小波变换结合MIVP识别图像脉冲噪声的研究

提高脉冲噪声的识别率是提高去除脉冲噪声效果的关键。利用小波变换检测信号奇异点的原理,小波变换可用于识别信号中的脉冲噪声。实验表明,在小波变换识别数字图像的脉冲噪声时,由于将受到脉冲噪声污染的像素点判别为未受脉冲噪声污染的像素点的误判率较高,影响了小波变换识别脉冲噪声的整体精度。为了有效解决这一问题,提出了一种基于统计理论的数字图像脉冲噪声统计量识别法称之为MIVP法,可以弥补小波变换误判噪声点为非噪声点的不足。以小波变换结合MIVP法为基础构成图像脉冲噪声滤波器,在不增加时间复杂度的条件下,有效提高了脉冲噪声的滤波效果。     

奇异目标信号的多尺度定位识别方法

在复杂环境下检测微弱目标信号是信号检测技术中关键问题。基于奇异目标信号和噪声干扰在多尺度小波变换下表现出截然不同的特性,利用奇异目标信号的小波变换模极大值随尺度增大而增大,而随机白噪声小波变换模极大值随尺度增大而减小,进行复杂环境中的目标定位识别。理论和实验表明该方法特别适合弱信号的定位识别。     

奇异目标信号的多尺度定位识别方法

在复杂环境下检测微弱目标信号是信号检测技术中关键问题。基于奇异目标信号和噪声干扰在多尺度小波变换下表现出截然不同的特性，利用奇异目标信号的小波变换模极大值随尺度增大而增大，而随机白噪声小波变换模极大值随尺度增大而减小，进行复杂环境中的目标定位识别。理论和实验表明该方法特别适合弱信号的定位识别。     

基于小波包变换的弱信号检测

在通信、医学成像和雷达信号处理等领域中常常面临着强噪声背景中弱信号检测的问题。文中分析了小波包变换的良好时频分析特性,根据信号与噪声具有不同的Lipschitz指数,通过引入子频带∞-范数,对信号和噪声进行频谱分析,将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量,并应用浮动阈值去噪方法,解决了低信噪比情况下的弱信号检测。最后,通过计算机的数值计算,模拟了浮动阈值去噪法基于小波包变换和小波变换的强噪声背景下的弱信号检测,从仿真的波形图中得出在低信噪比情况下的弱信号检测方面小波包变换优于小波变换。     

混合噪声中特定噪声源定位方法研究

研究噪声源准确定位问题。针对当需要检测位置的噪声源处在多噪声发声的混合环境中,多个噪声强度特征信息发生混合,造成特定噪声强度特征信息混淆和丢失,传统的噪声特征定位的检测方法无法准确定位单个噪声源,为了解决准确定位,提出了混合声强度的多噪声源分割定位方法。通过建立声强度模型,然后提取声音强度信息,计算声强度的声源归属度,再以具有最大归属值的声强度作为当前分布声源来描述声音的特征,混合噪声中特定噪声源定位。通过验证表明能有效的定位混合噪声环境下的特定噪声源,取得了比较好的识别效果。     

一种基于频谱脸和Fisherface的人脸识别新方法

频谱脸方法主要是采用二维小波变换和傅立叶变换。因为人脸图像的低频部分对人脸的表情变化是不敏感的,所以对人脸图像使用二维小波变换,提取人脸图像的低频部分。再对人脸图像的低频部分使用傅立叶变换,从而获得原人像的一个低维空间的表达。但是频谱脸特征维数仍然较高,所以在频谱脸法的基础上继续提取人脸频谱图像的Fisherface特征,降低特征的维数,提高识别效率。利用ORL人脸库进行了实验,实验结果表明该识别系统具有较好的识别能力。     

