应用最优小波包变换的特征提取方法

在模式识别或分类中,从原始模式中提取有效的分类特征是非常重要的.但对于大量的非平稳或时变信号模式来说,如语音,雷达,地震信号等,用于分类的特征往往包含在局部的时-频信息中,用一般的变换方法提取有效的特征比较困难.近年来小波变换在信号处理和特征提取中得到了广泛应用,但小波包变换的任意多尺度分解特性,是分析非平稳信号更有效的方法,这是由于小波库中包含了丰富的小波包基,不同的小波包基具有不同的性质,反映不同的信号特性,能获取其他变换所不能获取的信号特征.本文主要研究由给定的训练样本集,如何选择最优小波包基,从被识别或分类的信号中提取具有最大可分性的特征.为此提出了应用三种可分性准则,即距离准则,散度准则和熵准则选择最优基.通过实验,对应用各准则选择最优基提取特征与小波基提取特征的性能进行了比较.     

基于小波变换的信号滤波在探地雷达中的应用

利用小波变换的时频局域性,提出了一种探地雷达信号处理的滤波方法.在连续小波变换的基础上,同时联合尺度和频率,通过能量分析确定回波信号主要分量所在区间,通过尺度分解和频域滤波剔除干扰分量,在此基础上重构信号,提高了信噪比.并针对不同连续小波基对信号处理的性能进行分析,对比结果表明与雷达发射母波相似的小波基在探地雷达信号处理中更有效.     

小波变换和AR模型在脑电信号处理中的应用

谈论了基于小波变换和AR模型的(EEG)信号的分析方法,在两种方法相结合的情况下,能有效消去(EEG)信号的噪声。用小波变换对含有瞬态干扰的脑电信号进行多尺度分解,在某些尺度下,瞬态信号特征得以明显增强,用简单的阈值比较就可以有效地检测并消除瞬态干扰。最后在Matlab环境下进行仿真实验,验证了此方法在提取脑电信号中的有效性。     

一种基于小波分析的阈值去噪算法

利用信号和噪声在小波变换中不同尺度上具有不同的特性,提出了基于小波变换的去噪方法。经过小波变换后的信号,在其小波系数中包含了实际信号的重要信息特征,表现为幅值较大的小波系数,而噪声产生的小波系数幅值较小。通过在不同尺度上选取适当的阈值,对大于和小于该阈值的小波系数进行相应的处理,以得到去噪后的信号。     

基于自适应小波尺度选择的生物雷达呼吸与心跳分离方法

当使用生物雷达进行生命体征参数提取时,由于心脏跳动产生的位移形变很小,回波较为微弱,而呼吸带动的胸腔起伏回波强度较大,基于简单傅里叶变换的周期性信息检测,往往无法有效提取心跳信号。采用小波变换的方法可以较好地分离出含有心跳、呼吸运动信息的信号分量,但小波尺度的选择对于不同的场景存在细微差异,影响到了分离的效果。针对这一问题,该文采用Morlet二进小波变换,提出了一种基于信噪比阈值定标的自适应小波尺度选择方法,有效解决了不同场景的呼吸心跳分离问题。最后通过实测结果验证了算法的准确性和可行性。      

基于小波的模拟自然阅读事件相关电位的单次提取

选择合适的信号处理方法从脑电信号中提取用户的信息和命令,是改进脑计算机接口通讯速率的方法之一.由于自发脑电信号(electroencephalograph,EEG)是非高斯有色噪声,且自发脑电信号的频谱不规则、与有效信号的频谱相重叠,传统的滤波方法难以取得较好的效果.基于白噪声与有效信号的小波变换模极大值在不同尺度下的传播行为不一样的原则,本文提出了一个基于自回归模型和小波变换多尺度分析的模拟自然阅读事件相关电位的单次提取方法.经对实际脑电信号处理的实验表明,该算法能较好的提取脑电信号.     

舞蹈机器人中音乐节拍的识别

音乐节拍是音乐的重要特征之一,对音乐节拍的提取是音乐识别的重要研究内容。小波变换方法可以实现对音乐节拍特征进行有效的提取与识别。文中对音乐节拍的分析采用双尺度小波变换(DWT)方法,即离散小波变换,提取音乐信号的自相关包络,对自相关包络信息进行分析,从而实现对音乐节拍信息的识别。实验证明,文中提出的方法可以有效地对音乐信号的节拍信息进行识别。     

小波多速率调制码元同步算法研究及性能分析

本文研究了基于正交小波的多速率系统码元同步信息的提取。分别利用小波函数的相关性及尺度函数的相关性构造了两种同步环算法,通过采用接收信号与本地小波函数和尺度函数相关的方法,利用小波变换的冗余性,提取信号的同步信息。在高斯信道下仿真表明,两种同步算法均可有效地提取信号的码元时钟,但基于尺度函数的同步环路稳定性更好,而基于小波函数的环路则收敛速度更快。     

