基于小波包变换的自适应阈值抑制窄带干扰

为了进一步提高直接序列扩频通信系统的窄带干扰抑制能力,本文实现了基于小波包变换的自适应阈值抑制窄带干扰算法。通过分析直扩信号在小波包分解后的能量分布特点,来设定自适应阈值以定位和剔除窄带干扰。解决了干扰判决阈值难以确定的问题。自适应阈值能够迅速跟踪和准确定位窄带干扰所在的子带的,并对干扰的强度变化具有自适应的特点。仿真结果表明,该阈值抑制算法使直接序列扩频通信系统的抗干扰性能得到进一步提高。     

一种新的小波包变换窄带干扰抑制算法

本文研究了在直接序列扩频通信接收信号中有窄带干扰情况下,对于干扰抑制来说,小波包变换是一种较为合适的算法。     

基于QR分解的RLS算法及在扩频系统的应用研究

相对于扩频系统抑制窄带干扰的时域经典自适应滤波算法,基于QR分解的窄带干扰抑制方法是一种性能优良的新算法.研究了基于QR分解的RLS自适应滤波算法,考虑两种指数加权递归最小二乘(RLS)估计的算法--QR-RLS算法和逆QR-RLS算法,对扩频通信系统进行窄带干扰抑制.通过定义新的数据矩阵,该算法求解出数据域正规方程中的系数矩阵和右侧向量,从而提高了计算效率.最后用Matlab仿真了自适应滤波过程,仿真结果表明,该算法具有良好的计算性能以及收敛性能.     

一种新的小波包变换窄带干扰抑制算法

本文研究了在直接序列扩频通信接收信号中有窄带干扰情况下，对于干扰抑制来说。小波包变换是一种较为合适的算法。     

基于DFT的DS/FH混合扩频通信系统研究

本文分析了DS/FH混合扩频通信系统干扰抑制需求,并以此为基础设计了一种在中频段进行的重叠加窗调制离散傅里叶变换窄带干扰抑制方法,给出了基于重叠加窗调制DFT的抑制干扰系统结构,并进行了性能仿真。     

基于小波包的奇异信号检测方法及仿真

高压电器设备的故障大多与绝缘有关,而局部放电是造成绝缘损坏的主要原因之一。如何有效地从噪声和干扰中准确提取局部放电信号的特征,是绝缘故障在线检测的关键。针对高压电缆中的局部放电信号检测问题,提出了一种基于小波包的奇异信号检测方法。首先,分析后得到窄带信号和奇异的放电信号在小波包变换下会表现出截然不同的特性,然后利用这个特性,采用小波包的方法有效地抑制窄带干扰,并从噪声中提取出奇异的局部放电信号。仿真结果显示出在两项指标中,同步性指标大于99％,相似性指标大于90％,这证明了该算法能够从噪声和干扰中,有效地检测并提取出高压电缆中的局部放电信号。     

联合改进子空间的自适应小波包阈值语音增强算法

针对传统自适应小波包阈值算法增强的语音存在失真的问题,提出联合改进子空间的自适应小波包阈值语音增强算法。提出的新算法对带噪语音首先做KL变换(Karhunen Loeve Transform)得到其特征值,并用自适应小波包阈值算法对该特征值进行处理,以去除部分噪声子空间;接着用递归最小二乘算法(RLS)对噪声的特征值进行估计,修正传统子空间算法容易导致的特征值估计偏差问题;最后用经过自适应小波包阈值算法处理得到的新的特征值减去噪声特征值,以去除所有噪声子空间并由KL逆变换最终还原出纯净语音。仿真结果表明新算法相比传统自适应小波包阈值算法有更优的增强效果,减少了语音失真。并且在信噪比较低的情况下,新算法对增强的语音的信噪比和分段信噪比提高得更多。     

基于小波去噪与变换域的信道估计方法

针对长期演进(LTE)下行正交频分复用(OFDM)系统的最小二乘(LS)信道估计算法对噪声比较敏感的问题,提出了一种基于小波变换去噪与变换域插值相结合的信道估计方法.该方法通过在最小二乘(LS)估计之后加入小波阈值去噪过程,再通过变换域低通滤波插值估计进行双重去噪处理.计算机仿真结果表明,该估计方法能够有效地去除加性高斯白噪声,比一般的LS估计算法性能要好,在一定程度上弥补了LS估计算法对噪声敏感的缺陷.     

低轨卫星扩频通信中干扰信号的优化控制

在低轨卫星扩频通信系统的研究中,存在人为的或者随机的窄带干扰信号.针对窄带干扰会严重影响卫星扩频系统的正常通信,为保证在一定功率干扰下通信系统的正常工作,采用准确干扰识别技术和干扰消除技术对抗窄带干扰,采用无失真的变换算法是研究了窄带干扰抑制技术的主要手段,包括时域和变换域算法.提出了一种基于快速 ELT 变换的稳健窄带干扰抑制技术,在变换域实现对干扰信号的识别与滤除,并进行了仿真.仿真结果表明快速 ELT 算法的抗窄带干扰技术可有效地识别并滤除窄带十扰,明显降低系统的误码率.     

