小波包变换在重叠地震信号分离中的应用

地震资料处理中常会遇到重叠地震信号,而如何将这些重叠数据分离开,是一个有待研究的课题。论文利用小波包同时在频域和时域具有良好的局部化性质,采用Shannon熵标准来选取最优小波包基,确定了重叠爆破的延迟时间,从而成功地对重叠地震信号进行了分离。     

基于PRI变换和小波变换的雷达信号分选

分析了脉冲重复间隔（PRI）变换算法和小渡变换算法的基本原理，针对两种算法在雷达信号分选中的优缺点，提出了一种基于PRI变换和小波变换相结合的雷达信号综合分选方法。该方法首先利用PRI变换对雷达信号粗分选，然后应用小波变换进行细分选。仿真结果表明，在信噪比不低于10dB的条件下，该方法准确可行。     

基于PRI变换和小波变换的雷达信号分选

分析了脉冲重复间隔(PRI)变换算法和小波变换算法的基本原理,针对两种算法在雷达信号分选中的优缺点,提出了一种基于PRI变换和小波变换相结合的雷达信号综合分选方法。该方法首先利用PRI变换对雷达信号粗分选,然后应用小波变换进行细分选。仿真结果表明,在信噪比不低于10dB的条件下,该方法准确可行。     

最佳正交小波变换信号压缩

正交小波变换由于存在下采样,信号y(n）和y(n-1）的小波变换系数有可能差异极大,这会对信号压缩的性能造成很大的影响。本文提出了最佳小波变换的概念,我们在每个变换尺度上均对偶采样和奇采样的结果进行保留,产生一个二叉树结构,由此二叉树的任意一路径均可重构原信号,我们按照一定的准则确定最优分解路线,仿真结果表明,该变换方式较标准正交小波变换在取得较高压缩能力的同时,具有更高的信噪比。     

基于小波变换的脉象信号特征提取方法

为了较好地区分正常人与心脏病人的脉象信号，利用小波变换奇异性检测功能与多尺度分辨特性，提出了两种提取脉象信号特征的方法：连续小波变换法和二进小波变换法。在此基础上，构造了两种特征向量：小波变换系数的尺度——主波峰值和小波变换的尺度——能量值。经过对临床采集的235例脉象信号的处理与分析统计，所得数据具有较好的重复性与稳定性，可以作为用于脉象信号识别的特征向量。     

基于小波变换的心脑血管疾病脉搏信号分析方法

运用小波变换分析方法对心脑血管疾病患者和健康人的脉搏信号进行了特征分析,得到患者和健康人脉搏信号的不同频带能量分布比例特征。该特征在患者和健康人的脉象上有着明显的差别,可作为心脑血管疾病临床诊断时的一种参考依据。     

无缝栅格数据小波金字塔构建

栅格数据金字塔是空间信息系统中的一类基本组织结构,基于小波的金字塔构建方法需要考虑数据分块导致的边界问题,现有算法或者未考虑边界问题,或者在消除边界缝隙问题时需增加大量的计算。针对分块数据小波变换的边界问题,提出分块数据的小波系数拼接算法,该算法对相邻子块边界系数进行叠加,使拼接后的小波系数等效于直接对大数据进行小波变换。在此基础上,提出无缝栅格数据小波金字塔构建方法:首先对大块数据进行分块多级小波变换,然后利用小波系数拼接算法完成对各块系数的无缝拼接。该金字塔结构消除了边界系数,实现了各子带小波系数的无缝组织。实验结果表明,拼接算法可大幅减少高层金字塔的数据量,且易于实现。     

小波变换在信号处理中的应用

小波变换是近年来发展起来的一门理论，在图像处理，通信和地球物理上取得了成功的应用。小波包变换是小波变换的推广。本文应用更适合实际分析化学信号处理的小波变换来处理重叠的分析化学信号。此方法是建立在多分辨率分析的基础之上的。我们应用此法处理多组分重叠色谱信号的结果表明，此法不仅有效地解决了多组分重叠信号的解析问题，而且较传统的方法处理速度快且准确。可用于定量分析。     

MEA信号锋电位的小波变换分类

小波变换是信号处理领域最近若干年发展起来的先进方法，对信号的时域信息和频域信息都有很好的表现。我们利用小波变换对MEA信号的锋电位数据矩阵进行小波分解，将各锋电位变换后的最后一个尺度的逼近信号和各尺度上的细节信号的方差对波形非相似性测度的贡献率的大小作为依据，鉴别波形的不同。找出贡献率和大于90％的8个数据进行系统聚类，大大地降低了数据的维数和计算机的机时，并得到了很好的分类结果。     

基于小波包变换的脑电波信号降噪及特征提取

针对原始脑电波信号存在非平稳性且非常容易受到各种信号干扰等特点,对基于小波变换和小波包变换的脑电波信号的滤波降噪方法,和基于小波包变换的脑电波信号特征提取方法进行了研究。首先利用MindSet采集到原始脑电波数据,然后分别应用小波变换和小波包变换对其进行降噪处理,比较了两种方法的性能,验证了基于小波包变换的降噪方法的优越性和特征提取方法的有效性。     

