一种基于小波变换模极大值的估计 Lipschitz指数新方法

信号的奇异点和不规则部分往往包含丰富的信息,其奇异性行为通常由Lipschitz指数(Lipschitz Exponent,LE)来刻画.Mallat和Hwang在其经典文献[1]中提出采用小波变换模极大值随对数尺度变化曲线的最大斜率作为LE指数的度量.该方法已被学界广泛采用.但是,由于该计算方法只是文献[1]定理4不等式等号成立时的特例,故在噪声的情况下其计算的精确性和鲁棒性往往得不到保证.本文将Mallat的方法进行了改进,将对数坐标系中在小波变换尺度范围内满足文献[1]定理4的直线与小波变换模极大值(Wavelet Transform Modulus Maxima,WTMM)曲线间的面积作为估算LE的目标函数.在此基础之上研究了LE的先验知识,并给出了适于工程计算的估计算法.最后进行了对比仿真实验.实验结果证明本文的方法具有更高的精确性和鲁棒性.     

基于小波分析法的信号分析

在变电站中的设备经常出现绝缘故障,会产生局部放电,利用检测设备可以测到放电的高频信号,但是信号中往往合有大量的噪声,如何有效的去除噪声是一项重要的工作,本文根据经典的小波分析法对高频信号进行了相应的去噪分析,得到了较好的结果。     

基于小波变换的一维信号奇异性检测研究

讨论了用小波变换检测一维信号奇异性的方法，并采用MATLAB编程实现了实验仿真，实验中对Lipsehitz指数进行了计算，实验值和理论值十分接近。     

基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。     

基于小波变换的瞬态压应力信号分析

黄土振动压实的压应力信号是一个含噪的非平稳瞬态突变信号.为了分析信号的联合时频特性,提出基于小波变换去噪和奇异值检测的信号分析方法.利用多分辨小波分解,选择性的提取有用频段信号并抑制某些高频段噪声,可以有效实现信噪分离.利用小波变换奇异值分析方法,通过检测小波高频系数时序信号的2种模极大值,可以获得压应力开始出现时刻、抵达峰值时刻点,从而可计算出压应力从出现到抵达峰值的历经时间,这对于进一步研究压应力在土体中的分布和传播规律具有重要意义.     

基于小波分析的脉搏波信号处理

对脉搏波信号进行分析之前,对信号的去噪非常重要,本论文利用Mallat算法对脉搏波信号进行多分辨分析和去噪,分别对阈值法、平移不变量法、模极大值法的降噪原理进行分析,通过大量实验对比,比较了它们在处理脉搏波信号方面的优缺点。通过对一段含噪脉搏波信号降噪,得到了满意的去噪效果。     

基于FastICA算法和小波变换的雷达信号分选

传统的独立分量分析（ICA）算法对噪声敏感,存在很难正确分选带噪混合雷达信号的问题。针对该问题提出一种结合FastICA算法和小波去噪的改进算法。该算法首先利用小波阈值法对带噪雷达信号进行去噪,适当提高信噪比后再用FastICA算法进行分离,最后进一步对分离信号作矢量归一和再消噪处理,得到各个雷达源信号的最终估计。仿真结果表明,与传统的ICA算法相比,该改进算法可以有效地去除噪声,提高带噪雷达信号分选的准确率。     

基于小波的声发射信号去噪研究

由于小波变换具有较强的时频分析和局部分析能力,常用于非平稳信号的去噪处理中。首先根据小波分解后各高频系数所占的能量百分比对信号进行提纯,再对提纯后的信号进行小波阈值去噪,并运用信号能量百分比和频谱分析对去噪效果进行评判。实验结果表明,这种先提纯后阈值去噪的处理方法能够在保证信号不失真的前提下,有效去除声发射信号中的噪声。     

小波变换在机械故障信号分析中的应用

正确检测机械故障信号对提高机械设备运行稳定性具有非常重要的意义。通过简要介绍小波变换应用在信号奇异性检测方面的基本原理,提出基于小波变换的机械故障信号分析方法,该方法既充分利用了小波变换在故障信号分析中的优点,又克服了传统傅里叶变换分析方法的不足,对机械故障信号处理具有良好的效果。     

基于小波的信号去噪分析

由实际应用可得,作为一种新的多辨认分析方法的小波变换,由于具有多分辨特征和时频局部性,可同时进行频域和时域分析,所以特别适用于进行非平稳信号的处理。首先介绍了小波分析的信号去噪原理,其次接着阐述了4种去噪算法：小波分解与重构去噪方法、模极大值检测法、阈值法及平移不变量小波去噪法。对于叠加了高斯白噪声的仿真信号,分别将上述的4种方法用于去噪处理,并通过仿真过程不同及图形差异对几种方法进行比较。     

