傅里叶变换与小波变换在信号去噪中的应用

对于高频信号和高频噪声干扰相混叠的信号,采用小波变换去除噪声可以避免用傅里叶变换去噪带来的信号折损。对于噪声频率固定的平稳信号,在对信号进行傅里叶变换后使用滤波器滤除噪声。对高频含噪信号则采用正交小波函数sym4对信号分解到第4层,利用极大极小值原则选择合适的阈值进行软阈值处理,最后利用处理后的小波系数进行重构。实验结果表明,对于高频含噪信号傅里叶去噪会出现严重的信号丢失现象,使用极大极小值原则选择阈值进行小波去噪可以有效地保留高频部分的有用信号。     

基于小波变换的超短脉冲相位回归

针对频率分辨光学门法(FROG)要用傅里叶变换迭代算法耗时较长不利于实时检测的缺点,及光谱相位相干直接电场重构法(SPIDER)中用传统傅里叶方法滤波过程会产生相位噪声的缺点,提出了用小波变换回归相位的方法。对FROG迹线进行时-频分析直接提取脉冲相位,从SPIDER方法的光谱干涉条纹的小波变换中直接读取相位,对两种方法的小波变换进行了数学模拟,并与傅里叶变换结果进行对比,得到:小波变换能准确地回归超短脉冲相位。最后采用SPIDER方法测量了KLM钛宝石激光器输出脉冲的光谱干涉条纹,并用小波变换和傅里叶变换重建了光谱相位,消除了窗口滤波引入的噪声,证明了方法的正确性和可靠性,更适用于超短脉冲的评价。     

基于短时傅里叶变换分析超短光脉冲的传输特性

短时傅里叶变换可将1维时域或频率信号扩展到时间-频率的2维平面.为了研究了光纤中的色散效应与脉冲的初始啁啾对信号传输的影响,采用短时傅里叶变换理论进行了分析.与传统傅里叶变换相比,短时傅里叶变换可以更直观地描述光纤的色散效应与脉冲的初始啁啾如何影响信号的时域与频率的传输特性;此外,从短时傅里叶变换的时频分析图还可以很清晰地观察到在脉冲传输过程中,由色散效应与脉冲的初始啁啾所诱导的新的频率啁啾的演化规律.结果表明,短时傅里叶变换克服了传统的傅里叶变换法只能单独在频率或时域中比较信号的瞬态特性缺点,为分析光纤中脉冲信号的传输提供了一种新途径.     

基于小波变换的光寻址电位传感器信号去噪研究

基于(LAPS)(光寻址电位传感器)技术的生化传感器中的光生电流是一种微弱的非平稳信号,信噪比(SNR)低。为了提取清晰的LAPS信号,且鉴于传统的傅里叶方法去噪后信号失真严重,本文采用小波变换的方法对LAPS信号进行去噪处理。通过小波变换将信号分解为3层,得到各层的小波系数以及阈值。根据每一层系数特点,按阈值进行分别处理,得到新的小波系数。最后根据新的小波系数,重构信号。对去噪后的信号进行频谱分析发现,信号频谱为有效的LAPS信号谱段。将傅里叶去噪和小波去噪方法进行对比发现,小波去噪得到信号的SNR和平滑度(SR)要高于傅里叶去噪,表明小波变换是LAPS信号去噪的有效方法。     

广义S变换的基因分析

文中主要从短时傅里叶变换和小波变换出发推导了广义S变换,并从遗传学的角度入手,分析了广义S变换与短时傅里叶变换和小波变换的基因遗传关系,定义了"公式的基因重组"和"公式的基因突变"这两个概念,给出了相应公式的理论推导过程。理论分析表明,广义S变换世袭了短时傅里叶变换的窗选信号特点,通过对特定参数的基因重组,使广义S变换具备了时频窗口随具体的频率实时调节的适应性。此外,广义S变换突破了小波变换在小波函数容许性条件上的局限性,文中利用基因突变的思维,定义了"公式的基因突变"这一概念,突破了小波变换的容许性条件。基于小波函数的结构形式,在相对广义的区间上定义广义S变换。广义S变换在一定程度上遗传了短时傅里叶变换和小波变换的优点,使得它在处理非平稳信号的过程中具有良好的实用性和灵活性。     

