一种数据流中奇异数据的自适应恢复方法

为了在线检测并恢复数据流中的奇异数据,该文提出了一种新颖的能够适应数据流动态变化的奇异数据识别修正方法,基于卡尔曼滤波检测下一时刻的奇异数据,引入带有尺度导引的插值小波,根据流值变化的快慢程度确定插值小波的尺度,在不降低奇异数据恢复精度的情况下,恢复奇异数据。     

垮落煤岩性状识别研究

针对综放工作面垮落煤岩性状识别的技术问题,提出了一种基于连续小波变换和改进奇异值分解的识别方法。采用基于单边Jacobi的奇异值分解(SVD)方法对小波系数矩阵进行分解,得到与小波系数矩阵列向量位置对应的奇异值向量,并将奇异值向量作为神经网络的输入向量来识别落煤和落岩2种工况。现场试验结果表明,基于连续小波变换与SVD得到的奇异值向量可用于识别垮落煤岩,但基于连续小波变换与改进SVD得到的奇异值向量具有更高的识别率。     

小波变换结合MIVP识别图像脉冲噪声的研究

提高脉冲噪声的识别率是提高去除脉冲噪声效果的关键。利用小波变换检测信号奇异点的原理,小波变换可用于识别信号中的脉冲噪声。实验表明,在小波变换识别数字图像的脉冲噪声时,由于将受到脉冲噪声污染的像素点判别为未受脉冲噪声污染的像素点的误判率较高,影响了小波变换识别脉冲噪声的整体精度。为了有效解决这一问题,提出了一种基于统计理论的数字图像脉冲噪声统计量识别法称之为MIVP法,可以弥补小波变换误判噪声点为非噪声点的不足。以小波变换结合MIVP法为基础构成图像脉冲噪声滤波器,在不增加时间复杂度的条件下,有效提高了脉冲噪声的滤波效果。     

基于小波变换的雷达测量数据分析

通过对信号奇异性、小波方法检测信号奇异点原理的探讨，研究了小波对数据信号奇异点的识别与处理方法，得出了用于雷达数据奇异点检测的小波函数的选取原则．通过某次卫星发射任务雷达测量数据的奇异性分析，准确地判定了雷达跟踪测量的数据丢失点和重新捕获点，达到了数据奇异性点准确定位和分析其奇异性类型的目的．     

奇异目标信号的多尺度定位识别方法

在复杂环境下检测微弱目标信号是信号检测技术中关键问题。基于奇异目标信号和噪声干扰在多尺度小波变换下表现出截然不同的特性，利用奇异目标信号的小波变换模极大值随尺度增大而增大，而随机白噪声小波变换模极大值随尺度增大而减小，进行复杂环境中的目标定位识别。理论和实验表明该方法特别适合弱信号的定位识别。     

基于小波变换和奇异值分解的剪纸纹样识别

针对民间传统剪纸艺术的计算机创作问题,在分析剪纸艺术特点的基础上,提出一种基于小波变换和奇异值分解的剪纸纹样识别方法.首先对剪纸纹样图像进行归一化和二值化处理,然后应用小波变换提取剪纸纹样图像的低频分量并进行奇异值分解,最后通过对奇异值进行归一化和降维处理作为最终的特征向量,利用最近邻分类器进行模式识别.实验结果表明,该方法能够有效地去除噪声干扰,较好的识别有一定艺术夸张变形的剪纸纹样.     

基于改进的BP神经网络和小波奇异值的交通事件检测

针对交通事件检测,提出了利用改进的BP神经网络和小波奇异值的新方法。首先利用小波奇异值来量化原始交通流信号的特征,然后将小波奇异值作为神经网络的输入,对交通事件类型进行识别。对交通流信号进行小波包变换分解,获取交通事件的小波系数;利用相重构技术将小波系数向量形成系数矩阵,并对该矩阵作奇异值分解,获取小波奇异值;最后用MATLAB进行仿真分析,结果表明该算法能较准确的进行分类,具有一定的应用价值。     