小波变换在埋弧焊V型坡口信息检测中的应用

提出了一种V型坡口光纹提取以及计算焊接纠偏量的方法。选取3次样条小波函数对图像中的每列灰度信号进行多尺度小波变换得到边缘突变点信息,再利用尺度1与尺度2上的小波变换相乘,以突出边缘、削弱噪声,可靠地提取出V型坡口光纹,最后建立数学模型,计算出纠偏量。本方法图像信号处理简洁、运算量小,可应用于自动焊接的实时信号处理。     

基于小波变换低信噪比下的雷达目标提取北大核心CSCD

小波变换作为一种多分辨分析的有效工具,在提取弱信号方面具有独到的优势。文中针对低信噪比下弱目标信号检测这一难点,提出了一种基于小波变换的提取方法,将信号中不同频率的信号分解到不同层的小波系数项及尺度平滑项上,并提取细节层上信噪比最大、回波最显著的一层进行重构和杂波抑制,该方法能有效地抑制强噪声并检测出目标。     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

采用小波能量的光纤周界报警信号辨识

采用小波变换法对光纤周界报警系统的采样信号进行阈值滤波,根据滤波后信号的特征,采用db8小波基对信号进行4尺度小波分解,并统计各尺度下的小波细节系数能量,获取原始信号各频带的信号特征,并基于信号特征进行信号识别,能可靠的对蓄意入侵信号进行报警。实践证明,采用这种识别法可使该系统的误报率降低。     

故障信号的分析与检测方法

讨论了小波变换及其基本性质,探讨了基于小波变换模最大值沿尺度演变的信号突变检测的基本原理与方法。在不同尺度上分析和处理信号的各种频率成分,使信号的奇点、突变点被放大,成为诊断故障信号的手段。     

基于小波变换的MSK信号码速率盲估计

针对最小频移键控调制信号的码速率估计问题,提出一种基于Haar小波变换的MSK信号码速率盲估计方法。首先对接收信号作傅里叶变换得到信号频谱,对频谱频点分析粗估计信号的码速率,接着通过粗估计的码速率选取短时傅里叶变换窗函数长度和3个小波尺度,利用短时傅里叶变换得到信号瞬时频率变化,再利用小波的边缘检测特性对信号瞬时频率序列相位跳变点检测,最后对检测结果作频谱分析,估计频率得到MSK信号的码速率。仿真结果表明,高于信噪比门限时本算法可以对MSK信号码速率有效估计。     

小波分析在陀螺信号滤波中的研究

介绍了小波分析进行滤波法，建立了陀螺随机漂移的数学模型，使用了4种典型的小波基对陀螺的输出信号进行多尺度的小波分解，通过软阈值法消除了由噪声产生的小波系数，通过小波重构实现了滤波，试验数据验证了方法的有效性。     

基于自适应阈值函数的小波阈值去噪方法

去噪是小波分析的一个重要应用领域,相对于其它方法,小波变换具有对信号时频局部性详细刻画的优势。在信号的去噪处理过程中,如何在削弱噪声的同时又最大限度的保留信号的奇异性特征是信号去噪研究的一个核心问题。该文提出一种基于自适应阈值函数的小波去噪方法,通过调整阈值函数实现在信号小波分解的细尺度上去除噪声的同时又尽量保留信号细节系数,而在宽尺度上最大限度地滤除噪声部分的小波系数。通过对blocks, bumps和水下目标回波信号的仿真实验证明,该方法和现有的阈值去噪方法相比,具有显著的优势,能够在滤除噪声的同时很好地保留信号的奇异性特征。     

自适应小波包的光纤传感器信号压缩感知

在由分布式光纤传感器构成光纤周界报警系统中 ,针对大规模、高分辨率的光纤振动信号在采样、传输、存储和重 构过程中会受到网络带宽、存储容量等限制问题,提出基于自适应小波包的光纤传感器信号 压缩感知方法。首先,采用小波 包对光纤振动信号进行多层稀疏变换,通过求取小波包系数的数学期望来选取初始置零阈值 ;然后,对光纤振动信号进行重 构并求取重构信号精度,再根据信号的重构精度采用迭代计算方法求取小波包系数的最佳置 零阈值,使光纤振动信号在满足 重构精度的前提下具有最高稀疏度,实现信号的自适应压缩感知;最后,根据光纤振动信号 的特征,采用K-SVD算法训练 得到过完备字典,结合正交匹配跟踪方法完成光纤振动信号的高精度重构。大量实验证明, 与传统压缩算法相比较,新方法的各方面性能均得到较大程度 提高。     

基于小波多尺度分析的网络流量组合预测方法研究

基于小波多尺度的分解和重构思想,将网络流量通过小波分解成不同尺度下的逼近信号和细节信号,然后分别单支重构成低频序列和高频序列。根据低频序列和高频序列的不同特性,分别采用自回归模型(AR)和线性最小均方误差估计(LMMSE)对未来网络流量进行预测,最后重新组合生成预测流量,通过对真实网络流量的仿真实验,结果显示该方法能比较准确地预测未来的网络流量。