超声多普勒血流自小波相关分析及STFT方法的对比研究

论文阐述了短时傅里叶变换(STFT)在分析长时间非平稳随机血流信号时产生的误差,提出了一种用于超声多普勒血流信号分析的自小波相关分析(AWCA)方法.小波变换灵活可变的时频窗,在分析多普勒血流信号时更具有优势.文中给出了超声多普勒血流仿真信号,并用此信号进行了相应的短时傅里叶与自小波相关的结果分析.对比分析结果表明,自小波相关分析方法不仅适合于分析具有非平稳性的多普勒血流信号,而且能够提供更好的位置和频率分辨特性.     

小波包多阈值法在地震信号去噪中的应用研究

地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。     

基于小波变换的电力系统谐波检测与去噪研究

传统的基于傅里叶变换的谐波检测能够精确的确定出平稳信号中各次谐波的幅值和频率,但不具有时间分辨率;小波变换适合突变信号和非平稳信号的分析,可以准确把握信号的局部细节,但无法准确、方便的分辨出各次谐波.因此,本文采用的是小波变换和傅里叶变换相结合的检测方案.文中还针对谐波信号含高斯白噪声情形对信号去噪问题进行了研究,并用MATLAB仿真,验证了该方法的有效性和可行性.     

基于S变换的信号时频特性分析

介绍了S变换的基本原理,从理论上分析了S变换与短时傅里叶变换和小波变换的关系。对比分析了短时傅里叶变换、Wigner-Ville分布与S变换的时频谱特点。实验结果表明,S变换的时频窗口可以随频率自适应的调整,这使得S变换在非平稳信号的应用中更有实用性和灵活性。     

一种改进的基于小波变换的相干斑去噪方法

对于合成孔径雷达(SAR)图像中含有的相干斑噪声的抑制一直是SAR图像处理的热点和难点。相干斑噪声的存在对SAR图像的后续相关的图像处理,例如图像的分割、图像的特征提取以及目标的分类与识别有很大影响。提出了一种基于平稳小波变换的相干斑去噪方法,通过平稳小波变换对图像进行小波分解,对于子图像的高频区域进行阈值分割和双边滤波,利用平稳小波更好的冗余性和平稳不变性更好地去除了SAR图像的相干斑噪声。实验结果表明,这种改进的去噪方法对SAR图像的相干斑噪声抑制有很好的效果,并且尽可能地保留了图像的边缘和纹理细节。     

基于小波包变换的信号去噪方法研究

信号去噪在信息学科领域一直是研究的重点之一。传统的信号去噪方法局限在频域范围内,无法表述信号的时域局部性质。而小波变换是一种信号的时频分析,利用小波方法去噪是小波分析应用于实际工程的一个重要方面。介绍了小波包降噪原理及方法,并通过仿真研究与目前的小波去噪方法进行对比,仿真结果证明了该方法去噪的有效性。     

基于模糊PCNN的小波域超声医学图像去噪方法

在分析了斑点噪声和PCNN的特点的基础上,将PCNN引入到小波域中,并结合小波软阈值去噪思想,提出了基于PCNN的超声医学图像软阈值去噪方法(ST-PCNN),该方法的优点是实现了在小波域中利用PCNN来识别高频信号的小波系数,并采用相应的方法处理小波系数,改善了PCNN难以确定斑点噪声的位置和采用固定阈值造成高频信号损失的缺点,更好的保留了低于固定阈值的高频信号的小波系数;在此基础上,将模糊算法引入到PCNN模型中,进一步提出了基于模糊PCNN的小波域超声医学图像去噪方法(F-PCNN-WD),该方法利用模糊算法来去除PCNN点火过程中大于点火阈值的斑点噪声的小波系数,以更好的去除斑点噪声。实验结果表明,ST-PCNN和F-PCNN-WD方法不仅能够有效地去除噪声,而且能够很好的保留图像的边缘和细节信息。     

