基于多分辨率分析的相关算法在信号滤波中的应用

测量仪表获得的信号带有噪声，使内燃机关键参数的计算比较困难，已有的FIR和IIR数字滤波器的去噪效果较差，且使内燃机的瞬时转速曲线产生了相移，难以确定速度曲线局部极值点的位置．为去除信号中的噪声，提出了一种基于多分辨率分析的相关算法，首先对原始信号进行小波变换，根据规划后的相关函数，仅选择对应于信号的小波变换的模极大值，将信号和噪声分离开来，然后再重建信号．将该方法用于R4102型内燃机的瞬时转速曲线的信号滤波中，并与IIR滤波后的结果进行比较．可以看出，相关算法不仅使滤波后的曲线更加平滑，还避免了IIR滤波中存在的相位滞后．这表明相关滤波法在精确地重建原信号的同时，又能较理想地去除噪声的干扰．     

基于小波变换的内燃机瞬时转速信号的分析

使用非线性离散序列的小波变换 (DTWT)对同时存在高频噪声和高斯白噪声的内燃机瞬时转速信号进行去噪 .通过对此信号进行频谱分布的分析 ,用Donoho的阈值去噪法去除高斯白噪声之后 ,根据小波变换的多分辨率思想 ,提出了仅使用小波变换的尺度系数进行小波反变换来去除高频噪声 ,然后运用小波反变换来恢复内燃机瞬时转速信号的方法 .实验结果表明 ,此方法能够较精确的去除噪声 ,恢复内燃机瞬时转速信号 .     

基于小波变换的内燃机瞬时转速信号的分析

使用非线性离散序列的小波变换(DTWT)对同时存在高频噪声和高斯白噪声的内燃机瞬时转速信号进行去噪．通过对此信号进行频谱分布的分析，用Donoho的阈值去噪法去除高斯白噪声之后，根据小波变换的多分辨率思想，提出了仅使用小波变换的尺度系数进行小波反变换来去除高频噪声，然后运用小波反变换来恢复内燃机瞬时转速信号的方法．实验结果表明，此方法能够较精确的去除噪声，恢复内燃机瞬时转速信号．     

基于HHT的心电信号滤波算法的研究

针对心电信号具有非线性、非平稳弱信号的特点,借鉴小波滤波算法的思想,基于HHT变换,提出一种去除噪声对应尺度细节分量和阈值相结合的HHT心电滤波算法.并借助MATLAB仿真平台,采用同一阈值函数,对含噪心电信号分别运用小波滤波算法和基于HHT设计心电滤波算法进行滤波仿真比较.最后以MIT-BIH心律失常数据库中的提供的含噪心电信号作为数据源,进行仿真滤波实验,验证了HHT滤波算法对心电信号的基线漂移、工频噪声、肌电干扰去除的有效性.     

用连续小波变换识别内燃机噪声源

为了直接利用连续小波变换进行内燃机噪声源识别，提出了一种连续小波变换的改进算法. 研究了信号组成成分的幅值和频率变化对小波系数的影响，根据连续小波变换的基本性质，对连续小波变换后产生的与信号频率有关的衰减系数进行修正，通过对比分析从Matlab6.5的小波工具箱中找出了适合振动噪声信号分析的小波函数.工程信号的分析结果表明，经过对连续小波变换后小波系数的修正，使小波系数的大小能正确反映信号各组成成分的幅值大小，从而可以利用小波系数形成的云图直接进行内燃机噪声源识别.     

基于小波变换的二氧化硫污染气体检测

目的提出一种采用小波变换的Mallet分解算法,解决二氧化硫污染气体检测中消除各种复杂的噪声问题.方法从小波变换特性出发,将信号用Mallat分解算法分解为不同频带信息.在信号检测及去噪过程中,设定一个检测信息频带,使频率处于此频带的信息分离出来,而其他空间向量全部置为零.结果通过将小波变换去噪技术应用于荧光信号的滤波处理,可使埋于噪声中的荧光信号有效地测量出来.结论该信号处理方法可达到有用频带信号检测而其他频率信号去除的作用,为精确确定二氧化硫气体浓度提供了良好的基础.     

