小波包神经网络在雷达导引头信号处理中的应用

为从背景杂波中有效地提取出目标的特征信号,文中提出了一种将小波包分解和神经网络相结合的去噪方案。利用小波包对信号的低频和高频部分进行精细分解,得到信号在多尺度空间上的分解系数。根据信号和噪声在不同尺度小波包分解下的小波包特性,利用神经网络对分解系数进行处理,再用新的小波包分解系数对信号进行重构,以达到滤除噪声的目的。     

基于小波变换的射弹序列图像混合噪声去噪

提出了一种基于小波变换的混合噪声去噪方法。首先对图像进行二维多尺度小波变换,得到低频子带图像和高频子带图像;然后对低频子带图像采用改进的邻域平均滤波进行去噪处理,对高频子带图像采用改进的小波阈值算法进行去噪处理;最后对处理后的各子带小波系数进行小波重构,得到降噪后的图像。结果表明,该算法在有效去除图像混合噪声的同时,较好地保留了图像边缘和细节。     

多普勒信号的小波域维纳滤波方法

针对多普勒信号检测的小波变换法阈值去噪方法对低频噪声的抑制不理想的缺点,提出一种小波变换阈值处理和维纳滤波联合的多普勒信号去噪方法。该方法在小波阈值法去噪的基础上,对信号的低频小波系数进行维纳平滑处理,然后系数重构得到多普勒信号。仿真验证结果表明,通过小波变换下对小波分解系数进行进一步的维纳滤波,在多普勒回波信号处理过程中得到了比较理想的结果,获得了更好的目标检测性能。     

基于小波变换与模糊理论的图像增强算法研究

针对传统图像增强方法增强图像同时放大噪声的问题,提出了一种基于小波变换和改进模糊集理论进行图像增强的方法.该算法先对原始图像进行小波变换获得低频和高频系数,对低频系数进行了分段函数增强,高频系数进行小波去噪,并且定义新的隶属度函数对各个尺度上不同方向的高频系数进行模糊增强,最后通过小波重构得到增强的图像.实验结果表明,该算法可以有效去除噪声和增强图像,并使图像具有良好的视觉效果.     

基于提升小波的超声信号降噪方法

针对经典小波在逼近信号时产生的细节信号会被当做噪声滤除的问题,提出了基于提升小波的超声信号降噪方法。该方法用剖分、预测、更新,把信号进行单层分解,然后把分解后的高频系数和低频系数同时进行阈值函数处理,再进行小波重构。相对于传统的一代小波,该算法不依赖于傅里叶变换,计算简单,可有效节约内存。仿真与实验结果表明:该算法可以有效地提高信噪比,降低原始信号中所含有的噪声,并可以起到数据压缩的效果。     

基于小波理论的铁谱图像压缩法

基于小波变换的铁谱图像压缩法,根据小波函数对铁谱图像进行一层或多层的小波分解.用阈值处理细节系数对1到N层选定阈值,并进行硬阈值处理,把绝对值小于阈值的系数置为0.通过逆小波变换,由阈值处理后的小波系数重构原图像.实验证明该方法压缩比高、速度快,压缩后能保持信号与图像的特征不变.     

气固流化床中空隙率波动信号的小波分解

讨论了采用小波变换对气固流化床中的空隙率波动信号进行多尺度分解重构及气固流化床中的空隙率波动信号进行多尺度分解重构的最佳小波函数,分析了分解重构误差随轴向高度和操作气速的变化.     