基于多小波包的齿轮故障诊断方法研究

提出了一种全新的基于多小波包的齿轮箱故障诊断方法.在机械故障诊断领域,小波分析已经被应用在利用齿轮振动信号进行的故障诊断中.由于小波函数空间在高尺度上频带较宽,因此隐藏在信号中的在较高频段发生的窄带故障信号的频率成分不能被精确地诊断.提出的多小波变换,通过划分小波变换不同层的频带克服了单小波(标量小波)系统的这种缺陷.通过多小波包变换,可以自动并精确地划分不同小波包结点的频率段,从而对频率段较窄的瞬变故障信号进行精确的诊断.对齿轮箱的仿真实验结果表明,应用多小波包系统,不但可以对齿轮系统中包含瞬变现象的故障信号进行诊断,而且可以精确确定齿轮中坏齿的位置.     

基于模糊剪枝的最优小波包基图像压缩算法

提出一种基于模糊剪枝的最优小波包基图像压缩算法。图像经完全小波包分解后,以每个小波包分解的高频系数占所有高频系数的比值及每个节点子女熵值与原节点熵值的比值作为模糊系统的2个输入;通过构造模糊规则,将小波包系数分为裁剪类和保留类,由保留类构造最优小波包基;根据最优小波包基,在不同的小波包分解层次上采用不同的阈值对图像进行压缩。仿真实验结果表明,该算法与比特-失真率优化算法和小波包最优树全局阈值压缩算法相比性能更优。     

改进型小波包算法在变频调速系统故障诊断中的应用

在目前交-交变频调速系统故障诊断方法的研究基础上,文章提出了一种采用改进的小波包算法对交-交变频调速系统进行故障诊断的方法。文章在分析了标准的小波包算法原理及缺点的基础上,阐述了改进的小波包算法原理,并详细介绍了采用改进的小波包算法提取变频器故障信号特征量的方法。仿真结果表明:改进的小波包算法的计算量和占用的存储空间较标准的小波包算法少;与常规的诊断方法相比,基于改进型小波包算法的变频调速系统故障诊断方法具有准确度高、诊断速度快等优点。     

基于小波包变换多载波调制通信系统的均衡算法

对于在复杂的移动传输环境中传送高速的数据流,小波包多载波调制通信系统在数据传输过程中仍然不可避免地存在着由于多径效应引起的符号间干扰。在对多径瑞利信道的建模基础上分析了小波包多载波调制系统在瑞利信道下的系统性能。同时,通过引入强迫归零方法,提出一种对时域信道冲激响应估计下的强迫归零均衡算法。该算法简单且易于实现,不增加任何系统复杂度。仿真结果表明系统在多径瑞利信道下的性能得到了有效提高,证明了该方案的可行性和在高速数据传输领域及未来移动通信中具有良好的应用前景。     

基于小波包变换的脑电波信号降噪及特征提取

针对原始脑电波信号存在非平稳性且非常容易受到各种信号干扰等特点,对基于小波变换和小波包变换的脑电波信号的滤波降噪方法,和基于小波包变换的脑电波信号特征提取方法进行了研究。首先利用MindSet采集到原始脑电波数据,然后分别应用小波变换和小波包变换对其进行降噪处理,比较了两种方法的性能,验证了基于小波包变换的降噪方法的优越性和特征提取方法的有效性。     

基于最优小波包理论陀螺信号处理方法

小波变换具有良好的时频率局部化特性,基于小波变换的陀螺信号消噪方法在实际应用中取得了较好的效果.小波包具有比小波更为细致的时频划分能力,因而具有更强的时频局部化特性.笔者将基于Shanon-weaker熵准则的最优小波包基应用于陀螺信号的去噪,并给出了去噪算法.此外,还将CS-ARS微机械陀螺的实测数据在MATLAB中进行了数值仿真,仿真结果表明,本文所介绍方法对陀螺信号的去噪效果优于小波变换方法,具有广泛的应用前景.     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

基于小波包变换的非局部均值去噪方法

在非局部均值滤波的基础上,为了更有效地去除图像噪声,提出一种基于小波包变换的非局部均值去噪算法。首先对图像进行小波包变换,通过小波域系数估计图像的高斯噪声参数,然后计算经小波包分解后高频子带内小波系数的相似度,并以此作为权值来对小波系数进行调整,最后通过小波包逆变换对图像进行重建。实验结果表明与传统的非局部均值去噪算法相比较,该算法能在去噪的同时有效地保持图像的边缘细节等信息,取得更好的去噪效果。     

基于小波包变换和块模糊分类的自适应水印算法

提出了在WPT域上基于块模糊分类的新的自适应水印算法。首先用m-序列来控制对原始图像进行小波包变换的分解结构,将适当的小波系数组成小波子块。然后根据人类视觉系统(HVS)模型和能量模型,对小波子块进行模糊分类。最后,根据分类结果,将不同强度的二值水印嵌入到不同的小波子块中。实验结果表明,提出的算法能抵抗各种图像处理的攻击,具有较好的鲁棒性。     

基于排列熵的振动信号小波包阈值去噪研究

工程实践中的振动信号往往存在噪声干扰而导致信号特征信息无法显露,传统小波包软、硬阈值函数去噪形式固定,无法依据信号小波包分解系数的噪声干扰情况进行调整.据此,提出一种新的介于软、硬阈值函数之间的改进小波包阈值函数,并将排列熵作为信号含噪情况表征参数引入阈值函数中.对信号小波包系数进行排列熵计算,并依据该值对阈值函数进行自适应调整,使得新的阈值函数能够对含噪较多的小波包系数进行大尺度收缩而对含实际信号特征较多的小波包系数尽可能地保留,从而达到最佳的去噪效果.对滚动轴承振动实验信号的去噪分析,并与其他方法进行对比,验证了该方法的有效性与优越性.