小波变换信号分形分析在鼾音信号处理中的应用

主要研究小波变换的分形方法在分析鼾音信号中的应用问题。首先分析信号波形特点并检测其瞬态脉冲。通过对频谱分形特性的动态分析,及时诊断病变信号的危害程度。仿真实验结果表明,针对典型的非平稳鼾音信号,与传统的傅氏变换方法相比,所提出的方法具有明显的优点。     

基于级联离散小波变换的信号去噪方法研究

提出了基于级联离散小波变换的信号去噪方法。该方法通过对带噪信号作一层离散小波变换(DWT)后提取的低频部分和高频部分分别作一层DWT和四层DWT,然后,对低频部分提取的低频成分和高频成分均作三层DWT,接着,对所有分解的小波系数进行阈值处理,最后,完成信号重构。实验结果表明:在同样的小波分解层次下,本方法去噪效果好于DWT法和WPD法。     

地震信号小波变换的去噪方法

运用模极大值法基本原理进行地震信号去噪研究,进而运用二次小波变换原理通过低层系数处理对常用小波去噪方法进行改进.通过合成不同的染噪地震信号,由一系列仿真实验对模拟地震信号进行不同尺度的小波分解与重构,从而实现最优小波分解尺度上的地震信号噪声去除.与常用的快速傅立叶转换方法比较,仿真结果表明,该小波变换方法能够有效去除地震勘探信号中的噪声,并且针对系数的二次小波变换可以明显改进去噪的效果.     

运用小波变换捕捉信号的奇异点

在石油工业中,对泄漏事故及早发现并防止扩散已成为重要而紧迫的研究课题.该检测系统采用负压波检测法,根据泄漏产生的瞬态压力信息传播到上、下游的时间差,以及管内压力波的传播速度,即可计算出泄漏点的位置.但由于工业现场的电磁干扰、输油泵振动等因素,使采集到的压力波形序列夹杂着大量噪声,因此要实现负压波准确定位,关键在于利用小波变换技术捕捉信号奇异点(瞬态压力信息).该方法在MATLAB中对Daubechies小波进行了分析,证明压力波形可以在泄漏开始的瞬间产生较大的幅度变化,从而准确判断泄漏时刻.     

基于频域小波变换的Fourier去卷积法研究

将小波变换用于对频域信号的处理,提出了用频域小波变换获得的模糊项作为线性函数的Fourier去卷积法.与其他FSD方法相比较,本文提出的方法对不同类型峰形信号如HPLC信号均具有良好的分辨效果.由于不用选择线性函数,该方法还具有通用性较强,操作简便等优点.重叠峰分辨效果好的主要原因是由于从Fourier变换得到的模与其经小波变换获得的模糊项具有相似的线性和峰宽,能较大程度与原始谱峰相符.该方法有望用于不同类型重叠峰信号的分辨.     

基于小波变换的语音增强方法研究

分析了小波去噪原理,根据随机噪声的小波变换系数在不同尺度上的传递特性和噪声信号奇异性与小波模极大值的关系,同时考虑到语音中浊音和清音的特点,提出了一种改进阈值的小波域语音增强方法。在阈值函数中引入参数,通过调整参数以获得最佳的小波系数的阈值估计,使得改进阈值介于硬阈值与软阈值之间。利用改进阈值对染噪语音信号的小波系数进行阈值处理,既抑制了噪声,又减少了语音段信息的损失。仿真结果表明,这是一种有效的语音增强方法。     

基于小波变换的信号去噪的应用研究

文章指出了小波变换去噪方法与一般意义下去噪方法的不同,讨论了小波变换算法的优越性,进而提出了利用小波算法对含噪信号进行逐层分析与重构,将原始信号分解为不同频带,滤除不需要的频带,最后用Mallat重建算法得到去噪后的信号,既有效地滤除了信号噪声,又保留了信号的突变性。大量的实验结果和进一步的分析表明,该技术应用在动力系统的去噪研究中将更加有利于系统的稳定运行。     

小波变换在传感器信号滤波中的应用

在流速测量过程中采集的加速度传感器信号是含有随机干扰的信号,为了改善滤波效果,尽可能排除随机信号的干扰,本文介绍了小波变换理论在加速度信息滤波中的应用,并进行了仿真实验。仿真结果表明,小波变换具有良好的时频特性,能有效检测出信号中所含各频率成分,减小测量误差,在传感器信号滤波方面有广阔的应用前景。     

基于小波变换的动态称重信号处理方法

针对目前动态汽车衡因货车拖磅称重而导致称重信号异常及称重不准确问题,提出采用小波变换极大值信号重构算法对拖磅称重信号进行处理:首先将拖磅称重信号逐层分解到不同频域和时域,在保持频率不变的条件下,对称重信号逐级求极大值点,得出信号逐级变化趋势;然后将多级称重信号按原离散逼近系数重构成新的称重信号,进而得到车辆称重信息。现场实测表明,采用小波变换极大值信号重构算法处理后的货车拖磅称重数据与正常过磅时称重数据的误差小于1%。