故障信号检测时最佳小波基的选择

介绍了小波变换的基本理论及信号奇异性检测的原理。重点研究了故障信号检测的最佳小波基函数及分解尺度的选择问题,按照小波规则性系数选择小波基,这种方法是基于小波变换系数的大小与小波函数和信号之间的相似程度成正比,即小波变换系数越大,说明此小波与所分析信号相似度越高;反之就越低。仿真实验证明该方法的有效性和可行性。     

基于MATLAB的奇异信号检测中小波基选择研究

小波分析是近年来发展起来的一门新的数学理论和方法，在图像处理、特征提取及数据压缩等领域都有着广泛的应用。该文介绍了小波变换及其用于信号奇异性检测的基本原理，重点研究了信号奇异性检测中小波基(又称母小波)及尺度的选择问题，提出了规则性系数相似法，即根据相似性，可以用平滑的小波，即规则性系数大的小波表示平滑的函数；用不平滑的小波，即规则性系数小的小波表示非平滑的函数。同时针对天然气管道泄漏检测这一具体的工程实例，采用该方法对管道发生微小泄漏时所产生的缓变信号进行了分析，仿真实验验证了该方法的有效性和适用性。     

小波变换系数冗余性分析

小波基的冗余可导致鲁棒性,冗余使得低精度下获得的小波系数能在相对高的精度下重建原始信号.本文详细讨论在连续和离散两种情况下小波变换系数在二维时间-尺度空间中的冗余性问题,其中包括:1)小波基自身冗余性的分析,2)信号本身冗余性的分析,3)变换系数冗余性同小波基冗余性之间的关系,4)变换系数冗余性同信号冗余性之间的关系.最后给出体现变换系数冗余性、小波基冗余性以及信号自身冗余性这三者之间关系的统一表达式.     

基于小波变换和数据融合技术的图像降噪方法

提出了一种基于小波变换和数据融合技术的图像降噪的方法．此方法对同一原始图像信号不同噪声的多源图像分别进行小波分解，在图像分解的高频域内，对小波系数进行阈值处理后，再进行数据融合处理，根据“多数原则”选择重要小波系数．在低频域内，新的逼近系数则通过对多幅图像的逼近系数直接进行加权平均得到．然后利用重要小波系数和逼近系数进行小波反变换，即可得到融合后的图像．实验结果表明：此方法既可以有效地降低噪声，又可以较好地保持图像细节．     

基于小波和双谱的脉冲星信号识别

为了提高脉冲星光信号识别效果,提出了一种基于小波变换和双谱分析的脉冲星信号识别算法．首先,本文提出了一种小波域双谱的概念,即对信号进行小波分解后再计算各级小波系数的双谱．然后,采用主分量分析（PCA）提取低频系数的双谱特征;根据最大类间误差平方和准则,用选择双谱的方法抽取高频系数的双谱特征,这些双谱特征构成特征向量．最后,采用最小距离分类器对脉冲星信号进行分类．实验结果表明了该脉冲星信号识别算法在识别效果和特征降维方面的有效性．     

双树复小波包变换语音增强新算法

实小波包变换是语音增强中效果较好的一种算法,利用阈值的方法对小波包系数进行压缩进而重构语音信号.分析了实小波包变换的平移敏感性,以及其对语音进行增强时的缺陷.提出采用双树复小波包变换方法进行语音增强,当低通滤波器和高通滤波器对应的小波基近似为希尔伯特变换对时,该变换能大大减小实小波包变换中的平移敏感性.同时考虑小波包系数之间的相互关系,提出了重叠块复阈值算法.结果表明,算法优于传统实小波包变换及点阈值算法,尤其对含周期噪声的语音信号,双树复小波包变换算法的优势更为明显.     

基于小波变换的特征构造与选择

小波技术是对信号进行处理的重要工具,已广泛应用于信号分析、数据压缩和降噪等各个领域。该文从模式识别的角度,对各种小波变换特征构造与选择进行了全面的分析比较,探讨了各自作为模式特征对分类精度的影响,并着重对小波系数的平移不变问题和小波基的选择问题进行了详细的讨论。     

心电信号的小波阈值去噪算法研究

本文采用基于小波变换的阈值去噪方法对心电信号进行了去噪处理.给出了基小波、分解尺度、阈值的具体选择方法,在比较采用不同的基小波进行阈值处理方法的基础上.给出了采用coif4小波进行局部自适应软阈值处理的改进算法.实验结果表明,采用该算法降噪后信号的信噪比为34.019dB,将原含噪信号的信噪比提高21.879dB,去噪效果较好.     

