采用DSP与小波变换实现声信号单目标识别

采用TMS320F2812数字信号处理器作为系统核心处理器件,辅以必要的外围电路实现声信号的采集、处理、特征提取及目标识别。根据典型目标声信号的特性,运用小波变换理论对其进行阈值滤波处理;利用小波分析能够反映信号时域和频域局部特性的优点,采用小波变换实现子空间能量特征提取;实现了声信号的快速处理与识别。将此系统应用于典型的车辆目标进行识别,取得了满意的识别效果。     

基于改进小波阈值的激光通信信号识别系统设计

信号识别是激光通信的重要组成部分,是后续信息处理环节的基础与前提,因此,设计了基于改进小波阈值的激光通信信号识别系统。系统中的激光通信接收模块接收激光脉冲信号传输至A/D转换模块中,A/D转换模块利用流水线结构转换方式预处理脉冲信号并将其转换为电信号传输至信号识别模块中;信号识别模块采用TMS320LF2407 DSP芯片,该芯片内集成基于改进小波阈值的激光通信信号识别算法,通过改进小波函数,确定小波函数阈值消除电信号内噪声,去噪后的信号利用傅立叶变换确定信号频谱数据的相对频率值,根据频率值实现激光通信信号识别。实验结果显示,该系统具有较高的信号识别精度,信噪比高于对比系统,能耗低。     

基于正交小波变换的图像去噪算法研究

提出了一种基于正交小波变换的图像去噪方法,首先利用离散小波对图像信号按Mallat算法进行分解,然后采用软闽值与小波重构的算法进行去噪。深入研究了小波变换中的图像分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以有效去除噪声,并保留了图像细节部分的有用信息。     

小波阈值去噪技术在ECG信号处理中的应用

心电图（ECG）是识别房颤的主要依据。但是在ECG信号中存在各种噪声干扰,可能导致ECG波段无法识别或者失真,影响医务人员的诊断。因此需要采用一定的技术和方法去除各种噪声干扰。文章采用小波阈值降噪中的软阈值算法对ECG进行处理,选择采用db4小波对含噪声心电信号进行小波分解,实现对ECG信号的去噪处理。     

基于小波去噪和扩展Prony算法的谐波检测

运用扩展Prony算法对电力系统中含谐波、间谐波信号进行检测,通常实际信号中叠加有随机噪声;由于Prony算法对噪声敏感,采用小波软阈值法对信号进行去噪预处理,保留信号的特征信息,计算结果表明,采用小波软阈值法对信号进行预处理,有利于提高扩展Prony算法对谐波和间谐波信号提取的精确性.     

基于小波的声发射信号去噪研究

由于小波变换具有较强的时频分析和局部分析能力,常用于非平稳信号的去噪处理中。首先根据小波分解后各高频系数所占的能量百分比对信号进行提纯,再对提纯后的信号进行小波阈值去噪,并运用信号能量百分比和频谱分析对去噪效果进行评判。实验结果表明,这种先提纯后阈值去噪的处理方法能够在保证信号不失真的前提下,有效去除声发射信号中的噪声。     

基于空间变换技术的脉冲激光声信号检测

针对目前脉冲激光声信号检测方法极易受到环境噪声的影响,导致检测精确度不理想的问题。提出基于空间变换技术的脉冲激光声信号检测方法。首先,采用小波阈值法去除脉冲激光声信号中的噪声;其次,利用球傅里叶空间变换技术对声信号中的声源展开定位,获取声信号的准确位置;最后,分别提取声信号中的比值特征、比重特征、频率特征三种参数,在此基础上通过SVM算法对其展开分类识别,以此实现脉冲激光声信号的有效检测。实验结果表明,所提方法的声信号检测精度超过96%。     

自适应分层阈值小波去噪在雷达信号中的运用研究

在处理拉曼雷达回波信号过程中,采用小波去噪法进行算法反演前的数据预处理,针对小波去噪的核心问题-小波基的选择和阈值的设定提出了自适应分层阈值软门限去噪的方法,并选择了不同的小波基组合软硬阈值对去噪结果进行了对比.经实验数据验证,相对传统的滑动平均滤波,纯粹的细节和抑制全局阈值法,自适应分层阈值软门限在获取相同信号、保持相同能量的前提下能更好地恢复信号;在有云情况下信号的尖峰结构也没有变化,有效地抑制了噪声,提高了细节识别度和反演精度.     

基于离散小波变换的低分辨雷达空间目标识别算法

针对低分辨率雷达体制下的空间目标识别问题,提出了基于离散小波变换的低分辨雷达空间目标识别算法。该算法首先对于空间目标的雷达回波信号进行离散小波变换,然后在时间-尺度平面上提取十个有效的统计特征,最后基于模糊分类来识别六类空间目标。计算机仿真实验表明,即使在较低的输入信噪比下,该算法依然对六类目标取得了比较好的识别效果。     

基于小波包能量熵的鱼类识别研究

提出了一种基于小波包能量熵作为鱼体回波声信号的识别特征量,用以实现不同种类鱼体的分类识别。通过在消声水池中完成鲫鱼、草鱼和鲳鱼三种不同种鱼体的回波声数据提取采集实验,进行了数据预处理,并利用小波包能量熵算法计算鱼体回波声信号的识别特征量,再分别通过BP神经网络和支持向量机两种分类器进行了分类,分类识别效果较好,识别率分别达到了76.1%和82.2%。验证了小波包能量熵对于鱼体回波声信号识别的有效性。     

