利用小波变换进行MC-MPSK信号载频盲估计

小波变换是在强噪声背景下进行信号时频分析的有效方法．利用小波变换的方法,使用Haar小波变换对多载波多进制相移键控（MC－MPSK）信号中心频率进行了估计．给出了计算机仿真的结果,将这种算法的估算结果与改进的克拉美－罗限（MCRB）进行了比较．结果表明,在没有先验知识的情况下,利用Haar小波变换方法可以精确的估计MC－MPSK信号中心频率,而且估计性能受相位噪声地影响不大．     

基于小波变换的一种通信信号码元速率估计算法

针对通信信号码元速率估计问题,提出基于小波变换的一种估计算法。从二进制相移键控(BPSK)调制信号中提取基带信号,得到其小波变换系数的模值,构建与原调制信号码速率相应的单极性脉冲序列,并分析这些单极性脉冲序列的功率谱,在基带信号码元速率整数倍处提取离散基线,以实现对BPSK信号码元速率的估计。实验结果表明,在低信噪比下本算法具有良好的估计性能,并表现出良好的实用性和鲁棒性。     

信号分析从傅氏变换到小波变换

从信号分析的发展着重阐述了从傅氏变换到小波变换的信号分析方法 ,分析并比较了各自的优缺点 ,揭示了信号分析方法发展的内在规律性。     

傅里叶变换与小波变换在信号故障诊断中的应用

研究了傅里叶变换与小波变换在信号故障诊断中的应用。仿真表明，小波变换在检测信号突变点方面比傅里叶变换优越得多，且利用小波变换可以精确地检测出信号突变的时间与位置。最后探讨了在应用小波变换进行故障检测时小波基的选取原则。     

基于小波变换的信号检测

研究了基于小波变换的信号检测方法及它在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去除噪声,使有用信号能从噪声中检测出来,提高信号的分辨率、信噪比。     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及其于多分辨分析的信号小波的分解算法，研究了信号局部奇异性的小波变换下的特性；根据故障信号的局部奇异性在小波变换下模的极大植及其在不同尺度上的传播特性，对308型滚动轴承振动加速度故障信号进行分解，对故障特征信号进行时域定位，并提取了故障特征频率f=46.88Hz，这与实际的故障特征频率相近，说明该方法适用于滚动轴承的在线监测和故障诊断。     

基于小波变换的零水印算法研究

针对数字水印不可见性和鲁棒性之间的矛盾,提出一种改进的基于小波变换的零水印方法。该算法首先基于混沌序列从原始图像小波系数的低频域提取特征水印,然后把得到的特征水印注册到IPR中。实验结果表明,此算法不直接修改载体图像数据,嵌入的水印具有良好的不可见性,对常见的JPEG压缩、噪声、剪切等各种图像攻击具有较强的鲁棒性,而且在不知道密钥的情况下,不可能成功的提取出水印信息,具有良好的安全性。     

小波变换在瞬态信号检测中的应用

阐述了利用小波变换（ＷＴ）进行信号瞬态检测的原理。众所周知。短时Ｆｏｕｒｉｅｒ变换（ＳＴＦＴ）的时频分辨率固定不变,因此,其应用受到一定限制。小波变换的特点是将一维时域信号映射到时频域上,且其时频分辨率是变化的,这在信号检测中上有较强的优势。本文给出了计算机分析结果。     

基于小波变换的轨道信号参数检测

根据国产移频轨道信号的特点,提出利用小波分析中多分辨率理论的检测方法来检测轨道信号瞬时值,基于Matlab软件平台对轨道信号的基带调制频率进行检测并对其误差进行测量.仿真结果表明,该方法能有效地降低移频轨道信号参数的测量误差,并具有很好的稳定性.     

小波变换技术用于图像信号的降噪

采用多尺度和小波阈值技术相结合的多尺度阈值方法来降低图像信号的噪声。它是根据在不同尺度下信号和噪声的小波系数有不同的变化规律,在同一尺度上信号和噪声的小波系数有不同的特点,在不同的尺度上选择合适的阈值来进行小波系数压缩,从而达到去除噪声的目的。     

基于小波多尺度零交叉基元的立体匹配方法

将小波变换运用到立体视觉的图像匹配中,选取合适的二进小波基,以二进小波变换的多尺度零交叉为匹配基元,较多地利用了图像的结构特征.在匹配过程中采用由粗到精的层次匹配策略和严格的匹配约束,减小了对应点搜索范围,并从局部和整体2个角度来解决歧义匹配的问题.实验结果证明,该方法具有较高的匹配精确度和较快的匹配速度,并且算法稳定.     