同步挤压小波变换对随机噪声抑制的研究

针对低信噪比信号在噪声去除中存在的问题,提出了利用同步挤压小波变换对随机噪声的处理研究。该变换是一种新的小波变换方法,可将时域信号转化成高分辨率的时频谱,再结合时频谱重排的思想,通过挤压任一中心频率附近区间值,从而得到同步挤压小波变换量值。研究发现,同步挤压小波变换可将随机噪声压缩为点状噪声或者颗粒噪声,并聚集分布,基于噪声这一分布特点,从而选用中值滤波,可达到很好地抑制噪声的目的;而传统小波变换后,随机噪声在大小尺度上均有分布,比较分散,用中值滤波不能达到好的滤波效果。对比结果表明：该方法具有较好的抑制随机噪声的能力。     

基于小波和统计检验的瞬态成分检测的方法及应用

将连续小波变换技术和统计检验结合用于检测信号中具有一定时频分布的瞬态成分,指出连续小波变换具有分离信号中瞬态成分和噪声的作用。提出一种基于连续小波变换和统计检验的瞬态成分检测的“逐步去除法”。将“逐步去除法”用于齿轮箱振动中的瞬态成分的检测与提取,能比较有效地检测出瞬态成分;基于连续小波变换反演的瞬态成分估计能比较有效地表示设备的状态。     

小波去噪仿真研究与实验

小波分析对于信号处理具有十分重要的作用.使用Mallat小波变换方法在已知噪声频率范围情况下对信号处理效果较好,但无法消除信号中的大量未知白噪声.引入SURF阈值,对小波进行过滤处理,可以有效过滤白噪声.设计基于SURF阈值改进的Mallat变换法进行去噪实验,得出结果并与单一Mallat小波变换法结果进行对比,得出改进后的Mallat小波变换法可以去除大量白噪声,使信号更加光滑、保真.     

一种基于小波变换的导弹运输车辆故障诊断方法

利用离散小波变换的时频特性和连续小波变换检测信号边沿的原理,进行模拟导弹运输 车辆轮胎和板簧的故障检测、分离和定位.该方法不需要对象的数学模型.模型车的故障诊断实验 结果表明.该方法灵敏度高,对噪声具有较好的鲁棒性.     

基于子波变换的水下目标辐射噪声特征提取方法

将子波变换和多分辨分解算法，分别应用到水下目标辐射噪声的线谱和调制谱提取中。文中主要介绍了基于离散子波变换提取辐射噪声线谱的方法、基于多分辨分解算法提取辐射噪声调制谱的方法；在此基础上，以某型号水下航行器实测辐射噪声为例，进行了仿真研究，通过比较仿真结果与该水下航行器的相关数据，验证了该方法的正确性和可行性。     

基于小波消噪和盲源分离的信号奇异点检测方法

研究工业过程故障诊断中的信号奇异点检测问题．采用结合小波消噪的盲源分离算法提取有用的源信号,在分析李氏指数和小波变换的极大值与信号奇异点的关系基础上,分析了信号奇异点检测所用的小波尺度及闯值选择方法．实例分析和比较表明,该方法的主要优势在于它对随机噪声的降噪效果明显,而且能有效地检测出信号的奇异点．     

基于小波分析的故障系统在旋转机械中的应用

就小波分析技术在旋转机械故障诊断应用中的故障特征提取问题进行了深入研究,提出了基于小波奇异性及小波变换模极大值的故障特征提取方法,通过对故障信号与小波变换的多分辨率方法以及奇异性理论相结合进行研究,发现小波分析便于对信号的总体和局部进行刻画;利用小波变换对信号的分解和重构特性,可有针对性地选取有关频带的信息以及降低噪声干扰,通过对重构信号的频谱分析能更有效地提取裂纹故障的典型特征。结果表明,对于旋转机械的非平稳信号来说,利用小波变换方法进行故障诊断是行之有效的。     

Speech enhancement based on stationary bionic wavelet transform and maximum a posterior estimator of magnitude-squared spectrum