自适应小波包分解门限去噪新算法

提出了自适应小波包分解门限去噪的新方法。该方法自适应地对信号进行小波包分解,根据小波包子域的信噪比自适应选取去噪门限,并判定是否对该子域的信号进一步分解。与传统方法不同,新方法只需对不同尺度的部分概貌信号和细节信号根据该子域的信噪比大小进行分解,去噪后的信号按分解的逆过程进行重构。仿真结果表明,该方法相比于传统的小波去噪方法计算量有所降低,且去噪后的信号更接近真实的原始不含噪信号。     

一种新的信号去噪方法及在激光信号中的应用

小波去噪是信号去噪的主要方法之一,目前的研究主要集中于如何选取阈值使去噪达到较好的效果,其中Donoho的阈值方法应用广泛.与传统双通道小波变换相比,三通道小波变换具有很多优势.基于这一理论,结合非参数自适应估计,推导出了一种适用于三通道小波域的自适应的信号去噪方法.实验证明,与三通道小波域中基于Donoho方法的去噪相比,该方法可以更好地保护细节以及提高重建信号的信噪比,在激光超声信号处理中也表现出良好的性能.     

A new de-noising method based on 3-band wavelet and nonparametric adaptive estimation

Wavelet de-noising has been well known as an important method of signal de-noising. Recently,most of the research efforts about wavelet de-noising focus on how to select the threshold,where Donoho method is applied widely. Compared with traditional 2-band wavelet,3-band wavelet has advantages in many aspects. According to this theory,an adaptive signal de-noising method in 3-band wavelet domain based on nonparametric adaptive estimation is proposed. The experimental results show that in 3-band wavelet domain,the proposed method represents better characteristics than Donoho method in protecting detail and improving the signal-to-noise ratio of reconstruction signal.     

基于小波的广义时频分布及其与Cohen类的关系

STFT, WT, WVD和Cohen类是目前信号分析和处理的有力工具。本文用WT的二次型时频形式分析了线性时频特性,研究了尺度图和变化窗谱图与Cohen类之间的关系;将尺度图纳入到Cohen类的框架,从而使WT广义化为时频域、时延频偏域的双线性时频分布以及谱相关域的二维频率分布;定义了尺度图、小波模糊函数(WAF)和小波谱相关函数(WSCF);分析了它们的物理意义。推导并仿真了单频、双频和高斯白噪声的WSCF,分析了各自的特性。最后通过引入一种离散小波变换的加密算法,解决了小波时频分布的计算问题。     

干涉型光纤传感信号去噪方法的研究

针对干涉型光纤传感信号的特点,采用数字滤波和小波去噪两种方法对干涉信号进行了消噪处理,并对去噪效果进行了比较和分析。结果表明,截止频率为4 kHz,阶次为3的Butterworth低通滤波器和Birge-Massart阈值小波去噪算法在干涉型光纤传感系统中有较好的使用价值。     

基于空间-频率的DOA估计研究

在阵列信号处理中,提取回波信号中的空间频率,可以得到目标的方位信息。该文正是利用小 波变换的时间-频率特性,对回波信号进行时间-空间处理,从而对目标方位进行了估计。文中给出了计算机仿真结果,并与基于短时傅里叶变换的估计结果进行了比较。     

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。     

基于小波域的压缩感知超分辨率重建方法

为了提高超分辨率图像的重构效果,提出了一种基于小波域的压缩感知超分辨率重建方法.首先采用小波变换对低分辨率图像进行分解,得到低分辨率图像的低频子带与高频子带,然后采用压缩感知技术分别对低频子带和高频子带进行重建,并通过小波逆变换得到最终重建图像,最后在MATLAB 2012平台上进行仿真实验.结果表明,相对于其他图像重建方法,本文方法的重建图像视觉效果更加理想,不仅提高了低分辨率图像重建精度,而且提高了图像重建效率,可以满足图像处理的实时性、在线性要求.