基于小波理论的故障特征提取

在对齿轮进行故障诊断时,采样信号不可避免地受到各种噪声和干扰的污染,所测信号属于典型的非平稳信号.信号的降噪和特征提取是齿轮状态监测和故障诊断的关键环节.小波理论对于非平稳信号的处理非常有效.在MATLAB环境下,利用小波理论对减速器齿轮箱的采样数据进行去噪实验和分析,提取齿轮大周期故障的特征指标,为进一步进行故障诊断奠定基础.     

地震信号去噪的小波方法研究

简要介绍了小波去噪的理论和基本方法，说明了模极大值法和阈值法的具体原理，具体包括函数的奇异性及其检测方法，去噪模型的建立，并有用模极大值法和阈值法两种方法对仿真地震信号进行了计算机仿真去噪计算比增益的同时还保持了较高的时间分辨率，这两种方法的不足之处在于对奇异性差别不大的信号与噪声进行处理时，其效果不如维纳滤波。     

基于小波包变换的眼电信号特征提取及分类

眼电信号是人机交互系统中的一种重要的信息源,该文提出了一种眼电信号特征提取与分类算法。首先研究小波包变换,提出以小波包分解系数作为眼电信号特征,通过支持向量机进行分类识别。在实验室环境下,采用该方法对6名眼部功能正常测试者的样本数据进行分类,平均识别率达到96.83%,具有很高的实用价值。     

基于小波变换的MFSK信号盲解调算法

针对无先验信息的MFSK（M-ary frequency shift keying）信号提出了一种基于小波变换的盲解调算法。该算法基于morlet小波脊线值与MFSK信号符号之间的对应关系,研究了小波脊线提取、符号率估计、符号同步、调制进制M识别、调制码估计等算法,实现了盲信号的解调。仿真结果表明：2FSK信号的盲解调性能比理论值恶化不超过0．1dB;4FSK信号的盲解调性比理论值恶化约1dB。     

小波包分解在超声检测缺陷回波信号处理中的应用

超声检测过程中,由于缺陷回波是一种含噪瞬态脉冲信号,很难有效地将其与各种噪声“分离”开来。介绍一种基于小波包分解的缺陷回波多尺度空间能量特征提取方法,对焊缝超声回波信号进行了特征提取,并采用基于距离的类别可分性判据对提取结果进行了评价。     

基于离散小波变换的水下回波信号尾波包络特征提取

提出一种水下目标回波的特征提取方法．该方法在离散小波变换的基础上。基于回波信号中的散射成分可以对水下底质进行分类的理论基础，提取水下回波信手尾波包络特征作为识别特征矢量，构成基于尾波包络特征的特征空间，再采用最佳鉴别矢量法将特征空间进行特征压缩，最后利用最小距离分类器对目标回波进行分类．实测数据结果表明，采用这种方法得到的包络特征是一种稳健、有效的特征，能够获得较高的正确识别率．     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

基于小波提取特征的SVM目标识别

基于小波变换提出了一种特征提取及特征选择的方法.通过对小波系数绝对值化,减小了特征的分布范围;对小波进行自适应的过滤提取了目标的主要特征,增加了特征的聚类程度.本文通过SVM分类器对该方法进行验证并与其他方法比较.实验证明该方法有效的提高了目标的识别率,降低了误识别率.     

基于离散小波变换的水下回波信号尾波包络特征提取

提出一种水下目标回波的特征提取方法.该方法在离散小波变换的基础上,基于回波信号中的散射成分可以对水下底质进行分类的理论基础,提取水下回波信号尾波包络特征作为识别特征矢量,构成基于尾波包络特征的特征空间,再采用最佳鉴别矢量法将特征空间进行特征压缩,最后利用最小距离分类器对目标回波进行分类.实测数据结果表明,采用这种方法得到的包络特征是一种稳健、有效的特征,能够获得较高的正确识别率.