子波变换在信号奇异性分析中的应用

信号时频分析对电子战侦察有重要意义。子波变换被认为对此有极大价值。对于波变换及其应用展开讨论。着重论述了子波变换的起源背景、子波变换是否无所不能和单尺度哈尔(Haar)子波平移变换检测信号瞬时频率，并对用于波变换脊分析无线电信号的方法所存在的局限性进行简要讨论。     

基于子波变换的语音去噪方法

本文在分析了随机噪声的子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子波模极大值的关系后,提出了用一个尺度间变化的门限阈值来抑制带噪语音信号在不同尺度上噪声子波系数,从而实现在重构语音信号中消除噪声的目的。文中还给出了不同信噪比语音信号的子波去噪的计算机仿真结果,从结果上看出,本文的方法有较好的语音去噪、增强效果。     

利用子波变换检测瞬时信号

本文提出一种基于子波变换的检测瞬时信号的方法。推导出一种适合于检测瞬时信号的子波基函数，并将其应用于检测波形和到达时间未知的瞬时信号，利用子波的伸缩和时移特性，通过对信号做多尺度的子波变换，可以在低信噪比下很好地检测到信号，本文还推导了相应的检测统计量及其统计分布特性，理论分析和计算机模拟结果表明，本方法是有效的，是提高检测性能的一种新途径。     

一种基于子波变换的图像边缘提取及去噪方法

提出了一种有效的用子波变换提取边缘及去噪的方法，该方法通过提取子波变换局域模最大值来提取图像边缘，并利用多尺度子波变换模值信息和角度信息去除噪声．由于该方法克服了以往使用单个尺度提取边缘的局限性，结合了子波变换多尺度的优点，因此能获得既有高信噪比，又有高定位精度的边缘检测结果．     

一种基于子波变换的水声被动信号去噪方法

根据水声被动信号的特点,采用二进子波变换理论,对水声被动信号进行多尺度分解,在子波变换的时频域对各分量进行分时分频相关分析和加权处理,然后通过子波反变换算恢复出目标信号的时域分布。最后经舰船辐射噪声信号的去噪实验验证,表明该方法对水声被动信号的去噪具有良好的效果。     

一种基于子波变换的信号滤噪改进方法

对子波变换多尺度下信号与噪声的不同性质进行了研究,提出了一种在子波域不同尺度上选取不同的滤噪方法,该方法将经典的软阈值滤噪与子波变换的模极值传播特性在一定尺度上有机结合起来处理信号.在改善信噪比的同时,也尽可能地保持原信号的边缘信息和精细特征.通过仿真验证了该方法的实用性和优越性.     

基于子波变换极大值描述的图像压缩编码方法

本文给出了玫种有效的从图像子波变换模局部极大值点链接图像多尺度边缘曲线的跟踪算法。研究了基于基图像子波变换局部极大值描述的压缩编码方法。     

应用卫星电视秒信号传播时延值对同步卫星运动周期的子波分析

讨论了子波变换用于信号突变的检测原理，并用这种方法分析了武昌时辰站１９９４年测量由卫星电视传播并由中央电视台发出的秒信号的时间延迟值，精确检出了该信号的突变点，并由此求出了同步卫星运动周期的变化特征。结果表明：利用子波变换能很好揭示同步卫星的运动特性。     

经典规范正交子波的一种简单广义化方法及其应用

从最简单的Haar尺度函数入手，提出一种简单而又快捷的方法，将每一个经典的规范正交子波基进行拓展得到一类新的规范正交子波基。新子波类中的每一个子波均继承了原始子波的许多基本性质，比如规范正交性，正则阶，时、频局域化特性等，同时也得到某些性能的改善，文中重点探讨广义Haar子波、广义Shannon子波和Meyer子波、Daubechies子波等的简单广义化；最后讨论新子波系统的一个直接应用：实（序列）信号解析子波变换的快速算法问题。     

数字信号处理中的子波变换技术

子波变换技术是当今世界数字信号处理等学科领域研究的热点之一。本文介绍了子波变换技术的发展概况，论述了子波变换的基本原理和基本方法，并分析了该技术在信号时频分析中的优越性。     

子波变换去噪及其在卫星电视秒信号传播时延数据处理中的应用

研究了子波变换在随机噪声滤波中的应用，讨论了子波变换模极大值同信号奇异性之间的关系；给出了利用该极大模信息的信号重建方法；并用实测的卫星电视秒信号传播时延值进行计算，理论研究和实算结果表明该滤波方法能很好揭示信号与噪声之间的差别，比传统的滤波方法有更好的效果，为滤波提供了一种有效的手段。     

Multiscale characterization of chronobiological signals based on the discrete wavelet transform

To compensate for the deficiency of conventional frequency-domain or time-domain analysis, this paper presents a multiscale approach to characterize the chronobiological time series (CTS) based on a discrete wavelet transform (DWT). We have shown that the local modulus maxima and zero-crossings of the wavelet coefficients at different scales give a complete characterization of rhythmic activities. We further constructed a tree scheme to represent those interacting activities across scales. Using the bandpass filter property of the DWT in the frequency domain, we also characterized the band-related activities by calculating energy in respective rhythmic bands. Moreover, since there is a fast and easily implemented algorithm for the DWT, this new approach may simplify the signal processing and provide a more efficient and complete study of the temporal-frequency dynamics of the CTS. Preliminary results are presented using the proposed method on the locomotion of mice under altered lighting conditions, verifying its competency for CTS analysis.     