基于MATLAB小波去噪方法及应用研究

在实际的计算机控制系统中,采样信号不可避免的受到各种噪声和干扰的污染,使得由采样信号辨识得到的系统模型存在偏差妨碍了系统控制精度的提高。Donoho和Johnstone提出的小波去噪算法对去除高斯白噪声非常有效。我们对此在MATLAB环境下做了详尽的探讨及仿真实验研究,得到一些实际应用经验,并利用傅立叶变换/反变换和小波阈值去噪方法对电厂机组调速级压力运行数据进行了去噪对比实验,结果表明小波去噪方法能取得较好的去噪效果,为后续系统模型辨识打下良好的基础。     

基于小波变换消除信号噪声的研究

首先介绍连续小波变换的理论基础并对去噪阈值的设定进行了讨论,然后提出一种利用信号与噪声的小波变换不同性质来去噪的方法,最后给出并讨论了该方法的仿真结果。     

应用小波变换和双谱方法实现弱信号检测

为提高微弱信号检测概率,提出了一种应用小波变换和双谱分析的方法。利用小波变换减少大部分随机噪声,提高信噪比,再进行双谱分析,获得比功率谱更丰富的信息,抑制高斯噪声,提高检测概率。通过模型计算和验证,证明了该方法的可行性和有效性。     

基于流水线结构的脉搏信号小波去噪硬件实现

脉搏波信号采集过程中存在肌电干扰和基线漂移等噪声,引起脉搏信号的不正常波动。如何能去除脉搏波信号中的噪声,得到原始的脉搏信号,为后续处理提供基础,是个十分重要的问题。本文设计了一种在脉搏监测系统中基于小波理论用于去噪的电路设计。该电路采用九级流水线结构,能够对脉搏信号进行实时处理。理论分析和逻辑电路仿真结果表明,本文所提出的电路能够有效地去除脉搏信号中信号频谱内的噪声.     

基于二进小波变换的信号去噪

由于信号在二进小波变换空间的表示是冗余的,同小波级数相比,基于二进小波变换的信号重建效果对信号的小波变换系数的误差灵敏度将会下降,因此可以期望在相同的误判概率下基于二进小波变换的去噪效果将优于基于小波级数变换的去噪效果。基于这个思想,该文将已有的基于小波级数的去噪方法推广到基于二进小波变换去噪上去,比较了基于二进小波去噪同基于小波级数去噪的效果。数值实验表明,对于各种检验信号,较之小波级数去噪,二进小波变换去噪效果有明显改善。     

基于LabVIEW环境中一维检测信号的小波去噪算法的研究

本论文主要研究用于一维检测信号去噪的几种常用方法,并在虚拟仪器开发软件LabVIEW环境中实现了上述去噪算法,最后对这几种算法的去噪效果、信噪比、均方误差和计算时间等方面进行了比较,同时也就小波基函数的选择对去噪效果的影响进行了比较分析.     

小波变换及其在信号去噪中的应用

介绍了小波变换理论及基于小波变换去除信号噪声的基本原理和方法.研究利用小波变换技术对噪声进行阈值处理和去除非平稳信号的噪声,并应用Matlab软件实现了小波去噪的计算机仿真,仿真结果表明小波变换去除噪声的效果优于传统的Fourier变换.     

基于小波变换的雷达辐射源信号特征提取

在小波多分辨分析的基础上提出一种对雷达辐射源信号进行脉内特征提取方法,该方法能够从信号中有效提取定量信息。将小波变换后低频逼近小波系数的能量分布熵,与经过尺度相关去噪计算后反映信号边缘的高频细节小波系数能量分布熵一起构成雷达辐射源信号的二维特征向量。通过对10种雷达辐射源信号的特征提取和分类仿真实验,结果表明：提取的样本特征在低信噪比下具有很好的抗噪性和可聚类性,证明了本文方法的有效性。     

非平稳环境下基于小波变换的信号去噪

传统的信号去噪算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的信号噪声较大。对此,本文研究了一种非平稳环境下基于小波变换的信号去噪算法。该算法对传统的小波阈值法进行了改进,根据信号与噪声在小波域的分布特性以及信号和噪声小波变换模极大值随尺度的变化快慢不同。得到噪声在小波域中的位置以及小波系数大小。实验结果表明:该算法对平稳和非平稳的噪声都能进行较好的去噪。