基于Mallat算法的小波分解重构的心电信号处理

为了实现对微弱低信噪比的心电信号的有效提取,采用了Mallat算法的小波分解重构法去除心电信号的噪声。首先确定小波分解重构的小波基;其次确定分解的层数;然后直接提取有用信号所在的频带（有用信号占优的频带）进行重构;最后,Matlab仿真MIT-BIT标准数据库中的心电信号表明小波分解重构法可以有效的去除心电信号中的多种干扰;同时比起传统滤波器法来说,小波分解与重构去噪法应用起来更方便。     

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。     

基于最优小波包基的信号增强算法研究及应用

本文介绍了小波包分析的基本理论以及小波包信号降噪的基本原理,与小波变换相比,小波包变换则是对小波分解中所得到的高频部分再继续细分为一些子频带,具有更精细的信噪分离能力,所以对包含大量中、高频信息的信号能更好地进行时频局部化分析。小波包变换在信号去噪中有着非常重要的应用,因此利用小波包对信号进行消噪也越来越受到科学界的关注。本文的主旨在于研究最优小波包基函数的选取方法,以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,从而在最优小波包基的基础上获得最好的信号增强效果。     

小波分析包络提取及在DSP上的实现

在实时信号分析中，离散小波变换在DSP上的有效应用受到了特别的关注，介绍了Mallat快速小波变换算法，通过与常用小波基相对应的正交镜像滤波器组，实现了对信号的快速小波分解；利用小波的频带分离特性和噪声的小波变换特性，提高了信号包络提取的精度。     

基于小波理论的声信号特性分析

在现代化信息战中,声目标识别是非常便捷、有效的目标识别方法之一.通过声识别系统对汽车声信号进行采集,利用小波分析方法对信号进行处理,得到信号经小波分解不同频带的能量,从而找出信号能量的变化规律以及声目标信号的特征向量,为不同声源目标的识别做基础.     

基于小波变换的局放信号检测与提取

为提高局放信号检测的准确度，确保电力设备故障诊断的有交性和可靠性，利用连续小波变换对背景噪声较强的的局放信号进行多尺度分解，在某些尺度下，使局放信号明显增强，用阀值比较就可以有效地检测并消除噪声干扰。实验和仿真结果表明，选取合适的小波函数就能有效地抑制噪声干扰并完成对局放信号的检测和特征提取。     

基于小波变换的CO_2预裂腔内压力时频特征分析

为提取CO_2预裂过程动态参数以优化预裂工艺,基于某CO_2预裂实验数据,利用小波变换对CO_2预裂装置腔内动态压力信号进行时频特征分析,得到不同频带上压力信号分量的时间历程曲线和能量分布。分析结果表明,通过对预裂过程腔内压力信号的小波分解重构,可以同时反映压力信号的强度、频率、波形对能量分布的影响,结合不同频带的时间历程曲线可以获得动态压力在不同频带上的分布和衰减的细节信息,进而确定频带分量对预裂效果的影响。     

小波包转换域PSK信号的模式识别

提出并采用信号的连续小波包分解的方法对BPSK、QPSK、8PSK数字调制信号进行模式识别。首先,根据3种调制信号的特点设置目标信号模板,然后将其分解到小波包子域形成子域模板并预先存储。执行识别任务时,将实际信号进行小波包分解,并在各小波包子域和子域模板作匹配相关,根据相关运算的结果完成识别。由于小波包分解的频带划分比小波分解的频带划分精细,所以识别的正确率更高。文中采用Monte Carlo法产生信号,采用Matlab进行仿真。仿真结果表明,采用小波包分解的识别正确率更高,尤其是在低信噪比环境下,该方法也能实现调制信号的精确识别。     

小波包分解对心理声学模型的改进

为了改变常用心理声学模型中均匀谱分析造成的时频分辨率不足的问题,采用小波包分解对信号进行分析.通过Matlab对信号进行小波包分解处理,代替常用心理声学模型的FFT,改善了时频分辨率不足的问题,且通过小波包分解得到的频带划分.比常用心理声学模型得到的频带划分更接近于人耳的临界频带,更适应于人耳的听觉特性.     