基于多尺度边缘响应函数的自适应阈值边缘检测算法

该文提出了一种基于多尺度边缘响应函数的自适应阈值边缘检测算法。首先分析二进小波变换,根据边缘和噪声随尺度变化的不同特性,设计了多尺度边缘响应函数(MERF)。通过MERF中的乘积放大作用,增大了边缘响应的幅度,同时也抑制了噪声产生的伪边缘。然后利用小波变换多尺度之间的联合分布关系,计算自适应阈值,检测MERF的梯度模值形成多尺度边缘。该算法直接在小波特征上进行多尺度合成,避免了多个边缘图合成过程的病态问题。实验表明,与LOG,Canny以及Mallat多尺度小波检测方法相比,该算法在检测和定位之间能够达到更好的平衡,既能够实现小尺度下的精确定位,也可以保留大尺度下对噪声的抑制作用。     

Denoising by singularity detection

A new algorithm for noise reduction using the wavelet transform is proposed. Similar to Mallat's (1992) wavelet transform modulus maxima denoising approach, we estimate the regularity of a signal from the evolution of its wavelet transform coefficients across scales. However, we do not perform maxima detection and processing; therefore, complicated reconstruction is avoided. Instead, the local regularities of a signal are estimated by computing the sum of the modulus of its wavelet coefficients inside the corresponding “cone of influence”, and the coefficients that correspond to the regular part of the signal for reconstruction are selected. The algorithm gives an improved denoising result, as compared with the previous approaches, in terms of mean squared error and visual quality. The new denoising algorithm is also invariant to translation. It does not introduce spurious oscillations and requires very little a priori information of the signal or noise. Besides, we extend the method to two dimensions to estimate the regularity of an image by computing the sum of the modulus of its wavelet coefficients inside the so-called “directional cone of influence”. The denoising technique is applied to tomographic image reconstruction, where the improved performance of the new approach can clearly be observed     

负荷预测中基于小波分析的伪负荷数据的处理

论述了小波分解与重构法和非线性小波变换阈值法两种小波去噪方法。论述了一种应用于短期负荷预测中的伪数据处理方法:首先,利用小波变换将负荷序列投影到不同的尺度上;然后,在不同的尺度域分别计算模极大值,并根据负荷以天为周期波动的特性对模极大值进行处理;最后,通过小波重构得到去除伪数据的负荷序列。对实际负荷数据的计算表明了该方法的有效性。     

结合无下采样Shearlet模极大值和改进尺度积的有噪图像边缘检测

为从噪声污染的图像中提取出更为清晰、连续的边缘,进一步改善边缘检测效果,本文提出了一种基于无下采样Shearlet模极大值和改进尺度积的边缘检测方法。首先对含噪图像进行多尺度、多方向无下采样Shearlet变换（Non-subsampled Shearlet Transform, NSST）,得到图像在NSST域的高频系数;然后选取相邻的两个较大尺度的高频系数进行改进的尺度积运算,并经NSST模极大值处理得到边缘二值图像;最后使用区域连通方法去除二值图像中的孤立点,得到准确的边缘图像。大量实验结果表明,与小波模极大值、小波尺度积、基于无下采样Contourlet变换（Non-subsampled Contourlet Transform, NSCT）模极大值和尺度积、NSST模极大值等4种边缘检测方法相比,本文提出的方法具有更强的抗噪能力,且有效地避免了纹理的影响,检测出的边缘完整清晰,连续性好。      

Analysis of singularities from modulus maxima of complex wavelets

Complex-valued wavelets are normally used to measure instantaneous frequencies, while real wavelets are normally used to detect singularities. We prove that the wavelet modulus maxima with a complex-valued wavelet can detect and characterize singularities. This is an extension of the previous wavelet work of Mallat and Hwang on modulus maxima using a real wavelet. With this extension, we can simultaneously detect instantaneous frequencies and singularities from the wavelet modulus maxima of a complex-valued wavelet. Some results of singularity detection with the modulus maxima from a real wavelet and an analytic complex-valued wavelet are compared. We also demonstrate that singularity detection methods can be employed to detect the corners of a planar object.     

基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法

为了消除混杂在肌电信号中的噪声,该文提出了基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法。该方法先对肌电信号进行小波分解;其次,根据小波系数的奇异性,利用信号与噪声模极大值在小波尺度上的不同变化特性,分离出信号与噪声;再次,用Hermite插值法重构小波系数;最后从重构的小波系数恢复成去噪后的信号。实验结果表明,Hermite插值的小波模极大值重构能有效地去除噪声,提高信噪比,且保留了肌电信号的细节信息,为肌电信号的特征提取和模式识别创造了良好的条件。     

A new non-invasive method for valve stiction dection using wavelet technology

In this letter, we present a novel approach of valve stiction detection using wavelet tech-nology. A new non-invasive method is developed with the closed-loop normal operating data. The redundant dyadic discrete wavelet transform is used to decompose the data at different resolution scales. Based on the Lipschitz regularity theory, wavelet coefficients analysis across scales is performed to detect the jumps in the controlled variables. Adaptive wavelet de-noising is then applied to the data.Features of the valve stiction patterns are extracted from the de-noised data and the valve stiction probability is calculated.