基于小波域模糊阈值算法的脉冲星微弱信号消噪

脉冲星辐射信号具有极低的信噪比,传统降噪算法难以在抑制噪声的同时保留细节信息。为此,提出一种模糊阈值小波降噪算法。该算法通过引入模糊理论,建立隶属度函数,计算信号每个采样点的隶属度,再利用小波阈值消噪算法设定门限,将隶属度大于门限的采样值划归为信号,反之为噪声,从而达到降噪的目的。实验结果表明:与小波"db6"和小波"sym4"软阈值消澡算法相比,该算法能有效提高脉冲星辐射信号的信噪比,能保留较多的有用细节信息,避免脉冲累积轮廓过于光滑。     

一种新的小波阈值去噪方法研究

本文研究用组合小波对含噪信号的去噪问题,对均方根误差、信噪比、平滑度等信号指标进行多指标融合作为去噪效果的评价参数,根据评价参数确定最佳小波分解尺度、小波去噪最佳小波基和最佳阈值。新的去噪方法与传统的去噪方法相比,克服了硬阈值不连续的缺点,还克服了软阈值中估计小波系数与分解小波系数之间的恒定偏差的缺点。MATLAB仿真结果表明,新的阈值函数的去噪效果在各指标上都优于传统的阈值去噪方法。     

小波阈值去噪在尾流散射光信号处理中的应用

为了从噪声背景中有效地提取舰船尾流后向散射光信号,采用4阶Daubechies小波对采集的信号进行了1维离散小波变换,将主要包含目标船后向散射光信号的低频部分和主要包含噪声的高频部分区别开来,使用阈值函数进行小波系数处理.在小波软硬阈值去噪方法的基础上,提出了一种新的阚值函数.该阈值函数克服了硬阈值函数值不连续的问题和...     

New Wavelet Threshold Denoising Method in Noisy Blind Source Separation

In general conditions,most blind source separation algorithms are established on noisy-free model and ignore the noise that affects the quality of separated sources.Firstly,this paper introduces an improved natural gradient algorithm based on bias removal technology to estimate the demixing matrix under noisy environment.Then the discrete wavelet transform technology is applied to the separated signals to further remove noise.In order to improve the separation effect,this paper analyzes the deficiency of hard threshold and soft threshold,and proposes a new wavelet threshold function based on the wavelet decomposition and reconfiguration.The simulations have verified that this method improves the signal noise ratio(SNR) of the separation results and the separation precision.     

基于随机误差项的小波阈值去噪算法研究

针对振动环境下陀螺仪输出信号噪声干扰严重的问题,提出了一种用随机误差项改进小波阈值的去噪算法。通过对陀螺仪输出信号进行小波分解,根据频率成分将信号分解为多层;然后,对分解在各层的信号进行随机误差项辨识,进而利用随机误差项系数获取各层的噪声阈值;最后,利用获取的阈值进行小波去噪。改进阈值的提出,旨在解决Donoho全局阈值中因阈值选取过大或过小而产生的噪声误判或噪声残留问题,使噪声去除更彻底。通过实验分析,证明了本算法既能有效去除信号噪声,解决噪声残留的问题;又能保留输出的有效信号,解决噪声误判的问题。     

傅里叶变换与小波变换在信号去噪中的应用

对于高频信号和高频噪声干扰相混叠的信号,采用小波变换去除噪声可以避免用傅里叶变换去噪带来的信号折损。对于噪声频率固定的平稳信号,在对信号进行傅里叶变换后使用滤波器滤除噪声。对高频含噪信号则采用正交小波函数sym4对信号分解到第4层,利用极大极小值原则选择合适的阈值进行软阈值处理,最后利用处理后的小波系数进行重构。实验结果表明,对于高频含噪信号傅里叶去噪会出现严重的信号丢失现象,使用极大极小值原则选择阈值进行小波去噪可以有效地保留高频部分的有用信号。     

小波分析在微型光谱仪信号去噪处理中的应用

针对微型光谱仪光谱信号存在的噪声问题,利用小波变换在时频域具有多分辨率,能同时进行时频域局部分析的特性,运用Mallat分解和重构算法,通过C语言编程实现对光谱信号的噪声抑制.将程序应用到MS-Ⅱ明思微型生化分析仪系统中,对算法的有效性进行了验证.结果表明,用小波变换对光谱信号进行分析和处理,提高了光谱信号分析的精度,从而提高了系统测试的准确性和稳定性.     

小波阈值降噪法在Φ-OTDR扰动传感系统中的应用

针对目前基于相位敏感光时域反射计（Φ-OTDR）的分布式光纤扰动传感系统信噪比较差的问题,提出采用小波阈值降噪法对系统采样信号进行信号处理的前期降噪。分析系统有效信号特征,采用小波阈值降噪法中强制阈值降噪法、软阈值降噪法以及硬阈值降噪法分别对采样信号进行降噪处理,经过比较选择了阈值降噪法作为降噪算法。定量对比降噪前后扰动信号的信噪比,证明采用小波阈值降噪法中硬阈值法处理后的数据在进行后期定位算法时,信噪比提高近一倍。     

小波包在车载移动电话语音信号提取中的应用

利用小波包理论对车载移动电话的接收信号进行小波包变换,通过设定一合适的阈值对变换后的信号进行量化处理．提取出主要由发动机产生的噪声信号,然后用实际检测信号减去小波包变换信号,得出汽车司机的语音信号．从而达到消除噪声的目的。利用MATLAB的小波工具箱对所提出的方法进行验证,结果表明提取后的信号与驾驶员的声音信号十分相似,误差较小,对发动机噪声有明显的抑制作用。