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。     

基于多数字基整数和小波域JND的多重数字水印

提出了一种新颖的在小波变换域中嵌入多重数字水印的算法。该算法通过利用人眼的视觉特性，计算小波域临界可见误差JND门限，选择加载水印信息的小波系数和控制加载的水印强度。通过引入多数字基整数系统，选择舍适的JND门限作为该系统的基底，将水印的小波系数表示为多数字基整数，最后转化为修改一组宿主图像的小波系数的幅值，从而实现水印嵌入算法．实验结果表明，该算法实现的数字水印对于图像压缩、图像剪切等常见图像处理有很好的鲁棒性。     

基于Ma lla t 塔式算法小波变换的多故障诊断方法

提出一种用Mallat金字塔算法的小波多分辨率分析技术对系统进行多故障诊断的方法，首先利用小液交换的多分辨率分析的特点，对系统的状态信号进行多尺度分解；然后根据其在不同尺度下的高频分量的小液系数模极大值和不同尺度的模极大值所在小波系数序列的对应关系进行多故障诊断，同时对故障的信息提取给出了相应的方法，仿真结果证实了该方法的有效性和可行性。     

基于最大能量匹配与样本熵的小波降噪方法

为提高自适应小波阈值降噪方法的效果,提出一种结合最大能量匹配的小波包分解和快速样本熵的小波阈值降噪方法。根据各层小波系数特点并以最大能量匹配准则自适应选择小波包基对含噪信号进行分解,对最大尺度下的小波系数阈值化后重构得到噪声信号,采用快速样本熵算法计算噪声信号样本熵,动态调整阈值使噪声信号样本熵最大而获得最佳的降噪效果。应用实例表明：该方法相比传统的小波阈值降噪方法具有更好的降噪效果。     

基于模极大值小波域的去噪算法研究

根据信号与噪声在小波变换下的不同特性，提出了基于模极大值小波域的去噪算法。该算法先用Adhoc算法求出信号的模极大值，再根据模极大值小波域的定义求出信号的模极大值小波域，从而得到信号的小波系数，然后逆变换得到信号。实例分析表明：该算法能有效消除噪声，与交替投影模极大值算法相比，该算法在原理上更简单，程序实现更容易，去噪速度更快，能满足在线监测的要求。     

基于小波分析的声发射刀具状态判析

提出了一种基于小波分析的声发射刀具状态判析方法,该方法通过多层小波分解对信号主能量所处频段进行局部特性刻画,利用小波分解系数2——范数表征信号的奇异性,在统计量与刀具状态间建立物理联系。实例表明:该方法能有效地判断刀具状态,并具有较好理论基础与操作性。     

带噪语音信号小波去噪算法研究

去噪问题是信号处理中必不可少的问题。滤波作为传统的去噪方法,主要包括线性滤波和非线性滤波。噪声与信号频率重叠,传统方法要想取得良好的去噪效果必须牺牲部分信号。现有的小波模极大值去噪方法虽然有较好的去噪效果,但是该方法计算量大。小波阈值去噪方法更简单,但小波重构后的小波系数与噪声的小波系数存在恒定的偏差。在阈值去噪方法的基础上提出一种改进算法,仿真结果表明该算法在加性高斯白噪声污染下表现出较好去噪效果。     

喷油泵校正器技术参数测试方法研究

针对喷油泵校正器的特点,介绍了对其两个技术参数预紧力和校正行程的测试方法.在小波消噪理论的基础上,给出了新的随尺度变化的阂值估计公式,采用小波软阈值消噪技术对力信号进行处理;在小波分解理论的基础上,提出了一种染噪斜坡信号的信号提取方法,并利用该方法对位移信号进行处理.经过小波消噪处理后的位移和力信号,再进一步的处理,可以得到很好的测量曲线,从而能够精确求出喷油泵校正器的预紧力和校正行程.     

基于尺度乘积与小波收缩相结合的去噪方法

提出一种将相邻尺度的小波系数乘积与小波阚值收缩相结合的信号去噪方法．该方法采用小波系数乘积的直方图方法提取小波系数．用该方法去噪既能很好地保持信号突变点的原有特性，又具有较强的去噪能力．数值仿真表明，与小波阚值收缩方法相比，该方法在信噪比和均方差指标上都有明显的提高，并能很好地保持信号的形状．     

基于最优小波包理论陀螺信号处理方法

小波变换具有良好的时频率局部化特性,基于小波变换的陀螺信号消噪方法在实际应用中取得了较好的效果.小波包具有比小波更为细致的时频划分能力,因而具有更强的时频局部化特性.笔者将基于Shanon-weaker熵准则的最优小波包基应用于陀螺信号的去噪,并给出了去噪算法.此外,还将CS-ARS微机械陀螺的实测数据在MATLAB中进行了数值仿真,仿真结果表明,本文所介绍方法对陀螺信号的去噪效果优于小波变换方法,具有广泛的应用前景.     

Bark子带小波包自适应阈值语音去噪方法

为了克服低信噪比输入下,语音增强造成清音弱分量损失,导致信号重构失真的问题,提出了一种新的语音增强方法。该方法采用小波包拟合语音感知模型的临界带,按子带能量对语音清浊音分离,然后对清音和浊音信号分别作8层和4层小波包分解,在阈值计算上采用Bark子带小波包自适应节点阈值算法,在Bark子带实时跟踪噪声水平,有效保护清音中高频弱分量,减少失真。通过与传统语音增强方法的仿真对比实验,证实该方法在低信噪比输入时,具有明显优势,输出信噪比高,语音失真度低。将该方法与谱减法相结合,进行语音二次增强,能进一步提高增强语音质量。