用A计权连续小波变换识别内燃机噪声源

为了适应内燃机噪声声源识别的需要,当用连续小波变换进行信号分析时,常对小波变换算法作适当的改进.依据连续小波变换的叠加性和尺度转换性质,提出了变换后小波系数的频率修正方法,即在修正小波变换时对信号中不同频率成分小波系数的不同衰减,使变换后小波系数的大小能够准确反映信号中不同频率成分的幅值特性,在此基础上提出了A计权连续小波变换算法,对频率修正后的小波系数进行A计权修正,使之更加适合实际工程中声源识别的需要.利用该方法对某发动机进行了噪声源识别,取得了良好的识别效果.     

基于高阶统计量的小波变换去噪算法

图像在获取和传输的过程中经常要受到噪声的污染.传统的去噪方法不仅滤出了图像的噪声,同时使图像细节变得模糊.本文提出一种基于双谱和小波变换的去噪算法.该方法是根据高斯噪声及椒盐噪声在小波变换下的不同特征,并结合双谱滤波、中值滤波的特点,在小波城内对高频子带进行双谱滤波,去除图像中的高斯噪声,然后进行中值滤波,去除图像中的椒盐噪声.高斯噪声的双谱为零,能够彻底的去除高斯噪声.该算法的实验结果表明不仅能滤出图像中高斯噪声和椒盐噪声,而且能较好的保留图像的边缘细节.其滤波效果优于传统的图像去噪方法.     

基于新的小波变换的去噪方法

本文系统地分析了传统连续小波变换的缺陷.传统连续小波变换的逆变换中,积分变量是彼此独立的.只有当积分变量有联系时,相应的数值积分才具有高分辨特性,并且在逆变换中,积分变量出现在被积函数的分母上,这样会影响数值积分的精度,阻碍了连续小波变换的应用.为此构造了一种新型的连续小波变换,不论对积分变量如何剖分,任何一种数值积分方法都具有高分辨特性,且积分变量不出现在被积函数的分母上,进而给出了相应的数值解法.最后,给出了基于新型连续小波变换的滤波方法,对同时带有白噪声和脉冲噪声的信号进行处理.无需噪声的先验知识,就可以彻底地去除信号中白噪声和脉冲噪声,重建原有信号,与传统的小波去噪方法比较,可获取更高的信噪比.     

基于多小波噪声方差阈值的信号滤波方法

对信号和噪声的多小波变换进行了研究，根据它们多小波变换下呈现出的截然相反的特征，即随着变换尺度的增大，噪声的变换值迅速减小，而信号的变换值增大，利用相关算法推导并给出了多小波噪声方差阈值的计算公式，基于阈值提出了一种新的多小波信号滤波方法，该方法在噪声方差估计的基础上，对噪声信号变换系数进行处理，减小由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数进行处理，减少由噪声产生的系数，同时最大限度地保留有效信号产生的系数，最后由处理后的变换系数重构信号，对该方法用典型的GHM双小波进行了仿真分析，结果表明，本文的方法具有很好的滤波效果。     

去除SPN的小波域自适应FIR滤波修正算法

漏磁检测(MFL)是油气管道在线检测中应用非常成熟的一种无损检测技术.漏磁检测数据通常被无缝管道噪声所污染,而无缝管道噪声在某些情况下可能完全掩没来自某一类型缺陷的漏磁信号,因而极大地降低了管道缺陷的可检测性.本文对小波变换域自适应有限冲激响应(FIR)滤波算法进行修正,提出一种可有效去除漏磁数据中无缝管道噪声(SPN)的修正算法.该算法利用无缝管道噪声和漏磁信号的不同相关特性,可有效去除漏磁数据中相关度高的漏磁信号,从而提高漏磁数据中相关度较小的缺陷信号的可检测性.该修正算法用于实测漏磁数据,所得结果说明该算法具有良好的去噪效果,从而提高了漏磁数据中缺陷信号的可检测性.     

