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。     

基于小波网络的信号识别算法

为提高小波网络运行速度,缩短小波网络的训练及运行时间,提出一种基于提升小波变换和神经网络算法的改进小波网络——提升小波网络.首先将带有明显特征的信号作为网络输入,经过权值处理输入到隐层节点进行提升小波变换处理,提取信号的低频系数作为隐层节点的输出,再经过权值化处理输入到输出层节点进行0-1输出,进而达到对信号的特征识别...     

基于小波变换的电力线通信信号识别研究

在电力线数字通信信号识别研究中,针对电力线通信强噪声干扰和识别器算法复杂的现状,设计了一种算法简单、计算量小的信号识别器。在输入噪声为背景噪声的条件下,通过小波变换的方法提取电力线数字通信信号的特征值,由统计识别模式得到最优识别阈值,将阈值和信号的特征值进行比较,最终识别信号的调制类型。仿真结果表明,当信噪比为5dB时,类间和类内的正确识别率分别达到93%和95%。     

基于SWT和FRFT的脉冲星TOA估计算法

提出了一种基于平稳小波和分数阶傅立叶变换的脉冲星超分辨率TOA估计算法。首先,对一个周期内的脉冲星信号进行多层平稳小波分解。然后,估计出与各层低频系数分数阶傅立叶变换相对应的TOA。最后,对脉冲星信号到达时间进行复合估计。实验结果表明,在低采样率,强噪声背景的情况下,该算法能获得稳定、准确的脉冲信号到达时间。     

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。     

基于BP神经网络的车辆声音信号识别

声音信号包含着很多的信息量,且获取比较方便.近年来,声音识别技术被广泛应用于各个领域,有着重要的意义.本文主要介绍了小波理论和BP神经网络识别算法.通过对采集到的不同类型车辆的声音信号进行分析和预处理,采用小波变换提取低维的特征参数,构建并成功训练一个三层BP神经网络,从而有效地识别出了车型.     

基于EMG信号的无声语音识别应用及实现

提出了基于肌电信号（EMG）的无声语音识别系统。由于该系统是通过EMG信号而非声音信号进行识别,因此可应用于高噪声环境和帮助失去发音能力的人实现无声交流,有着良好的应用前景。关于该系统的实现,提出了以下方法：实验时使用0—9十个中文数字,由受试者不发声地重复说出,从三块面部肌肉采集EMG信号;对EMG信号进行小波变换,获取变换系数矩阵后提取其能量值,构造特征矢量送入BP神经网络分类器分类。实验表明,基于小波变换的特征提取方法是一种有效的方法．适用于类似EMC信号的非平稳生理信号。     

基于改进小波变换及神经网络的电子音乐信号识别方法

基于当前智能化发展水平,通过优化小波变换与神经网络,提出一种电子音乐信号自动化识别方法。合理扩大信号高、低频系数,经小波变换降噪,适当缩小高、低频系数,采用多输入多输出神经元,构建前向的径向基函数神经网络,将隐藏层神经元换成高斯激活函数,令信号呈中心径向对称形式,求解连接权重后,架构自动识别流程。仿真实验阶段,针对不同风格的电子音乐信号,检验该方法的降噪效果与自动识别准度、速度。实验结果验证出所提方法噪声滤除优势显著,且能够精准、快速地识别出目标电子音乐信号,具有较好的有效性与可行性。     

基于小波变换和相似性度量的视频文字识别

视频文字识别在视频分析与检索中有着重要作用,该算法对字幕图像进行N层小波分解,获得该视频文字的低频分量,再借助相似性度量方法实现视频文字的识别.实验结果表明,基于小波变换和相似性度量的视频文字识别算法能有效避免复杂背景等因素影响,有效提高视频文字的识别效率.     

基于小波的信号分析

简介小波概念之后,对一组模拟信号进行分析,采用小波变换,选出合适的小波函数,处理后再重构。对采用Mexican hat小波、Shannon小波、Meyer小波这三种不同小波得到的去噪结果进行比较,验证信号的滤波效果与选取的小波类型有较大的关系。     

基于双树复小波变换的X射线脉冲星信号处理

X射线脉冲星信号是一种典型的信噪比非常低的非平稳信号,为了提高对X射线脉冲星信号的识别效果,有效去除噪声是非常必要的。在详细分析了传统去噪算法的优劣之后,提出了一种基于双树复小波变换的X射线脉冲星信号去噪算法。此方法充分地利用了双树复小波变换的平移不变性、有限的数据冗余度和完美的重构性等特点,并研究了双树复小波结合软硬阈值估计法和实小波结合软硬阈值估计法对X射线脉冲星B0531＋21进行去噪的效果。实验结果表明,基于双树复小波变换的消噪算法较小波变换算法相比,对X射线脉冲星信号去噪的效果有了很大的提高。     

基于时域双谱特征的雷达目标识别

雷达目标高分辨一雏距离像(High range resolution profile,HRRP)是目标散射回波在雷达径向上的投影,具有非高斯、非线性特点.文中从双谱概念出发引入时域双谱概念.分析了HRRP的时域双谱特征.为提高识别性能,定义了Fisher类可分离度函数,以类间可分离度最大化作为特征提取准则,提取一些特征双谱作为HRRP的特征向量.采用基于子空间变换的独立分量分析(Principle component analysis,PCA)和线性判别分析(Linear discriminant analysis,LDA)的特征提取方法进行了对比实验.结果表明,本文方法用于雷达目标高分辨一维距离像识别具有良好的抗喙性能和较高识别率.     