鱼雷引信目标信号的小波消噪研究

鱼雷引信目标信号的背景噪声消除是确保引信可靠动作的重要手段。传统的带通滤波方法消噪精度低，波形稳定性差，而小波变换在对信号进行消噪处理方面具有良好的特性，它可利用不同的尺度参数将信号分解到不同的频带上。该文基于典型的鱼雷电磁引信模型和磁引信目标信号模型，采用小波变换的方法对复杂背景干扰下的引信目标信号进行了消噪处理，并使用数学分析软件MATLAB对消噪结果进行了仿真。仿真结果表明，相比传统的消噪手段，小波消噪具有精度高、适用性强、信号波形失真度小的优点，可有效消除鱼雷引信目标信号中的背景噪声。     

基于EMD-DFA-小波阈值的MEMS陀螺信号去噪方法

针对MEMS陀螺仪输出信号中噪声较大的问题,提出了一种EMD-DFA-小波阈值去噪的方法。利用EMD理论将信号按照频率高低分解为若干IMF分量和余量,将DFA方法应用到噪声与信息主导的IMF分量临界点的判定中,并通过仿真实验证明了DFA判定方法的有效性。针对传统EMD去噪方法直接去除噪声分量导致的信号缺失等问题,采用小波阈值去噪法对噪声主导的IMF分量去噪后再与低频分量重构,最大程度地保留了有用信息。同时,对小波阈值去噪的核心步骤进行了改进:采用随分解尺度的增加而逐渐减小的动态阈值选取规则,最大程度上保留了各层的有用信号;对阈值函数进行了改进,既对较大的小波系数进行了收缩变换,又保留了较小的小波系数,使之兼顾软、硬阈值函数的性能。为验证提出方法的有效性,分别对仿真信号和实测MEMS陀螺仪数据进行了去噪分析,结果表明:和传统EMD去噪法相比,新方法去噪后的均方差降低了22%,信噪比提高了59%;和EMD-DFA-传统小波阈值去噪相比,均方差降低了12%,信噪比提高了13%。     

基于最优小波包基的陀螺仪信号去噪算法研究

文中提出了一种基于Shannon熵准则的最优小波包基浮动阈值去噪算法,并将其应用于某型反舰导弹陀螺仪信号的去噪处理.仿真结果表明,该算法具有良好的去噪性能,并且消噪效果明显优于基于小波变换的去噪算法,将具有更为广泛的应用前景.     

基于小波滤波与RBF 网络的微弱磁场信号检测

针对水中兵器检测船舶磁场信号时信噪比较低的问题,提出基于小波滤波与RBF神经网络的微弱磁场信号检测算法。根据船舶磁场信号的时频特征,对采集的信号进行小波分解,提取最后一层的低频分量,滤除高频噪声;并采用样本数据对RBF网络进行学习,利用学习好的RBF网络对含噪信号进行处理,提取船舶目标特征信号。通过计算机仿真结合实测数据对算法进行了检验。结果表明：该算法可以显著提高信噪比,增强了对微弱磁场信号的检测能力。     

基于谐波小波的舰船辐射噪声线谱提取方法

针对传统方法在低信噪比情况下难以准确提取舰船辐射噪声线谱成分的问题,提出一种基于谐波小波变换的高分辨线谱提取方法。通过对舰船辐射噪声信号进行谐波小波变换,将其正交、无泄漏地分解到相互独立的频段上,提取线谱所在频段的谐波小波系数且将其它频段置零,进而在时域重构出线谱信号,实现信号与其它成分的分离。实验分析结果表明:该方法对背景噪声有较好的抑制作用,提取微弱线谱信号的能力和精度优于FFT分析方法,比传统FIR滤波器方法性能提高了约5dB,有利于辐射噪声特征线谱的提取。     

结合形态滤波与多分辨率 SVD 包的电能质量扰动检测

针对电能质量的扰动检测问题,以电流信号为研究对象,提出结合形态滤波与多分辨率奇异值分解 (singular value decomposition,SVD)包的电能质量扰动检测算法。根据形态学滤波器计算特点,采用余弦结构元素, 对滤除噪声后的信号构造矩阵进行多分辨率 SVD 包分解,通过分解后的高频分量特征检测扰动,结合自适应阈值判 断是否发生扰动,利用仿真对其进行验证。仿真实验结果表明：该算法相较于普通形态学与 SVD 方法有更好的抗噪 能力,且可实现对扰动信号的快速、准确定位。     

小波域自适应滤波的红外弱小目标检测

针对红外弱小目标检测,在图像自适应阈值降噪的基础上,提出了一种小波域自适应滤波的检测算法.该方法利用图像小波分解后高低频分离的特点,采用基于Context模型的自适应滤波器对含有目标的高频系数进行处理,最后采用自适应门限进行二值化图像分割以检测出目标.实验结果表明,与Top - hat滤波相比,该方法能够更有效地检测出...     

