一维离散小波/小波包变换的VLSI结构

小波/小波包变换作为强有力的信号处理手段,正在越来越多的领域中得到了应用,因而其硬件实现也日益受到重视.本文针对小波/小波包变换在语音编码中的应用,给出了一维离散小波/小波包变换的VLSI结构.和现有的一些实现方案不同,该结构可用于不同支集长度小波、不同长度数据段、不同变换阶数,具有较大的通用性和可编程性,可作为多种处理系统的片上变换单元,亦可单片实现     

基于多项式插值的小波变换预滤波器设计

该文提出了基于多项式插值的预滤波器设计方法, 这种方法从分析尺度函数出发设计预滤波器。信号均匀采样时, 预滤波器是时不变滤波器, 其系数是分析尺度函数各阶矩的线性组合。预滤波器的逼近阶取决于分析尺度函数的支撑集长度而不是正则阶。该设计方法有两个突出的优点:可以设计比传统预滤波器更高逼近阶的预滤波器,如综合尺度函数整数点的值构成的特殊预滤波器和由预尺度函数法产生的预滤波器等,可以很自然地推广到信号非均匀采样的情况, 相应的预滤波器是时变滤波器, 逼近阶依赖于分析尺度函数的支撑集长度和采样点的分布。数值结果表明, 利用基于多项式插值的小波变换预滤波器可以得到逼近效果更好的初始尺度系数。     

基于发动机冷试的非平稳信号分析与特征提取

联合时频是分析非平稳信号的有力工具,文章通过几种时频分析如STFT、Wigner-Ville分布、小波变换和小波能量商,对发动机冷试振动信号进行分析。结果表明:STFT、WV、及WT均能一定程度反应信号的时频分布,STFT频率分辨率有限,WV分布存在一定的交叉干扰项,小波变换能够在各个尺度对信号进行观察,小波包能量商能够清楚地观察信号的能量分布,能够作为发动机状态的特征向量。     

基于平稳小波变换的心电信号噪声消除方法

本文针对小波空间适应法在心电信号消噪中的缺陷,提出一种利用平稳小波变换(Stationary Wavelet Transform)的心电信号消噪方法,对受噪声污染的心电信号进行多层平稳小波变换,逐层估计平稳小波变换细节信号中噪声的均方差σ_j,选取各层阈值σ_j 2lnn (n为细节信号长度),对平稳小波变换的各层细节信号进行分别阈值处理,然后进行小波逆变换重建信号,以达到对信号消噪和恢复的目的.这种方法可以很好的抑制小波空间适应法消噪出现的Gibbs现象,较好地保持了心电信号的几何特征.     

基于连续小波变换的多数据心率提取方法

针对多普勒雷达生命体征检测时强谐波干扰问题,提出一种基于连续小波变换特征提取的改进方法。首先,针对特征信号选择多组不同时间长度的数据集;然后,在小波域分别进行连续小波变换。根据频谱峰值位置是否与数据时间长度相关,识别呼吸信号、呼吸谐波和心跳信号提取心率信息,并对频率分辨率进行分析。实验结果表明:采用文中提出的方法利用4 s~5 s的数据即可检测出心率,当频率分辨率要求为0.1 Hz 时,该方法在有效消除谐波和快速识别心率方面得到了较为满意的效果。     

基于提升小波变换对音乐信号压缩的研究

用提升方法构造传统小波,并将构造后的提升小波用于音乐信号压缩中。对一段音乐信号通过提升小波分解。并分别基于提升格式下的haar,dbN,symN小波对音乐信号进行压缩。观察仿真结果,对比基于提升小波进行压缩后的效果．得出压缩的较佳方案。再通过小波变换对音乐信号的压缩,得出基于提升小波变换的优点。     

小波变换音频编码算法研究

任意能量有限信号都可以用紧支撑正交小波基展开或分解，这一点对研究快速高效音频编码算法是非常重要的。本文设计一种基于正交小波变换的高保真音频编码算法，该算法可以把速率为７０５．６ｋｂｉｔ／ｓ的高保真音频信号压缩到１９２ｋｂｉｔ／ｓ，１６０ｋｂｉｔ／ｓ，１２８ｋｂｉｔ／ｓ，９６ｋｂｉｔ／ｓ和６４ｋｂｉｔ／ｓ，并保持重构音频信号的高质量。     

一种新的基于混合域的数字音频水印

在数字水印的基础上,提出了一种基于DCT和DWT混合域的音频水印的算法。首先对原始的音频信号进行离散小波变换,得到音频信号的精细分量和近似分量,然后对这两种系数进行离散余弦变换,最后将两种不同的水印嵌入到两种系数。提取水印信息时,不管音频信号的长度如何,均采用相同的方法进行变换。实验证明,此方法可以实现不丢失音频信号的频率信息,在考虑嵌入的两种不同水印的顺序的原则下,实现嵌入和提取信息的同步。     

