基于融合能量代价函数的水声信号识别算法

提出了融合能量代价函数的概念及基于代价函数的小波包能量法，并将其应用于水声信号的识别。新算法以融合能量代价函数为标准，在整个小波库中构造最优小波包基，从小波包基上提取信号最有价值的特征值。由于从分类最佳的角度选择特征，所以与固定尺度小波包能量法相比，算法对分类特征模糊的信号有较好的识别效果。     

非线性小波去噪技术在水声信号识别中的应用

应用非线性小波去噪技术对小波包能量法进行改进,提出了一种新的方法———去噪小波包能量法。该算法对信号小波去噪后,再用小波包能量法提取信号的特征。文中研究了不同的小波去噪方法对水声信号分类识别率的影响,在实测信号样本集上用BP神经网络进行了识别实验。结果显示了算法的有效性。     

非线性小波去噪技术在水声信号识别中的应用

应用非线性小波去噪技术对小波包能量法进行改进,提出了一种新的方法--去噪小波包能量法.该算法对信号小波去噪后,再用小波包能量法提取信号的特征.文中研究了不同的小波去噪方法对水声信号分类识别率的影响,在实测信号样本集上用BP神经网络进行了识别实验.结果显示了算法的有效性.     

水声信号高频小波包能量识别系统模型

对水声信号的识别，提出了高频小波能量法，并构造了一个自动识别系统模型。系统对信号进行小波分解后，取高频子空间能量作为特征向量值进行信号的识别。高频小波能量法可采取小波包与小波两种变换，通过对两种方法的比较显示：高频小波包能量法构造的识别系统能够更好地识别低信噪比水声信号。     

煤岩声发射信号识别研究

针对煤岩破裂的声发射信号难以在复杂的噪声环境中识别的问题,提出了一种基于小波包分析和小波特征能谱系数分析的煤岩声发射信号识别方法。选取Symlets小波作为煤岩声发射信号分析的小波基函数,采用混合阈值算法对该信号进行去噪处理,提取出有用声发射信号,并采用Matlab软件分别对有用声发射信号和噪声信号的小波包分解进行仿真,得到两者的小波特征能谱系数和小波包特征向量。仿真结果表明,有用声发射信号特征向量的各级能量变化程度较大,噪声信号特征向量的能量变化较为稳定,从而可实现煤岩声发射信号的识别。     

穿墙脉冲雷达回波信号人体微动特征识别初步研究*

主要研究了超宽带雷达人体探测回波信号微动特征识别问题。在分析超宽带雷达生命特征检测原理的基础上,针对人体微动特征特点,引入能量积分识别算法,编制时窗函数,对雷达实验的多个回波数据进行小波去噪处理。结果表明,利用能量积分算法,可以识别出含有人体微动特征的信号。     

基于小波变换的泄露故障特征提取研究

为研究液压系统管路泄漏对压力脉动信号的影响,提出利用改进的小波消噪算法和小波包对压力脉动信号进行消噪和特征提取;针对传统小波变换阈值函数在去噪处理中存在的恒定偏差、不连续等缺点,提出一种改进阈值函数和新阈值相结合的新方法,将该方法与平移不变量方法相结合,避免了传统小波变换去噪时在不连续点存在的Pseudo-Gibbs现象;通过利用改进小波消噪方法和小波包对FESTO试验系统采集的正常和故障压力脉动信号进行分析比较,研究结果表明,不同工况下压力脉动信号3个主要能量频带的分布特性,可以作为泄露检测和识别的故障特征。     

小波包分解在虹膜识别中的应用研究

小波包分解是从小波变换延伸而来的一种更精细的信号分析算法，具有分析高频特征信息的优势。文中结合小波包分解的特点，提出了一种基于小波包分解的虹膜识别算法。该算法首先对虹膜图像实行分窗小波包分解，并对各窗口的子带图像作筛选处理；然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩，得到虹膜识别特征；最后利用加权欧氏距离分类器进行识别。实验结果表明了该算法的有效性。     

基于小波包和FCM聚类的电能表内异物检测

针对采集的电能表内异物晃动产生的声音信号,通过对声学识别流程传统端点检测方法的研究,提出了一种新的电能表内异物声音信号端点检测方法。结合小波包能量特征、短时TEO对数能量和模糊C-均值聚类(FCM),使用提取的小波包能量特征同支持向量机(SVM)完成电能表内异物声音的训练与识别。相较传统的基于阈值的端点检测算法,该端点检测算法处理后的异物检测准确率明显较高,能够更好地检测电能表内异物。     

摩擦焊接头超声波检测缺陷信号智能识别

为使超声波无损检测准确识别摩擦焊接头的弱结合缺陷,本文利用小波包分析法分析处理超声波检测的回波信号,利用“能量-故障”法提取各检测信号的信号特征,将信号特征向量作为输入量引入到利用改进算法所构建的信号识别神经网络中,使其对接头中的缺陷进行后端分类和识别处理,从而实现了摩擦焊接头缺陷的智能识别。实验结果表明该方法具有较高的准确度。     