局域波降噪及样本熵在齿轮箱故障诊断中的应用

针对齿轮箱振动信号中存在大量背景噪声及以往故障诊断中在时域、频域寻找与故障相关信息过程相对复杂的问题,提出了一种将局域波降噪与小波包分解提取频带能量最大信号的样本熵作为特征量相结合的齿轮箱故障诊断方法.首先,以峭度值作为依据对局域波分解后的各IMF(本征模式分量)分量进行重构,完成对原始信号的降噪.接着对降噪后的信号进行小波包分解并计算各子带的能量,选取子带能量最大的频段信号计算其样本熵作为特征量完成对故障的识别.以齿轮箱试验台实测信号为对象进行对比分析,证明了该方法的有效性.     

小波包在硬目标侵彻仿真结果分析中的应用

硬目标侵彻仿真得到的速度、加速度信号频率成分非常丰富，而且是非平稳的随机过程，小波分析具有良好的时频局部化性质，可用来分析这些信号，在总结小波，小波包理论的基础上，利用小波包将仿真得到的加速度信号分解到相邻的不同频率段上，然后用信号重构方法对各个频率段上的信号进行重构，并作了相应的频谱分析，最后对小波包分析的工程意义进行了探讨。     

自动机机箱振动分析与诊断研究

自动机射击动作时因激振力的作用会产生一定方向和频率的冲击振动,构件的裂纹或松动等故障会影响到其响应成分的频率能量特性;针对自动机实射动作冲击响应振动信号,利用小波分析快速进行信噪分离,频域范围内采用功率谱分析结合小波包分解对各频段能量谱分析。根据振动信号时域峰值和时刻,频域能量的变化和分布,给出故障诊断层使用的状态特征向量,并用比例梯度动量共轭算法训练的神经网络模型进行自动机状态定位与故障识别。     

一种基于新阈值函数的小波降噪方法在高速风洞中的应用

为了解决传统阈值函数中抑制干扰与保留信号有效突变区域和信号高频细节之间的矛盾,提出一种基于新阈值函数的小波降噪方法.介绍了传统小波阈值函数降噪方法,根据小波阈值降噪方法的特点构建一种新阈值函数,并进行风洞试验验证,用硬、软阈值以及新阈值方法对X元信号进行处理,将经过不同降噪方法处理后得出的CL-a曲线进行对比.试验结果表明:该方法与传统函数方法相比具有明显的优越性,一方面其处理后的试验数据结果与阶梯试验数据吻合度更高;另一方面该方法在抑制干扰影响的同时,能够有效捕获到飞行器模型在突变区域的有效高频信号.     

基于小波多尺度分解子带主成份的特征提取

基于小波多尺度分解子带主成份的特征提取法,利用小波多尺度分解子带系数图像特征.各尺度变换域系数代表目标不同信息,综合图像的边缘、灰度和结构等信息,再用信息提取图像的主要特征.以车辆跟踪为例,提取的特征可用于目标匹配,并用处理后干净图像的小波分解系数重构图像.     

滚动轴承的故障特征提取

滚动轴承故障特征提取采用在C Builder中嵌入Matlab对载波信号消噪后,将振动信号用小波包进行3层分解,提取各节点重构信号的方差,作为故障特征参量,归一化后输入神经网络进行故障诊断.其交互步骤是用C implib命令将外部def文件生成含有Matlab函数的lib文件,并将其加到新建工程中,编写目标函数.Matlab完成数值分析处理、绘制数据图形.