

光纤陀螺信号的数字处理方法

光纤陀螺（FOG）有着广泛地应用,如何有效地提高精度具有重要意义。根据FOG信号漂移的数学模型,分别采用了经典傅立叶分析的FIR低通滤波器和小波变换的阈值去噪对某型FOG的输出信号进行了消噪处理。实验证明了小波阈值在消除陀螺漂移和基座动态干扰应用中的优越性。     

基于小波变换的传感器故障诊断

传感器故障的诊断是非常重要的。传统的基于快速傅立叶变换的频谱分析有其局限性和缺陷性,为了克服其缺点,运用小波变换的方法。在介绍了小波变换理论的基础上,采用小波变换技术对传感器进行故障检测,快速而较为准确地诊断出传感器故障。仿真实验证明小波变换技术对传感器故障诊断是十分有效的,取得满意的效果。在传感器的故障诊断方面小波变换有良好的应用前景,有力地证明了它在传感器诊断技术中的优越性。     

利用小波分析检测航空发动机传感器故障

该文比较了傅立叶变换与小波分析的基本理论并研究了它们在航空发动机传感器故障检测应用中的特点,提出了一种基于小波变换的故障检测方法.该方法针对噪声和故障信号均具有呈现非平稳瞬态特性的特点,利用小波多分辨分析将量测信号分解到不同的频率通道中去,因此它就可以在一定的频率区间内,将故障信号成分和正常信号输出成分区分开来,提高传感器故障检测的准确度.仿真结果表明,该方法借助小波变换强大的时频分析能力,可以准确判定传感器软、硬故障,有效降低误报率和漏报率,具有良好的应用价值.     

基于小波矩的新型图形识别算法

该文提出了一种基于小波矩的新型图形识别算法。小波矩除了具有矩特征的平移、缩放和旋转不变及抗噪性强的特性以外,还增加了小波对图象结构精细特征的把握能力强的优点。文章结合FFT变换的优点提出了改进的离散傅立叶－小波矩,并由所提取的小波矩特征与最小距离分类器结合形成一个图象识别系统,成功实现了对精细复杂汉字图符的识别。通过与采用传统的几何矩识别结果比较,在识别准确率、识别速率和抗噪性上性能都有较大的提高。     

基于Android系统的傅立叶变换

傅立叶变换在通信、光学、天文方面都有着极其广泛的应用.基于PC平台的研究已经相当成熟,具有较多的工具和库可以使用(如,MATLAB和FFTW开源库).但是在嵌入式系统上却很难找到相关的库和分析工具.在Android系统上更是如此.然而音频分析和游戏开发等领域傅立叶变换有着不可或缺的作用,所以在嵌入式系统上实现快速高效的傅立叶变换有着实际的应用意义.     

小波分析在故障诊断中的应用

在简单介绍小波分析的发展和基本原理的基础上，系统综述了小波分析在故障诊断中的研究进展与状况，详细介绍了小波分析在故障诊断中应用的各种方法。重点阐述了小波分析信号处理的故障诊断方法，以及小波分析与各种智能理论与技术结合的故障诊断方法，如小波分析与神经网络相结合的方法、小波分析与模糊理论相结合的方法和小波分析与数据融合等理论相结合的故障诊断方法，并对各种方法做了分析与讨论。分析了小波分析在故障诊断中的应用研究现存的几个问题，并对解决这些问题和未来的发展进行了探讨。     

小波变换在医学图像边缘增强中的应用

小波变换是在傅立叶分析基础上发展起来的,它通过尺度参数和定位参数将时域和频域联系起来,通过伸缩和平移等运动对信号或图像数据进行多尺度的细化分析,其应用领域很广。提出了一种基于小波变换的图像边缘增强的方法,通过对小波变换产生的高低频信息进行相应处理,再进行图像重构,最后将生成的各个图像进行融合以实现图像边缘增强。使用Visual C＋＋6．0完成编程实验,其实验结果表明本文所提出方法的边缘增强效果较好。     

基于模型的信号分析及小波包应用

主要研究软测量系统中误差信号的分析与消除，旨在从输入信号方面找到提高系统测试精度的方法。从主要辅助变量分析误差信号来源，介绍了如何通过建立信号测量模型的方法。利用傅立叶变换和Matlab等工具分析信号噪声产生的原因，并根据噪声信号的不同特点，采用相应的小波处理方法。将小波技术应用于电流互感器软测量测试平台系统中，大大提高了系统的精度与重复稳定性。     

基于相位相关的小波域图像配准方法研究

小波变换是一种多尺度信号分析方法，近几年在图像处理领域受到广泛关注，它克服了傅立叶变换的固定分辨率的弱点，既可分析信号概貌，又可分析信号的细节。相位相关是一种频率域的图像配准参数估计方法，是利用傅立叶变换的平移、旋转等特性进行参数估计的。在研究多尺度小波分析和相位相关理论的基础上，提出基于小波系数的像素级相位相关图像配准方法：首先对待配准图像进行小波分解，获得低频小波系数后，再对小波系数应用相位相关进行配准参数估计。实验结果表明了该方法的可行性和有效性。     

一种基于DWT和DFT结合的音频水印算法

该文提出一种基于小波变换和傅立叶变换相结合的音频水印算法,首先对二值水印图像进行预处理,然后对音频进行小波变换,小波变换的近似分量系数进行离散傅立叶变换,再把傅立叶变换的幅度系数进行量化来嵌入水印。在水印提取过程中,不需要原始音频信号的参与。仿真试验证实了该算法的稳健性和不可感知性。     

基于提升方法的脉搏波信号处理

小波变换在信号处理中有着广泛的应用，但是传统的小波变换依赖于傅立叶变换，有大量的卷积运算，运算速度较慢。文章讨论了第二代小波变换的原理，并采用第二代小波变换来处理脉搏波信号。提升算法是构造第二代小波的关键技术，它不依赖于傅立叶变换，可实现整数小波变换，大大提高了运算速度。通过分析提升算法的基本原理，尝试用第二代小波变换对脉搏波信号进行去噪处理；并介绍了小波软阈值法和硬阈值法，分别采用这两种方法进行降噪处理，将结果与传统小波变换处理的结果进行比较，得到了令人满意的效果。