一种基于小波包和双谱的信号分析方法

在高斯噪声背景下,为了尽可能地消除噪声的干扰来提取有用信息,提出了一种基于小波包和双谱对加性高斯噪声信号进行处理的方法。主要利用小波包变换良好的时频分析能力和双谱对高斯噪声不敏感,不但能够抑制噪声、提高信噪比,而且可以得到信号幅度、相位、能量、非线性等丰富的特征信息。最后仿真表明了此方法分析信号的可行性和优越性。     

基于负荷分解与聚类融合的短期用电负荷预测研究

传统负荷预测算法通常仅以单一的数据源为基础进行计算,因此在面对动态随机特性较强的场景时难以准确预测。针对这一问题,提出了一种负荷分解后再聚类融合的短期用电负荷预测算法。该算法根据负荷行为按时间顺序分类及分解客户负载,并进行负荷数据的聚类融合,再基于贝叶斯时空高斯过程模型描述不同用电区域间的相关性。同时利用深度学习负荷数据中存在的时空相关性来表征电力消费行为特征,从而实现短期用电负荷的精准预测。在对公开数据集进行的预测实验结果表明,与现有方法相比,所提算法的误差较低,且预测性能显著提高。     

多尺度小波包变换在弱信号检测中的应用

文章在双模噪声背景下,为了改善信号检测性能,利用多尺度小波包变换良好的时频局部分析能力对双模噪声中弱信号进行检测。理论分析和仿真结果表明,小波包检测系统不仅具有计算量小、算法比较简单和实时性较强的特点,而且比传统的高阶统计量和经典检测的检测性能都优越。     

基于小波包变换的双模噪声中信号的检测

以一类非高斯噪声———双模噪声为背景噪声,利用小波包变换良好的时频分析能力,对双模噪声的统计特性进行了研究,在此基础上,将经典最优检测器的结论推广到背景噪声为双模噪声的情况,提出了基于小波包变换的双模噪声中信号的检测方法。他是对传统的双模噪声中信号处理的完善与补充,仿真结果表明,该方法要明显优于经典检测。     

多传感器多尺度图像信息融合算法

在已获得对同一目标场景的多个传感器观测图像的情况下,本文建立了一种基于概率模型的多尺度图像信息融合算法.其基本思想是:首先对每个传感器图像分别进行小波包多尺度分解变换,建立基于该传感器图像的塔式结构子图像集,并且在每个尺度上得到基于每个子图像像素的概率模型;然后在每个尺度上的对应像素处,基于来自不同传感器图像的多个对应像素值,利用最小二乘规则对多尺度概率模型中的参数进行估计;再后是根据贝叶斯规则对该像素处的像素值进行融合估计;最后通过利用小波包多尺度逆变换,获得目标场景基于多个传感器图像的融合估计结果.应用该算法我们对获得的可见光和红外两种传感器图像进行计算机仿真实验,结果表明,与相关的方法相比新算法更有效.     

一种基于小波包变换的双模噪声中信号检测

利用多尺度小波包变换良好的时频局部分析能力,对一类非高斯噪声--双模噪声的统计特性进行研究.经过实际计算及仿真比较,对于两种双模噪声模型,随着双模噪声序列长度的增加,双模噪声小波包子空间变换系数都将近似服从高斯分布.通过仿真,证实小波包检测系统的检测性能不仅跟输入双模噪声的模型无关,而且比传统的高阶统计量检测系统、经典检测系统的检测性能都要好.     

基于小波包变换的非高斯噪声信号结构分析

该文利用小波包变换的时频局部分析能力,研究了非高斯分布平稳随机噪声的统计特性,揭示了 非高斯噪声信号的信号结构。在此基础上,将经典最优检测器的结论推广到背景噪声为非高斯分布的情况, 提出了一种基于小波包变换的非高斯噪声下的信号检测方法。仿真实验验证了该方法是正确的。     

基于融合熵特征的辐射源信号识别

针对相近雷达辐射源信号难以识别的问题,一种新的雷达辐射源信号识别方法被提出.该方法基于小波包分解,用主成分分析法融合含有信号类别特性的小波包重构系数特征,并将融合特征的能量熵和概率熵构成特征向量,基于支持向量机实现信号的分类识别.在较大信噪比(SNR)范围内,使用该方法能获得满意的正确识别率,当SNR为5 dB时,十分近似的线性调频信号正确识别率达到了91%,实验结果证实了该方法的有效性.     

小波包变换用于双模噪声的信号检测

将小波包变换良好的时频分析能力用于分析双模噪声的统计特性,因为小波包变换具有带通滤波的作用,当分解的层数足够多时,变换可看作窄带系统,将双模噪声作某一尺的小波包变换,在此空间上双模噪声的输出近似于高斯分布,在这一空间上进行信号的识别与检测。将小波包变换用于双模噪声背景下的信号检测系统,并将此方法与经典检测系统进行性能上的比较,仿真结果表明,小波包方法优于经典检测方法。     

光纤传感信号的模糊神经网络处理研究

为精准识别处理光纤传感振动信号、实现通信线路异常实时报警,提出了基于模糊神经网络的光纤传感信号处理方法,通过光纤传感采集异常事件振动信号,运用小波包分解对振动信号实施降噪处理,并提取到振动信号的低频与高频特征向量,对振动信号特征向量进行量化处理,将其作为输入,构建基于概率的模糊神经网络分类器,完成对光纤传感振动信号的处...     