一种新的MEMS陀螺仪信号去噪方法

为提高MEMS陀螺仪输出信号的去噪效果,将稀疏分解(sparse decomposition)与提升小波变换(lifting wavelet transform)相结合,提出了一种新的信号去噪方法.首先,建立MEMS陀螺带噪信号的误差模型,并利用小波提升正变换计算带噪信号的非稀疏的小波系数;然后,利用稀疏分解理论恢复小波系数的稀疏性;最后,再通过小波提升反变换重构信号,从而达到去噪的目的.考虑到梯度投影(gradient projection)算法具有全局最优解,运算效率更高,将梯度投影思想引入恢复信号稀疏性的过程中,提出了基于梯度投影的稀疏分解算法,给出了利用梯度投影算法进行信号系数分解的具体步骤,大大简化了计算复杂度,同时提升了算法的稳定性.为验证所提方法的性能,进行了MEMS陀螺信号去噪的静态实验和跑车实验.实验结果表明,此种方法在动静态条件下都可以有效地去除MEMS陀螺仪输出信号中的噪声,尤其是在静态条件下的去噪效果要优于小波阈值滤波方法.同时采用的梯度投影算法相比于正交匹配追踪算法和基追踪算法具有更高的运算效率.     

结合空域噪声信息的小波脊提取算法

小波变换轮廓术的实质是计算小波脊的位置,进而得到最佳伸缩尺度和相位信息。但小波脊的提取易受噪声的影响,从而造成小波脊提取不准确。针对此问题,提出了一种新的代价函数提取小波脊的算法。该算法利用小波变换系数幅值和尺度参数曲线梯度信息建立代价函数;使用Feature Scaling方法对小波变换系数幅值和尺度参数曲线梯度进行调整,平衡两项指标的权重;随着噪声增大,小波脊受噪声影响加大,结合空域噪声信息对调整后的尺度参数曲线梯度进行补偿,加大尺度参数曲线梯度权重,使脊线更加光滑。实验表明,该算法具有良好的抗噪能力和鲁棒性,能够较精确地提取小波脊。     

基于小波变换的静音与语音分割新算法

含噪语音信号的静音与语音分割，即端点检测问题是语音识别至关重要 的一步，为了提高语音分割对环境的适应性，提出了一种利用小波变换分割含噪语音信号中静音与语音的新算法，该算法首先将语音信号进行小波变换，利用小波系数去噪，然后选择小波部分子带跟踪信号的能量变化以分割语音与静音，仿真实验表明该算法在低信噪比条件下也能够有效分割语音。     

利用小波变换进行MC-MPSK信号载频盲估计

小波变换是在强噪声背景下进行信号时频分析的有效方法．利用小波变换的方法,使用Haar小波变换对多载波多进制相移键控（MC－MPSK）信号中心频率进行了估计．给出了计算机仿真的结果,将这种算法的估算结果与改进的克拉美－罗限（MCRB）进行了比较．结果表明,在没有先验知识的情况下,利用Haar小波变换方法可以精确的估计MC－MPSK信号中心频率,而且估计性能受相位噪声地影响不大．     

基于改进γ-CLAHE算法的水下机器人图像识别

水体及悬浮粒子对光的吸收、折射及反射导致水下图像对比度低及细节模糊,单一图像增强算法难以适用于水下复杂环境识别.为了解决该问题,提出基于小波变换和改进的γ-CLAHE相融合的图像增强算法.通过快速中值滤波去除图像中噪声,向CLAHE算法中加入自适应伽马变换,解决CLAHE算法处理水下图像色彩失真,丢失孤立点、细线,画面突变等问题.利用改进的γ-CLAHE算法处理小波变换分解后的低频部分,增强图像并加快运行速度.通过小波逆变换将γ-CLAHE算法处理后的低频部分和双边滤波处理后的高频部分相融合,得到最终的增强图像.将实验图像同传统CLAHE、Retinex、Singh融合算法的处理图像进行对比,验证本研究算法在水下图像处理方面的有效性和优越性.     

小波变换信号消噪技术研究

通过对信号与噪声奇异性分析，给出信号与噪声的小波变换模极大值在各个尺度上的表现截然相反的结论，并给出了一种非线性的消噪方法。该方法与传统的消噪方法不同，即不同于低通滤波器滤波，而是根据信号与噪声的奇异点性质不同进行滤波。实验结果表明，这种方法在改善信噪比的同时，又保持相当高的时间分辨率，并且计算简单，有很好的去噪效果。     

基于小波变换和归一化自相关的基音检测算法

通过对小波变换的多分辨率分析和抗噪特性的研究,提出了一种基于小波变换和归一化自相关的基音周期检测算法。该算法能精确地从含噪语音中分离出包含基音信息的低频子带信号,并且对基音周期的突变能够很好地纠正。实验表明:该算法要优于现有的自相关基音检测算法,具有较高的精度、可靠性和抗噪性。