基于相干小波变换的信号相位差估计

精确地估计两列信号间的传输延迟在工程上有着重要的意义。傅里叶变换方法很难区分或识别信号的瞬时变化,而小波变换方法是一种时间窗和频率窗都可改变的时频局部化的分析方法,在非平稳信号的分析方面具有明显的优势。给出应用Morlet小波变换的相干性实现两信号相位差估计的算法,在不同信噪比条件下,对算法的估计性能进行了仿真研究。仿真研究结果表明,在低信噪比的条件下,基于小波变换的相位差估计方法可以实现信号相位差的精确估计。通过与基于离散时间傅里叶变换方法的比较,验证了小波变换方法在估计信号相位差方面的优越性。该方法还可用于对非平稳信号相位差的估计。     

基于变换域和噪声估计的路面图像去噪研究

针对不考虑噪声的统计分布,仅使用傅里叶变换或小波变换对图像进行降噪处理会带来图像的失真（扭曲）的问题,提出基于变换域和噪声估计的图像去噪方法。算法根据傅里叶变换和小波变换对图像的有效表示侧重点不同,以及图像噪声在不同变换域下的统计特性,提出先将图像进行傅里叶变换,根据噪声的统计特性构造传递函数H,使用Wiener滤波器进行降噪处理,得到一次降噪图像;再对图像再进行小波变换,根据噪声在小波的各尺度下,以及同一尺度下的不同特性,分别采用软门限降噪法和MMSE准则的降噪方法,得到二次降噪图像。仿真实验证实,该算法能有效提高降噪效果,降噪后的图像不失真,包含噪声少。     

一种利用叠加降噪提高二次相关TDOA精度的方法

二次相关TDOA算法具有一定的抗噪声性能,但在信噪比很低的条件下无法准确估计出时延。针对二次相关TDOA算法,在低信噪比下可能存在误差的情况,提出了利用叠加降噪提高接收信号的信噪比的新方法,从而提高算法精度。在接收到信号后,算法依据统计学的理论,采用信号叠加降噪的方法提高信号的信噪比,从而提升二次相关TDOA结果的精度。通过仿真结果表明,在低信噪比的情况下改进后的算法在较大程度上提升了时延估计的精度,提高了二次相关TDOA的应用范围。     

一种新的码片内多径时延估计方法

根据信道冲激响应的稀疏特性,提出了一种频域的时延估计压缩感知模型,将时延估计问题转化为基于欠采样数据的稀疏向量估计问题.利用离散傅里叶变换(Discrete Fourier transform,DFT)矩阵的子矩阵所满足的受限等距性(Restricted isometry property,RIP)以及信道冲激响应的稀疏特性充分降低了时延估计所需数据量的要求.分析了本文模型具有码片内多径分辨能力以及良好抗噪性能的原因,并与多信号分类(Multiple signal classification,MUSIC)和旋转不变技术的信号参数估计(Estimation of signal parameters via rotational invariance technique,ESPRIT)算法的时延估计性能进行仿真比较.仿真结果表明,本文提出的方法不需要预知多径的条数,对码片内多径时延具有较高的估计精度,其时延估计性能在特定条件下优于MUSIC和ESPRIT算法.     

通信测距复合系统中一种改进的时延估计算法

为了提高低信噪比条件下通信测距复合系统的时延估计精度,在广义互相关算法的基础上,提出一种改进的广义互相关时延估计算法。该方法将互相关函数做指数运算,再进行广义加权处理,抑制了噪声对信号的干扰,把经过傅里叶逆变换得到的相关函数进行高次方运算,增大主峰和次峰的相对值,让峰值更加突出。仿真结果表明,该系统可以完成测距任务与通信任务,并且在低信噪比下具有更好的时延估计性能。     

基于复Morlet小波的地层钻探识别

在低信噪比时,短时傅里叶变换和实小波变换无法准确提取钻头进入不同地层的时延信息。为此,提出一种复小波变换分析法。利用幅值和相位信息对信号突变点进行提取和定位,从而实时判断钻头钻进目的层的时刻。实验结果表明,该方法能准确表征振动信号的时频特征,与短时傅里叶变换和实小波变换相比,具有更好的时间定位和抑噪能力。     