基于小波不变矩的雷达辐射源信号识别

针对雷达辐射源信号识别,提出一种基于时频分布的小波不变矩特征向量提取和识别分类方法。对雷达辐射源信号时频图像进行处理,对图像进行小波变换,提取小波矩的特征向量。采用支持向量机分类识别的方法,对特征向量进行训练,实现信号识别。对6种常见雷达信号进行分类,结果表明在信噪比较低的情况下也能取得较好的识别效果,在SNR为-3 dB时,识别正确率仍达到93.9%。     

基于小波包分解与RVM的声发射信号识别

声发射信号识别目前已经成为检测大型储罐底板缺陷状况的普遍方法之一.针对现有声发射检测技术对原始信号的处理与分析方法的不足,对储罐底板腐蚀程度分类识别方法的不明确,基于小波包分解,对声发射传感器接收到的原始信号进行特征提取,得出了信号的特征向量,通过训练相关向量机,结合相关向量机模型对待测设备进行腐蚀类型归类识别,得出分析结论.应用该方法对大连某企业的储油罐进行实测数据检验,分析结论与储油罐实际状况相同,验证了该方法具有科学性与可行性,能够诊断大型储罐底板腐蚀状况的准确性和可靠性.     

基于小波变换和粗糙集的早搏信号识别算法

心电特征参数的选择和提取是心电图(ECG)分析的基础,提升检测算法的识别率和特征分类的精度是自动分析技术的关键。提出了基于小波变换和属性约简的心电早搏信号识别算法。该算法首先依据心血管专家的诊断标准选择了12个心电特征参数;然后运用基于小波变换的特征检测算法进行了特征提取,并利用基于粒计算的属性约简算法对特征参数进行了属性约简;最后,将约简后的数据用于模式分类并通过MIT-BIH数据库对结果进行验证。实验表明,约简后的分类精度大大高于约简前的数据,特征参数的合理选择(约简)是提高识别效率的重要因素。     

小波变换提取的胎动信号的神经网络识别

胎动监护是预防围产期胎死的一项重要手段。本文介绍了一种用小波变换实现胎动信号滤波并利用BP神经网络识别胎动以实现胎动自动监护的方法,其中胎动信号利用压力传感器从孕妇腹部获取。通过使用所设计的分类系统对13例共260min的腹部胎动信号进行识别,总的正确率达90．05％。从实验结果看,本方法效果令人满意。     

基于小波包与支持向量机的复杂信号模式识别

为很好地识别神经和肌肉的功能状态,针对表面肌电信号的非平稳特性,提出了采用小波包变换的方法对原始肌电信号进行分解,并提取其频段系数的最大奇异值构建特征矢量.利用"一对一"的分类策略和二又树构建多类支持向量机分类器,经训练后可以有效地对前臂8种动作的表面肌电信号进行识别,8种动作的平均识别率达到99.375%.实验结果表明,支持向量机分类器的识别率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且鲁棒性好,并具有良好的泛化推广能力.     

基于小波变换的雷达信号调制类型识别方法

为适应复杂环境下雷达信号脉内分析的需要,提出一种脉内调制类型识别方法。基于Morlet小波变换提取信号小波脊线,根据瞬时频率和最佳尺度的关系得到时频曲线,基于时频曲线的形状识别脉内调制类型。构造时频分辨率调节函数,优化小波脊线提取过程,提出形状识别算法,达到提高识别准确率、降低计算量的目的。仿真结果表明,信噪比为3 dB时,该算法的识别准确率在98%以上,信噪比为1 dB时,识别准确率能达到70%以上。     

基于小波模极大值的脉搏信号特征点识别方法

传统的脉搏信号时域特征点识别方法未考虑脉搏形态的多样性,缺乏与脉搏波形成机制之间的联系,从而限制了其识别准确性。为此,引入小波变换模极大值曲线及其奇异点检测理论,结合脉搏波形成机制和脉搏特征点释义,提出一种脉搏时域特征点识别方法。运用小波变换模极大值曲线检测脉搏信号中的奇异点,根据奇异点的性质与位置关系,确定各时域特征点所在的位置范围,利用差分法确定各个时域特征点的位置。实验结果表明,该方法不仅能避免脉搏频率不稳定性对特征点识别的干扰,而且能适应脉搏形态的多样性,其时域特征点识别准确率优于滑动窗口法、香农包络线法以及经验划分法。     

基于复小波和Gabor小波的人脸识别

针对双树复小波变换(DT-CWT)不能直接提取水平和垂直2个方向特征的不足,提出一种结合DT-CWT和Gabor小波的人脸识别方法。将Gabor小波提取的0°和90°特征与DT-CWT提取的6个方向特征连接起来共同构成人脸特征向量,采用Fisherfaces方法构建特征向量的线性子空间,应用基于欧氏距离的分类器实现分类。在ORL数据库上的实验结果证明了该方法的有效性。