基于声发射信号的纳秒激光划片轮廓监测

针对Al5083纳秒激光划片过程中产生沟槽和凸起两种轮廓的问题,研究了不同工艺参数下产生轮廓与映射声信号的关系。开展Al5083薄板纳秒紫外脉冲激光划片试验,观察轮廓的微观形貌,探究轮廓形成机制;采集声发射信号,小波包变换后分析声信号的差异性,并开展支持向量机分析。微观观测结果表明,凸起轮廓的成形机制包括熔融金属溅出受阻和凝固时产生的大量气孔。声信号分析结果显示,沟槽轮廓对应的小波包分解系数的方差和包络面积显著高于凸起轮廓;以小波包分解后的频谱为特征向量,添加标签后使用高斯核支持向量机分类,分类准确度达92.57%,验证了小波包变换和支持向量机的结合在基于声信号的轮廓监测中的可行性,为构建基于声发射的激光划片监测系统提供可行的技术路径。     

一种新的基于导频信号和离散小波变换的OFDM移动通信系统信道估计方法

针对在时变无线信道条件下工作的正交频分复用通信系统，本提出了一种通过小波滤波器插值来进行信道传递函数估计的方法。此方法利用离散小渡变换消噪以显地消除接收到的导频信号中的加性白高斯噪声项。本所提出的方法适用于所有线性调制OFDM系统。     

基于稀疏贝叶斯学习的多频带雷达信号融合

针对多频带雷达信号融合,建立了多频带雷达信号表示模型,将多频带信号融合问题等价于一个信号表示问题。研究了基追踪算法在多频带信号融合中的局限性,研究表明:由于多个频带的稀疏分布,破坏了字典的相干性,使得基追踪算法可能无法收敛到真实的稀疏解。提出了基于稀疏贝叶斯学习的多频带信号融合方法,并证明了字典满足唯一表示性条件从而可以保证算法收敛到真实的稀疏解。实验表明:基于稀疏贝叶斯学习的多频带信号融合方法能够更加真实地反映目标散射特性。     

基于小波分析的图像融合评述

图像融合是将同一场景的多幅图像的互补信息合并成一幅新图像,以便更好地对场景进行监视和侦察。小波分析具有多分辨等特点,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。阐述了基于小波分析的图像融合的基本原理、方法及优点。比较了各种图像融合规则和融合算子的特点。介绍了基于小波包图像融合、小波框架图像融合和多小波图像融合方法。     

基于设备固有噪声的置换语音信号检测

随着音频编辑软件的广泛使用,数字语音材料很容易被重新编辑。如何对数字语音信号原始性进行有效的认证成为一项急需解决的课题。提出了一种置换语音信号的小波包-谱相减（WPT-SS）的被动检测方法,利用语音设备固有噪声特性,对置换语音信号进行有效检测和置换区域定位,通过实验证实了该方法的有效性。     

基于多传感融合的电力施工信息融合监控系统设计

针对传统监控精准度低的问题,提出一种基于多传感融合的电力施工信息融合监控系统设计方法.采集控制子节点的监控传感器的参数,使用嵌入式实时操作系统,以统一的嵌入式网关来完成全部数据的处理工作,方便系统维护.使用由间歇振荡电路组成的自激开关稳压电源,将线圈输出电压传递给负载.计算服从正态分布的最大和最小值统计量,确定统计量临...     

基于压缩传感的稀疏多径信道估计

可靠的无线通信通常需要准确地知道下层信道的信息,因此需要进行信道估计,通常是用一个已知的训练波形探测信道以及对信道的输入和输出进行线性处理来估计信道的冲激响应,而许多真实信道(如频率选择性衰落信道)表现为仅有一些相对较少的非零信道系数的稀疏多径信道,常见的估计方法是最小二乘法(LS),此法没有利用稀疏信道本身的低维度特...     

基于小波变换的雪崩光电二极管信号检测方法

空间激光通信中的常用调制方式是脉冲位置调制(PPM)．雪崩光电二极管(APD)具有高增益、高灵敏度和响应速度快的特点，因而成为空间激光通信中的首选信号探测器件。针对空间激光通信的脉冲位置调制信道．分析了空间光通信系统中雪崩光电二极管探测噪声的特点和类别．根据小波变换具有提取信号局部特征的能力，提出了一种基于小波变换的雪崩光电二极管信号检洲方法。采用四种不同的阈值选择算法选取小波系数以恢复信号．并进行了初步的仿真实验和分析。结果表明，自适应阈值选择算法取得的信号恢复结果最佳．可有效减弱强背景噪声的影响．提高雪崩光电二极管信号检测系统的性能。     

基于小波包的故障信号特征提取的研究

讨论了交--交变频调速系统故障诊断的重要性,在当前的检测方法与故障诊断手段研究的基础上,提出了一种改进的小波包算法,并运用该算法对变频调速系统输出电流进行分析.该算法的计算量和占用的存储空间较标准的小波包算法均减少80%.同时,运用基于改进的小波包的频带能量法提取变频调速系统的故障特征,分析了小波包分解层次对特征量提取的影响.经过仿真证明,该方法适用于变频调速系统故障信号的特征量提取.     

基于DT-CWT与TVAR的多雷达信号融合

针对目标散射回波数据非平稳的特点,本文提出了一种基于DT-CWT与TVAR的雷达信号融合方法。本文利用复小波对雷达信号进行分解,然后对各个小波子空间上的信号进行TVAR建模预测,最后再通过复小波重构雷达信号, 并对两部雷达信号进行幅相补偿和融合,从而获得了超分辨的雷达一维距离像。