轧辊偏心信号小波去噪的研究和仿真分析

为了解决轧辊偏心带来的厚度偏差,并利用带钢厚度自动控制系统获得板带材纵向厚度的均匀性,需要对已提取的偏心信号进行去噪处理。文章根据轧辊偏心信号的特性,采用适合处理非平稳信号的小波分析法,给出了两种改进阈值函数来实现信号的去噪,仿真结果表明改进方法的效果优于以往阈值函数。     

改进的小波阈值语音去噪算法

小波阈值去噪算法简单,计算量小,但是硬阈值函数的不连续性会造成信号的振荡,软阈值函数太过光滑会造成信号高频信息丢失.基于两种阈值函数存在的缺点,在小波变换理论基础上研究了一种改进的小波阈值语音去噪算法,提出了一种改进的阈值函数,同时也提出了修正阈值的修正系数.最后通过MATLAB仿真结果证明该方法在一定程度上可以去除噪声,减少信号的振荡,保留原信号的特征尖峰点信息,降低了信号的失真,更好地估计原始信号,明显改善了语音质量.     

基于小波变换的新阈值函数语音去噪方法

针对硬阈值函数不连续性、软阈值函数中存在恒定偏差的问题,基于2种改进的阈值函数,构造了一种新阈值函数,提出了一种基于小波变换的新阈值函数语音去噪方法。分别用硬阈值处理方法、软阈值处理方法及新阈值处理方法对系统信号和纯净语音信号进行去噪仿真实验。实验结果表明,新阈值去噪方法能减小信号失真,使重构信号逼近原始信号,达到了良好的去噪效果,比传统方法更具优越性和有效性。     

小波变换在语音去噪处理中的应用

讨论小波变换在实际语音信号去噪处理中的应用,提出由小波变换频响特性的插值法重建低尺度上模极大值的方法。重构信号时根据压缩原理构造解析形式的迭代投影算子实现ＰＯＣＳ算法,形式简单,收敛快。     

基于小波变换的信号去噪应用

讨论了一种基于小波变换的信号去噪方法，从3种不同的去噪方法比较中看出小波变换在信号去噪中的优越性，数值实验及实际运用都证明了该方法的有效性．     

一种新的小波阈值去噪算法及仿真

针对传统软、硬阈值函数和现有的大部分研究文献中所设计的阈值函数存在的缺陷,提出了一个新的阈值函数,该函数在整个小波域内(包括阈值点处)连续可导,且除阈值点外高阶可导,便于各种数学处理。另外可以通过参数调整来获得有效的阈值函数,从而达到比较理想的去噪效果。然后在以信噪比为主要评价标准的前提下提出了一种新的确定小波最优分解层数的自适应算法,该算法简单实用,可确定最优分解层数以达到最佳信噪比。最后,在MATLAB环境下进行了仿真实验,仿真结果表明,该算法能够获得比较好的去噪效果,具有广阔的应用前景。     

小波变换及其在信号去噪中的应用

介绍了小波变换和基于小波变换的信号去噪原理及一般方法，并应用MATLAB软件实现了小波去噪的计算机仿真。     

地震信号去噪的小波方法研究

简要介绍了小波去噪的理论和基本方法，说明了模极大值法和阈值法的具体原理，具体包括函数的奇异性及其检测方法，去噪模型的建立，并有用模极大值法和阈值法两种方法对仿真地震信号进行了计算机仿真去噪计算比增益的同时还保持了较高的时间分辨率，这两种方法的不足之处在于对奇异性差别不大的信号与噪声进行处理时，其效果不如维纳滤波。     

基于小波变换的去噪方法

分析了信号与噪声在小波变换下的不同特点,提出了基于小波变换的去噪方法,且将该去噪算法用算子加以描述,给出了具体实例。小波变硬阈值去噪法和软阈值去噪法的性能比较及仿真实验,表明基于小波变换的去噪方法是非常有效的。     

一种基于新型阈值函数小波去噪方法

传统小波阈值去噪方法中,软阈值法连续性好,但保真效果差,而硬阈值法可保留更多信息,但是在分界点处会产生振荡,即伪Gibbs现象。为了提高信号的保真效果,减少振荡现象,提出了一种新的阈值函数,该函数阈值介于软阈值与硬阈值之间,且是连续函数。方法既减小了软阈值固定偏差带来的失真,又消除了伪Gibbs现象。仿真结果表明,新方法的信噪比与均方误差均优于传统的阈值去噪方法。     

一种基于小波消噪技术的平直度模式识别方法

为了提高平直度模式识别的精度,引入小波消噪技术对平直度信号进行预处理,然后采用以1次、2次、3次和4次勒让德多项式作为平直度基本模式的基于最小二乘原理的多项式回归方法进行模式识别,提出了一种计算精度高、抗干扰能力强的平直度模式识别方法。该方法能够从本质上提高平直度模式识别的精度,计算过程稳定可靠,能够为平直度控制模型提供准确的平直度信息,适合在线应用。     

基于小波变换模极大值的去噪方法研究

小波去噪在信号处理中得到广泛应用。目前常用的方法主要有Donoho提出的阈值法和Mallat提出的模极大值法。模极大值法是一种经典的小波去噪方法,噪声的模极大值的幅度随尺度的增大而迅速减小,而正常信号随尺度的增大而增大,因此利用合适尺度的小波变换,容易把噪声从正常信号中剔除。通过试验说明这种方法对白噪声和脉冲噪声都有很好的去噪效果,并与阈值去噪比较,对于高斯白噪声,信噪比比较低的信号,模极大值去噪要优于阈值法去噪;对于脉冲噪声,脉冲噪声点数较多时,模极大值去噪要优于阈值法去噪。     