小波与傅里叶变换耦合的静电监测信号去噪法

针对航空发动机气路静电监测信号微弱、背景噪声大、信噪比低、信号特征难以提取的问题,根据傅里叶变换和小波阈值降噪理论,提出了小波分解与傅里叶变换耦合的滤波法,并与常规的陷波器消噪法、小波阈值消噪法进行了对比研究.模拟实验结果显示小波分解与傅里叶变换耦合法的滤波效果明显优于其他两种方法,将该方法用于发动机气路模拟实验采集的监测信号处理,结果表明:小波分解与傅里叶变换耦合的滤波法适合对航空发动机模拟气路静电监测信号做滤波处理,可以用来提取异常信号发生的位置.     

基于小波去噪的加窗FFT电网谐波检测

提出一种基于小波去噪的软硬阈值改良折衷法与加布莱克曼窗的傅里叶变换算法相结合的谐波检测方法。该方法采用小波软硬阈值改良折衷法对含噪的电力谐波信号进行降噪处理,利用加布莱克曼窗的傅里叶变换算法对去噪后的信号进行分析,提取各次谐波的幅值和频率。仿真检测结果表明小波去噪后的谐波波形接近于原始信号谐波波形,信噪比提高了8.3226dB,小波去噪与FFT结合的方法适合在谐波检测系统或装置中应用。     

基于SFFT的宽带信号互谱法测向算法

在无线电频谱监测中,随着数据采集能力和采样频率的不断提高,对算法的时效性提出了更高要求。对于宽带信号测向系统,提出基于稀疏快速傅里叶变换的互谱法相位测量算法,该算法利用信号频域的稀疏特性,通过频谱重排、滤波、降采样和估值,能快速计算出频谱中K（信号稀疏度）个拥有最大值的傅里叶系数。利用这K个大值点计算平均时延,在保证与传统快速傅里叶变换有相同精度的同时,降低算法的时间复杂度。分析表明,该算法的时间复杂度与信号稀疏度K呈亚线性关系。该方法提高了算法效率。仿真分析对比了基于稀疏快速傅里叶变换的互谱法和基于快速傅里叶变换的互谱法的误差,表明了该算法的有效性。     

一种稀疏度自适应的稀疏傅里叶变换算法

稀疏快速傅里叶变换需要信号以傅氏域的稀疏度为先验信息,但稀疏度通常是未知的,在一定程度上限制了算法的应用。为此,提出一种新的稀疏傅里叶变换算法。在下采样域进行能量检测,得到稀疏度的初始值,通过增大下采样维度提高稀疏度估计的准确性,从而近似估计稀疏度,设定阈值剔除冗余信息从而得到较好效果。实验结果表明,当信号长度大于219或稀疏度小于900时,该算法性能优于西方快速傅里叶变换,且具有较强的鲁棒性。     

基于双树复小波变换的X射线脉冲星信号处理

X射线脉冲星信号是一种典型的信噪比非常低的非平稳信号,为了提高对X射线脉冲星信号的识别效果,有效去除噪声是非常必要的。在详细分析了传统去噪算法的优劣之后,提出了一种基于双树复小波变换的X射线脉冲星信号去噪算法。此方法充分地利用了双树复小波变换的平移不变性、有限的数据冗余度和完美的重构性等特点,并研究了双树复小波结合软硬阈值估计法和实小波结合软硬阈值估计法对X射线脉冲星B0531＋21进行去噪的效果。实验结果表明,基于双树复小波变换的消噪算法较小波变换算法相比,对X射线脉冲星信号去噪的效果有了很大的提高。     

小波包分解下的多窗谱估计语音增强算法

传统谱减法是基于短时傅里叶变换的单一分辨率算法,具有较大方差。为此,提出一种基于小波包分解下的多窗谱估计语音增强算法。将含噪语音在小波包下分解成不同频段,在不同频段下进行多窗谱谱减运算,并逐一进行小波包重构,以得到去噪后的语音信号。仿真结果表明,该算法能提高含噪语音的信噪比,降低语言失真度。     

