基于小波变换的脉搏波标志点检测方法

针对脉搏波信号的标志点检测提出了一种基于小波变换的信号特征检测方法.该方法首先对脉搏波信号在小尺度上进行小波变换,然后利用系数中的极大极小值对来确定原始信号峰值的范围,进而返回原始信号定位峰值点.最后以原始信号的峰值为参照点提取出其他标志点的具体位置.采用此方法进行脉搏波信号的标志点定位,为进一步进行血流动力学参数的计算研究奠定了基础.     

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。     

基于小波变换的胎动信号采集与分析方法的研究

胎动信号的监护可以有效预防胎儿死亡。针对胎动发生时引起母体腹壁压力改变这一生理特征,构建一个基于加速度传感器的胎动信号采集系统,从母体腹部提取到胎动信号并发送给终端设备。针对母体腹部提取的胎动信号成分复杂、信噪比较低的特点,采用小波软阈值去噪方法对采集的信号进行去噪处理,有效地去除了信号中的噪声部分。     

基于小波的数字调制信号特征分析

介绍了一种新的Leago小渡，分析了其基本特性，并利用Leago小波对幅度键控（ASK）、频移键控（FSK）、相移键控（PSK）信号的突变特征进行了分析，得到了一些不同于经典小波分析的特征规律。实验结果表明，Leago小波确实具有独特的性能特点．能够显著地表征数字调制信号的突变特征。     

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。     

基于改进HHT的脉搏信号分析方法

利用传统希尔伯特-黄变换(HHT)处理脉搏信号时,经验模态分解(EMD)分解精度低,并且存在模态混叠问题。为此,提出一种改进的HHT方法。结合时变滤波(TVF)对脉搏信号进行EMD得到一系列本征模态函数(IMF),采用相关系数法提取有效的IMF分量,并对其运用希尔伯特变换得到脉搏信号的Hilbert谱和边际谱。实验结果表明,该方法可提高分解精度,有效解决模态混叠问题,同时去除信号中的干扰成分,得到的Hilbert谱和边际谱能够准确反映脉搏信号的时频特性。     

一种基于小波变换的脉搏波速度测量方法

动脉脉搏波速度变化是动脉血管病变的指示剂,因此脉搏波速度的检测对血管疾病的预防和治疗有很大的帮助作用.脉搏波中夹杂的各种噪声干扰会影响测量结果精度.利用小波变换可以去除脉搏波中的各种干扰,实现波形的平滑重构,为提高测量精度打下基础.脉搏波波速的测量精度在很大程度上取决于波速参考点的提取,首次采用二次差分峰值点作为波速参考点,提高了测量精度.临床实验证明,新方法能够有效地分析出脉搏波速度,有助于动脉血管弹性程度的辅助诊断.     

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。     

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%。     

基于小波变换的脑电瞬态信号检测

在脑电（ＥＥＧ）信号分析与处理过程中,瞬态信号的检测和定位具有非常重要的实际意义,传统的瞬态脉冲检测方法是匹配滤波,但匹配波滤需要有关瞬态信号的先验知识,因而在实际应用中受一定的限制,本文用小波变换对含有瞬态干扰的脑电信号进行多尺度分解,在某些尺度下,瞬态信号特征得以明显增强,用简单的阈值比较就可以有效地检测并消除瞬态干扰,实验结果表是有,在缺乏先验知识的条件下,小波变换能有效检测出脑电信号中短时,低能量的瞬态脉冲。     

基于离散小波变换的信号分解算法研究

提出一种基于离散小波变换的信号分解算法.实验结果表明,该算法较好地克服了传统信号分解在高频段的频率分辨率较差,而在低频段的时间分辨率较差的缺点。     

基于小波变换的MPSK信号符号速率估计算法

在非合作MPSK信号调制方式识别和盲解调过程中,符号速率的估计是一个重要环节.本文根据morlet 小波函数的时频特征以及MPSK信号的时频分布,提出了一种基于morlet小波变换的MPSK信号符号速率估计算法.仿真结果表明,与现有算法相比,该算法对载频估计误差不敏感,具有更低的信噪比门限,也更逼近CRLB曲线.     

基于小波变换的非平稳信号去噪

传统的信号去噪算法往往仅对平稳噪声或缓慢变化的噪声有效, 且残留的信号噪声较大。基于小波变换的去噪算法对传统的小波阈值法进行了改进,根据信号与噪声在小波域的分布特性以及信号和噪声小波变换的模极大值随尺度的变化大小不同,得到噪声在小波域中的位置以及小波系数大小。实验结果表明：该算法对平稳和非平稳的噪声都能进行较好地去噪。     

基于DSP离散小波变换的信号不连续性检测技术

本文介绍了离散小波变换的原理及其在处理非平稳信号时的优势.通过使用离散小波变换对输入的带有间断点的信号进行分析,给出了经过小波变换的结果的图形并进行了分析.本实验硬件平台使用TMS320C5509APGE开发板.     

基于冗余离散小波变换的信号配准及分类

离散小波变换(Discrete wavelet transform, DWT)对输入信号的平移敏感,当输入信号间存在平移时, 基于DWT的信号分类会受到负面影响. 本文提出一种基于冗余离散小波变换(Redundant DWT, RDWT)的信号配准及分类方法, 克服了DWT的平移敏感性, 解决输入信号间存在平移变化的信号分类问题, 同时实现了信号配准以及平移不变小波系数提取. 对基准信号作离散小波变换. 对测试信号作冗余离散小波变换, 得到测试信号的平移所对应的DWT分解, 计算其同基准信号DWT分解之间的相似性, 根据相似性大小对该测试信号分类并确定其相对基准信号的平移量. 利用ECG (Electrocardiograph)信号的仿真实验证明了本文所提方法的有效性.     

脉搏波信号分析方法的研究进展

脉搏波蕴含着丰富的人体生理和病理信息,历来都受到中外医学界的重视,现已成为中西医共同的研究热点.本文从目前较为主流的几种分析处理脉搏波信号的方法出发,分析了每种方法对脉搏波信息提取和利用的现状,提出了应对脉搏波进行更为深入的研究,从而为医学脉搏信号诊断系统的设计和脉诊的临床应用提供科学的依据.     

基于小波变换的多方向小波变换

方向小波变换(SAWT)是小波变换(WT)的多方向扩展,它的基是各向异性的,具有多尺度、多方向的图像表示特性。SAWT不能恒保持多分辨率尺度关系,不能较好地表示图像中的平滑区域,因此利用WT和SAWT构造了一种新的多尺度、多方向且能保持多分辨率尺度关系的小波方向波变换。为了验证该变换的有效性,利用其进行了图像去噪实验。实验结果表明,所提方法能够很好地表示图像中的平滑区域和细节信息,并且能获得更高的峰值信噪比和结构相似性。     

基于提升小波变换的并网逆变系统信号去噪

分布式电站的功率调节系统采用并网逆变器进行直流/交流电转换输出,其核心处理器是定点型DSP器件.为了抑制系统外部干扰和测量噪声,需要在控制系统中加入滤波环节.由于采样信号波形是非光滑曲线,存在跳变点,为了获得去噪后良好的近似精度和不失真,选用自适应小波变换来线性近似信号.文章针对控制系统的处理器的特点,选择提升小波变换,应用于DSP嵌入式系统的反馈信号数字滤波.实验结果显示,采用自适应提升小波变换滤波后,在不影响控制系统的实时性能条件下,具有良好的抗干扰能力和去噪效果.