小波变换音频编码算法研究

任意能量有限信号都可以用紧支撑正交小波基展开或分解，这一点对研究快速高效音频编码算法是非常重要的。本文设计一种基于正交小波变换的高保真音频编码算法，该算法可以把速率为７０５．６ｋｂｉｔ／ｓ的高保真音频信号压缩到１９２ｋｂｉｔ／ｓ，１６０ｋｂｉｔ／ｓ，１２８ｋｂｉｔ／ｓ，９６ｋｂｉｔ／ｓ和６４ｋｂｉｔ／ｓ，并保持重构音频信号的高质量。     

基于DSP的最优小波包基算法的实现

小波包分析能够为信号提供一种更加精细的分析方法,它将频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,并能够根据被分析信号的特征,自适应地选择相应频带,使之与信号频谱相匹配,从而提高时-频分辨率。为了能在DSP嵌入式设备中应用小波包分析方法进行信号处理,首先讨论小波包分解的过程和最优基及代价函数的选择方法,然后提出一种在DSP上实现香农熵代价函数的小波包分解算法的方法,并在浮点型DSP TMS320C6713B上实现了此算法。最后针对具体的数字信号进行小波包分解和最优基选择的实验,实验结果证明了该方法的正确性和高效性。     

一种基于小波变换的电子战环境下噪声抑制方法

介绍了基于多分辨率信号分解(MSD)小波变换算法的抗干扰微弱信号提取方案。通过对模拟噪声模型的弱信号和实测的导弹红外导引头的弱信号的提取可以看出,MSD小波变换算法速度快、实时性好,能有效地抑制噪声,适应战时需要。     

几种信号分析方法对非线性、非平稳信号分析效果的比较

本文通过时傅立叶变换，短时傅立叶变换，小波分析，经验模式分解几种信号分析方法在信号分析中的效果相比较，肯定了经验模式分解在分析非线性、非平稳信号中的作用，同时也指出了经验模式分解还存在的问题。     

光纤陀螺全频域小波阈值降噪技术

为了有效地去除光纤陀螺信号中的分形噪声,提出了全频域小波多尺度阈值降噪方法。从分形信号的分数微分形式出发,建立了分形信号与高斯白噪声之间的联系,结合小波分析的高阶消失矩特性,实现了分形信号在小波空间的去相关。当分形信号被具有高阶消失矩的小波分解后,其在小波域具有白噪声的特点,可以采用阈值处理的方法予以去除。同时,根据陀螺信号噪声的宽频带特点,对小波分解的低频近似系数和高频细节系数进行阈值处理,有效地抑制了噪声成分。光纤陀螺信号的降噪实例表明:相比传统的小波阈值降噪方法、卡尔曼滤波方法和滑动平均滤波方法,该方法具有较好的降噪效果。     

一种基于小波分解的直扩信号检测方法

针对直接序列扩频（DSSS）信号检测的问题,提出了一种对接收信号时域自相关进行小波分解的方法。该方法对于进行了载波调制的直扩信号,其所在频带未知时无法设计前置滤渡器,从而造成检测性能下降的情况,给出了一种可行的解决方案。计算机模拟表明,在该情况下,本方法具有较好的检测性能。     

基于M-频带小波变换的宽带语音编码算法

任何能量有限信号可以用Ｍ－频带紧支撑正交小波基展开，这有助于研究快速信号处理算法和高效编码算法。本文设计了一种基于Ｍ－频带正交小波变换的宽带语音编码算法，该算法语音质量好，编码时延小。     

基于小波包分解的信号分解与重构研究

为有效剔除信号噪声,得到没有污染的信号,便于进行信号分析。文章对小波包信号分解原理进行了阐述,并运用matlab仿真了信号的分解与重构,并展示了分解示意图和重构结果,较好的验证了算法的实用性。     

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。     

基于细节分量提取的脉压雷达信号检测技术

小波分解可以将信号分解为多层近似分量与细节分量，脉压雷达信号的脉内信息可以在细节分量中得到很好的体现，因此小波变换方法对脉压信号有着很大的优势。Mallat快速算法使小波变换走向工程实用成为可能，对ADC输出的数据流做小波分解，得到各层的细节分量，找到波形失真较小并且能够反映脉内特征的细节分量作为新的数据源，对之进行相关处理，完成信号检测。文章最后以实际雷达信号为对象进行了实验，实验结果表明该方法是切实可行的．     

利用改进邻域小波系数处理FBG传感信号

阈值和阈值函数的选取是小波去噪的关键.经小波分解变换后,低频部分包含大量的有用信号,而噪声分布于整个小波域内的高频部分,其中包含少数有用信号的细节信息.采用固定阈值和阈值函数处理时会造成高频部分的有用信号细节信息丢失.基于邻域小波变换将分解层数引入阈值和阈值函数中,使用动态阈值和阈值函数处理不同分解层数下的小波系数,来保留不同层数下的细节信息.仿真结果表明所提方法的信噪比和信噪比增益最大,且均方差最小,相关系数逼近于1,原始信号与重构信号相似度得到提高,改善了去噪效果.