基于自适应阈值的心音分段方法仿真研究

针对心音信号频率低、易受干扰并含有大量杂音的特点,提出了一种心音分段新方法。首先,采用dB6小波进行5层小波分解做心音信号降噪处理;然后,采用了一种提取降噪后心音信号连续平均能量包络的方法;最后,根据连续平均能量包络及自相关函数提出了一种自适应阈值心音分段方法。仿真结果表明,该方法所提取的心音信号包络特征更稳健,提出的分段算法与基于短时能熵比法和短时自相关函数法等心音分段算法相比,本文所提算法分段准确度更高。     

基于小波能量元和改进双阈值函数的微流控芯片信号去噪方法研究

微流控芯片技术是一种新型的分析检测技术,可广泛应用于生物、化学、医学等领域。为提高微流控芯片信号去噪效果,本文提出了一种基于小波能量元和改进双阈值函数的去噪方法。构建了基于指数和对数函数的小波能量元双阈值函数,继而设计了微流控芯片信号去噪算法。以模拟的微流控芯片信号为研究对象,对比选择db4小波基进行了4层分解去噪仿真实验。仿真结果表明,本文方法优于现有的普通阈值法、空域相关法和能量元浮动阈值法。该方法已应用于自主研发的非接触式微流控芯片便携式分析诊断仪,去噪效果良好,有效提升了设备性能。     

神经网络和小波变换融合算法的去噪研究

传统小波变换阈值选取采用软阈值和硬阈值方法,这两种阈值方法都存在自身局限性,软阈值方法处理后的系数存在偏差,影响信号的稳定性和连续性,硬阈值方法在处理语音信号时易导致pseudo—Gibbs现象,滤波效果粗糙.根据经验公式确定阈值方法存在不确定性,因此本文通过改进的神经网络遗传算法和小波变换算法进行融合,确定最佳阈值,通过去噪实验证明该融合算法的可行性.     

一种基于多小波变换的方向加权图像融合算法

针对单小波在图像变换中存在的不足,将研究推到多小波领域.提出边沿信息方向性加权的区域能量融合改进算法,重新构造融合图像对应的多小波系数,通过逆变换重构融合图像.此外,利用交叉熵;平均误差;峰值信噪比等参量,对该融合方法的融合性能进行了评价与分析.实验结果表明,该融合方法是有效的.     

基于不同背景噪声的联合检测技术

提出一种简单、实用的联合检测技术,将经典的基于能量和过零率的双门限法与基于小波变换的子带能量法巧妙地结合起来进行语音信号的端点检测,充分利用双门限法算法简单、实时性好、准确率高,小波子带能量对高斯白噪声区分性能强的特性。仿真结果表明新算法能提高检测系统在噪声环境下端点检测的准确率。     

Image denoising algorithm via best wavelet packet base using Wiener cost function

A new cost function, namely, the Wiener cost function, is introduced to find the best wavelet packet (WP) base in image denoising. Unlike the existing entropy-type cost functions in image compression, the Wiener cost function depends on both sparseness of image representation and noise level. Combining the Wiener cost function and the doubly local Wiener filtering scheme, a new image denoising algorithm is proposed using the best wavelet packet bases. Owing to unknown true image in denoising, a pilot image with less noise is required to find the best wavelet packet base, which is obtained by the existing denoising algorithms. From the pilot image, the best 2D wavelet packet tree is searched in terms of the Wiener cost function and the energy distributions of the image in the best wavelet packet domain are also estimated. Further, the image is recovered by applying the local Wiener filtering to the best wavelet packet coefficients of the noisy image. The experimental results show that for images of structural textures, for example 'Barbara' and texture images, the proposed algorithm greatly improves denoising performance as compared with the existing state-of-the-art algorithms.     

一种自适应的多聚焦图像融合方法

为了对不同的多聚焦图像进行有效融合，提出了一种小波域中基于区域特征的自适应多聚焦图像融合方法。该方法首先对参加融合的两幅图像进行小波分解，然后针对低频部分，在保留源图像共同特征的基础上，将待融合的两图像各自所具有的特征添加到融合图像中，而对于高频部分，则根据区域的小波能量进行融合；最后通过小波逆变换来重构融合图像。该方法不仅能够完全自适应地对多聚焦图像进行有效的融合，而且对于各种不同的源图像具有通用性。实验表明，该算法能够得到良好的融合效果，是一种有效的多聚焦图像融合方法。     

基于分频带最优阈值函数的电力信号去噪

研究电力信号在传输过程中受到噪声污染问题。由于电网负荷较大,系统的运行随机性强,系统非线性引起电力信号噪声严重。针对小波阈值去噪算法存在较大的缺陷,传统改进算法全局阈值去噪的局限性,提出了一种适合电力信号去噪的分频带(分层)最优阈值函数去噪方法。新方法根据电力信号与噪声各频带能量分布特性得到各频带最优阈值,并对含噪电力信号逐层分频带最优阈值函数去噪处理,明显地降低了波形畸变率。仿真与实验结果表明,分频带最优阈值函数去噪方法明显提高了电力信号的去噪效果,提高了电力信号的检测精确度。