小波分析在文字识别中的应用

在模式识别中，特征向量的选择与提取至关重要．本文讨论用统计方法进行文字识别的有关问题，利用小波分解及分形维的概念，建立了文字识别的特征向量的提取方法，这种方法将文字的二维图形化为一维图形，对得到的一维图形(曲线)进行小波分解，计算少数几个分解得到的曲线的分形维数，以它们构成特征向量．并对有关文字做了试验，其效果是令人满意的、     

基于连续小波变换和RBF神经网络的气液两相流流型识别方法

针对气液两相流压差波动信号的非平稳特征,提出了以多尺度连续小波变换值矩阵的奇异值为特征矢量的流型识别方法。首先对气液两相流压差波动信号进行连续小波变换,得到初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为流型的特征向量,再结合RBF神经网络形成流型的智能识别方法。对水平管内空气-水两相流4种流型的识别结果表明该方法能够有效地识别流型。     

箔条干扰下的一种雷达目标小波识别方法

研究了雷达目标受到箔条干扰时，雷达目标信号和箔条干扰信号的特点及其在小波变换不同尺度上的不同表现形态、目前信号的任一小波系数与其周围以及父代的小波系数之间存在着较强的相关性，而箔条干扰信号的小波系数与其周围以及父代小波系数之间的相关性较弱．在灰色理论、小波变换和相关算法的基础上，提出了箔条干扰的一种新的识别方法和在箔条干扰背景下一种新的雷达目标识别方法．利用灰色关联度可以进行箔条回波检测，对雷达回波信号进行Mallat快速分解，计算相邻尺度上小波系数之间的相关系数，根据相关系数大小，对小波系数进行门限处理，然后由Mallat重构算法重构信号，得到目标信号，由此进行雷达目标检测、仿真结果表明，这两种方法能够有效检测箔条干扰和在箔条干扰下的雷达目标。     

Performance evaluation of high frequency sub-bands of wavelet transform for palmprint recognition

Wavelet decomposition has been applied in palmprint recognition successfully. However, only the low frequency sub-band was used for further feature extraction, while the high frequency sub-bands were considered to be unsuitable for palmprint recognition due to their sensitivity to noise and shape distortion. In this paper, we firstly investigate the performances of all the sub-bands by using principal component analysis (PCA) on the BJTU and PolyU palmprint databases, and then use mean filtering to enhance the robustness of the high frequency sub-bands. We find that the preprocessed high frequency sub-bands not only can be used for palmprint recognition but also contain complementary information with the low frequency sub-band. The experimental results show that the performances of the horizontal and vertical high frequency sub-bands can be promoted up to a competitive level, and the fusion scheme, which combines the matching scores of high frequency sub-bands with that of low frequency sub-band, is superior to the conventional recognition methods.     

反对称提升小波及其在影像分解与重建中的应用

从Gaussian函数出发,根据尺度呈级数变化的特点,导出了反对称提升小波滤波器。该滤波器低通响应关于原点对称,高通响应关于原点反对称,而且截断误差很小,具有近似的紧支撑性和平滑性。并以此为基础,实现了影像的分解与重建算法。     

反对称提升小波及其在影像分解与重建中的应用

从Gaussian函数出发,根据尺度呈级数变化的特点,导出了反对称提升小波滤波器。该滤波器低通响应关于原点对称,高通响应关于原点反对称,而且截断误差很小,具有近似的紧支撑性和平滑性。并以此为基础,实现了影像的分解与重建算法。     

一种集成卷积神经网络和深信网的步态识别与模拟方法

针对高斯过程的条件受限玻尔兹曼机(Gaussian-based conditional restricted Boltzmann machine, GCRBM)时序模型可以对单一种类的步态时序数据进行很好的预测,但对多类步态时序数据难以识别和预测的问题,提出一种集成卷积神经网络(convolutional neural network, CNN)和深信网(deep belief network, DBN)的步态识别与模拟方法。利用所有类步态数据训练多个不同结构的CNNs模型,利用多类数据训练多个DBNs模型学习低维特征,并通过低维特征训练多个GCRBMs模型。在步态识别与模拟时,CNNs分类器通过投票法确定步态数据的类别;通过识别到的类所对应的DBNs模型低维特征作为对应GCRBMs模型的输入预测目标数据的后期时序低维特征;利用DBNs重构阶段将后期时序低维特征模拟出步态图像。在CASIA系列步态数据集上的试验结果表明:与支持向量机(support vector machine, SVM)、集成DBN和CNN等方法相比,本研究方法的识别率有一定的提高,提出的模型能够根据步态时序预测结果模拟出真实的步态序列图像,证实了模型的有效性。     

基于小波分析的交通参数组合预测方法

为了更加准确地预测交通参数的变化趋势,结合小波理论处理时变信息的优势,设计了一种在小波分析的基础上利用BP神经网络进行预测的组合预测方法。该方法采用小波理论与神经网络结合的策略,具有普适性,且比传统的基于小波分析的组合预测过程简单,为大运算量的实时应用提供了可能。利用实际数据对该方法进行了验证,并与对比算法进行了效果对比。结果表明,本文提出的方法预测效果较好,具有一定的实用性。