新的受载煤岩电磁辐射信号去噪算法

针对煤矿井下现场电磁干扰多,采用煤岩受载产生的电磁辐射(EME)预测煤岩动力灾害效果有待提高,提出一种新的结合自适应集合经验模态分解(AEEMD)和改进小波变换(IWT)的电磁辐射信号去噪算法,克服了模态混叠,弥补了对小波基存在选择性的不足.分别采用IWT、EMD—IWT及AEEMD—IWT对构造的带噪信号进行去噪仿真及试验测试研究,结果表明:AEEMD—IWT算法去噪性能优越,对高信噪比和低信噪比的电磁辐射信号均能有效去噪.     

TLS估计的小波自适应零值绝缘子红外热像去噪

为了弥补传统Bayes估计的小波去噪方法依赖于小波系数先验分布模型的不足,针对零值绝缘子红外图像具有低信噪比特点,提出了基于总体最小二乘(TLS)估计的小波自适应零值绝缘子红外热像去噪方法。受噪声污染的零值绝缘子红外图像经小波变换后,不处理低频小波系数,获取各尺度、各方向的高频小波系数进行总体最小二乘估计,对估计后的小波系数进行逆变换得到去噪后的图像。实验结果表明,该方法与软阈值法和Bayes估计法相比,能够有效去除噪声,保留了图像的细节信息,去噪效果良好。     

基于广义相关的连续小波变换联合估计方法

分析了基于宽带信号的时延和多普勒联合估计方法，应用广义相关理论，提出一种基于广义相关的时延和多普勒联合估计算法，并通过仿真证明了这种方法的有效性。     

Wavelet based speech presence probability estimator for speech enhancement

A reliable speech presence probability (SPP) estimator is important to many frequency domain speech enhancement algorithms. It is known that a good estimate of SPP can be obtained by having a smooth a-posteriori signal to noise ratio (SNR) function, which can be achieved by reducing the noise variance when estimating the speech power spectrum. Recently, the wavelet denoising with multitaper spectrum (MTS) estimation technique was suggested for such purpose. However, traditional approaches directly make use of the wavelet shrinkage denoiser which has not been fully optimized for denoising the MTS of noisy speech signals. In this paper, we firstly propose a two-stage wavelet denoising algorithm for estimating the speech power spectrum. First, we apply the wavelet transform to the periodogram of a noisy speech signal. Using the resulting wavelet coefficients, an oracle is developed to indicate the approximate locations of the noise floor in the periodogram. Second, we make use of the oracle developed in stage 1 to selectively remove the wavelet coefficients of the noise floor in the log MTS of the noisy speech. The wavelet coefficients that remained are then used to reconstruct a denoised MTS and in turn generate a smooth a-posteriori SNR function. To adapt to the enhanced a-posteriori SNR function, we further propose a new method to estimate the generalized likelihood ratio (GLR), which is an essential parameter for SPP estimation. Simulation results show that the new SPP estimator outperforms the traditional approaches and enables an improvement in both the quality and intelligibility of the enhanced speeches.     

基于遗传算法的仿生小波语音增强

分析遗传算法和仿生小波变换的原理和方法,提出一种基于遗传算法的仿生小波语音增强算法.首先将普通小波变换转换为仿生小波变换,得到仿生小波变换系数,接着利用遗传算法的选择、交叉、变异获得仿生小波的优化阈值参数,从而确定最优小波阈值,随后结合最优小波阈值和改进阈值函数去噪,最终将经阈值处理后的仿生小波的系数变换至普通小波域且实行连续小波逆变换,获得增强的语音信号.仿真结果表明,在低信噪比环境下,与传统的最小统计和仿生小波变换算法相比较,经本文提出的算法处理后的增强语音其失真和残余噪声更小,语音质量和可懂度都较高.