Numerous efforts have focused on the problem of reducing the impact of noise on the performance of various speech systems such as speech coding, speech recognition and speaker recognition. These approaches consider alternative speech features, improved speech modeling, or alternative training for acoustic speech models. In this paper, we propose a new speech enhancement technique, which integrates a new proposed wavelet transform which we call stationary bionic wavelet transform (SBWT) and the maximum a posterior estimator of magnitude-squared spectrum (MSS-MAP). The SBWT is introduced in order to solve the problem of the perfect reconstruction associated with the bionic wavelet transform. The MSS-MAP estimation was used for estimation of speech in the SBWT domain. The experiments were conducted for various noise types and different speech signals. The results of the proposed technique were compared with those of other popular methods such as Wiener filtering and MSS-MAP estimation in frequency domain. To test the performance of the proposed speech enhancement system, four objective quality measurement tests [signal to noise ratio (SNR), segmental SNR, Itakura–Saito distance and perceptual evaluation of speech quality] were conducted for various noise types and SNRs. Experimental results and objective quality measurement test results proved the performance of the proposed speech enhancement technique. It provided sufficient noise reduction and good intelligibility and perceptual quality, without causing considerable signal distortion and musical background noise.     

盲小波算法在遥感图像去噪中的应用

根据盲信号分离原理和小波分析,提出了一种遥感图像去噪的盲小波算法,首先将遥感图像的个信号进行同深度小波分解,得到不同信号相应深度的小波系数和尺度系数,然后将小波系数进行软阈值法处理,并进一步对不同信号的同深度的小波系数和尺度系数进行盲分离,并提取与源信号相关的信号,最后通过信号重构估计源信号。这种将小波分析和盲信号分离技术有机结合的方法能够有效的消除遥感图像的噪声。通过对实际遥感图像的处理,并与其他去噪技术相比较,利用盲小波算法得到的结果更为理想。     

基于小波调制尺度的语音特征参数提取方法

时频分析的理论基础上,提出了一种基于小波调制尺度特征的参数提取方法。根据人对调制谱信息的感知特性及干扰在调制谱中的特点,采用小波分析技术及归一化处理求得归一化的小波调制尺度特征参数,并以此作为语音的动态特征应用于语音识别系统。通过与MFCC一阶、二阶系数对比的汉语音节识别实验表明,该方法在抗噪声干扰和说话速率变化等方面比MFCC的一阶、二阶系数的性能优越,为提高语音识别鲁棒性提供了一种新途径。     

一种改进的MFCC参数提取方法

为了提高语音识别率,提出了一种改进的MFCC参数提取方法。该方法应用小波包变换高分辨率的特点和语音高频加权的功能,在传统MFCC参数的基础上提取了一种新特征参数。新参数能对语音信号频率进行更加精细的划分,能够更稳定地减小频谱失真,且在一定程度上降低了信号的噪声。最后采用高斯混合模型（GMM）进行说话人语音识别,实验表明新特征参数取得了较好的识别率。     

一种混合噪声图像去噪方法

首先分析了含有高斯白噪声和脉冲噪声的图像必须采用不同去噪方法的原因;然后分别给出了小波变换后的低频子带图像与高频子带图像的去噪方法：用改进的邻域平均法对低频子带图像进行去噪处理。对高频子带图像采用中值滤波、阀值处理、小波系数增强方法去除脉冲噪声;最后对经过处理后的各子带图像进行小波逆变换得到恢复图像;实验结果证明了理论分析的正确性。     

树状小波局部对比度与图像融合及性能评估

针对红外热成像中目标识别和跟踪的特点,提出了一种基于树状小波变换的局部对比度融合算法,首先采用多尺度树状小波变换的方法对已配准的源图像在相应的能量准则下进行分解,克服了小波变换的移变性;对于分解后的低频子图像采用加权平均的融合规则,对于高频子图像采用局部对比度量测的融合规则,融合图像既保持了源图像的细节信息,又滤去了红外成像中的各类噪声。采用交叉分辨力评价算子量测红外图像中目标与背景的衬比度;通过仿真及基于客观的图像融合评价标准,分别从信息熵、标准差、平均梯度和交叉熵四个参数对图像融合效果进行评估,证明了对于双波段红外辐射图像的融合,提出的融合算法优于小波融合算法、形态学区域分割融合算法。算法尤其适用于红外热成像系统的目标识别和跟踪。