基于小波变换阈值的信号去噪

对基于小波变换的信号检测方法进行深入的研究,在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去噪声,使有用信号能从噪声中检测出来,提高信号的分辨率,信噪比。     

基于双正交FDWT的雷达数据压缩和目标识别方法

本文由双正交共轭滤波器构造有限维内积空间的双正交多分辨分析和快速离散小波变换(FDWT),提出信号的对偶小波变换方法,并将其用于降低雷达数据存储量,提出双正交变换系数筛选方法以及基于压缩数据的小波域相关和最小距离分类方法。通过六种飞机目标的距离高分辨数据的分类实验,证明本文提出的变换、压缩和识别方法是有效的。     

一种混合噪声图像的自适应滤除方法

基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的去噪效果,正交小波变换由于缺乏平移不变性,在去噪过程中会产生人为的振荡现象,使图像边缘失真,甚至图像模糊,提出了基于平稳小波域自适应阈值算法同中值滤波相结合的去噪方法,该方法能有效地滤除图像中的高斯白噪声和脉冲噪声组成的混合噪声,并验证了该方法的有效性。     

基于双小波系数测量有效值

从双正交小波出发，得出利用双正交小波及正交小波系数求电压、电流有效值的公式，并进行了离散化，同时对一电压信号进行了数字仿真，最后对结果进行了分析和研究。     

基于Neyman-Pearson准则的小波阈值去噪法

本文分析了噪声的小波变换特征,阐述了基于阈值的正交小波变换去噪法,在此基础上提出了一种基于Neyman-Pearson准则的小波阈值去噪法。其小波阈值的选择是依据设定虚警概率后使得检测概率为最大的准则,并随各尺度独立。通过实验验证了该方法的有效性和优异性。     

基于小波变换和改进SVD的红外图像去噪

针对小波变换红外图像去噪需要已知噪声先验知识的缺点,提出了一种基于分块奇异值分解的正交小波变换红外图像去噪新算法。首先对红外图像进行离散正交小波变换,并对高频图像采用改进的分块奇异值分解估计小波系数,其中对奇异向量采用傅里叶变换进行了修正;最后将低频图像与估计的高频图像通过小波反变换得到去噪图像。仿真结果表明,该图像去噪算法能在无噪声先验知识条件下有效去除图像噪声,信噪比有了明显提高,并获得了良好的主观视觉效果。     

基于正交小波变换的瞬变步长LMS自适应滤波算法

本文在滑动准最小均方误差瞬变步长LMS（SPLMS）算法基础上提一种基于正交小波变换的瞬变步长LMS（WTSPLMS）的改进自适应滤波算法,该算法较好地利用了正交小波具有良好的时频局部化的特性,使之除具有SPLMS算法的优点外,还具有更高的起始收剑速率,更小的权失调噪声,更大的抑噪能力,计算机仿真效果较好,支持了理论分析。     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

基于非抽取小波变换的遥感图像贝叶斯去噪

图像去噪是遥感图像处理的一个重要方面。文中基于非抽取小波变换,提出了一种贝叶斯图像去噪方法。对小波系数采用广义高斯分布建模,根据贝叶斯估计理论,得到贝叶斯收缩阈值,采用软阈值收缩去噪。实验结果表明：该去噪方法能够有效地抑制正交小波变换产生的人为干扰和伪Gibbs现象,与正交小波变换阈值去噪方法相比具有明显的优越性。     

基于正交小波变换的变步长盲均衡算法研究

针对常数模算法(CMA)剩余误差大与收敛速度慢的问题,将变步长思想和正交小波变换引入到常数模盲均衡算法中,提出了基于正交小波变换的指数型变步长常数模盲均衡算法(WT-VCMA)。水声信道仿真结果表明:与基于剩余误差的指数型变步长常数模盲均衡算法(VCMA)及常规常数模算法(CMA)相比,新算法具有更快的收敛速度和更小的剩余误差。     

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。     

Power System Harmonic Detection Using Frequency-Domain Interpolation Wavelet Transform

Multi-frequency harmonics detection is important for fault diagnosis, harmonic analysis and parameter detection in power system[1,2]. The conventional harmonic measurement methods are fast Fourier transform (FFT) and short time Fourier transform (STFT), FFT is suitable for integer harmonic analysis, but it brings large error to non-integer harmonics due to its spectral leakage, aliasing and picket fence effect. STFT can detect non-integer or non-period harmonics with low resolution, beca…