小波包分解在虹膜识别中的应用研究

小波包分解是从小波变换延伸而来的一种更精细的信号分析算法，具有分析高频特征信息的优势。文中结合小波包分解的特点，提出了一种基于小波包分解的虹膜识别算法。该算法首先对虹膜图像实行分窗小波包分解，并对各窗口的子带图像作筛选处理；然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩，得到虹膜识别特征；最后利用加权欧氏距离分类器进行识别。实验结果表明了该算法的有效性。     

应用小波变换的认知无线电频谱检测

频谱检测是认知无线电的核心问题之一,利用小波变换对接收信号的功率谱密度（PSD）进行奇异点检测,为了在低信噪比条件下有效地检测空闲频谱,分两步去除噪声在检测中的影响。首先利用噪声与信号奇异点的小波变换模极大值在不同尺度上具有不同的传播特性,可以去除噪声;再通过小波变换模极大值的衰减计算Lipschitz指数,去掉与信号奇异点具有不同Lipschitz指数的噪声。最后依据剩下的奇异点将PSD划分为多个子带,利用带通滤波器估计每个子带的PSD水平,最终确定出空闲频谱。仿真结果证明了该方法的可行性。     

基于奇异值加权的图像复制粘贴伪造盲检测

提出了一种基于小波变换和奇异值分解的盲检测算法来识别图像的复制粘贴伪造。该算法用小波变换降低计算量,用奇异值表示图像特征。图像经过小波变换,提取出低频分量和高频分量。因低频部分保留图像的纹理信息,高频部分保留图像的轮廓信息,该算法分别从低频部分和高频部分提取图像奇异值,并把提取出的奇异值进行加权处理,以加权值作为图像块的特征。图像块之间做两两比较,根据图像块的特征相似度,判断是否存在图像复制粘贴伪造区域。在丰富层次和清晰细节轮廓的图像中,该算法能达到比较理想的检测效果,准确率较高。     

小波分析法在心电信号数字滤波中的应用

该文介绍了小波分析在数字滤波领域中的重要作用及其基本理论,并介绍了在心电信号数字滤波器,如何利用coniflet小波函数对原始的心电信号进行Mallat多分辨率分解和重建,并解决了小波分析在心电信号滤波中会遇到的三个实际问题：小波基函数的选取,确定心电信号及噪声的频域表现和小波在不同尺度下的通带。通过实验证明,用coiflet小波对心电信号进行数字滤波,能很好地换制信号中的基线漂移、工频干扰和肌电干扰。     

神经元动作电位模式分类的小波时频分析方法

对神经元动作电位进行模式分类是植入式脑机接口研究的前期关键问题。考虑到来自不同神经元的动作电位在时域或频域特征上的相似性,引入小波分析在时频域上对动作电位进行特征描述。首先以db、sym、bior三类小波函数系为例,分别获取了动作电位的高维小波系数特征;然后对特征分量进行非正态分布特性的KS检验,以实现特征降维;最后通过非监督的K均值方法完成动作电位聚类。实验结果表明：在神经信号噪声水平为0.05dB、0.1dB和0.15dB时,各小波基的分类性能略有不同。其中sym5小波性能突出,动作电位错分率基本稳定在1.21%～181%。最后与主成分分析法(PCA)进行了分类性能的比较,进一步证实了小波时频分析方法(sym5小波)在抗干扰性和稳定性方面的优势。     

基于形态学与小波变换的信号自适应去噪算法

针对常规的ECG（electrocardiogram）信号去噪算法存在的缺陷,提出了一种基于形态学与小波变换的自适应综合去噪算法。该算法利用形态学滤波器去除基线漂移信号,用小波滤波器去除高频干扰信号,并将这两部分所得到的心电噪声分量作为自适应滤波器的参考输入信号,对ECG信号进行自适应滤波处理,最后得到去噪后的ECG信号。实验表明,本算法是一种有效的去噪算法。     

基于形态学和小波变换的心电信号去噪算法

在处理心电信号采集过程中混入的基线漂移、工频干扰及肌电干扰等噪声的过程中,小波变换取得了广泛的应用。针对小波算法的缺陷及不足,提出了一种基于数学形态学和小波阈值的混合算法。该算法利用非线性形态学滤波器滤除基线漂移,将获得的含高频噪声心电信号通过小波阈值算法进行处理,最后获得无噪声的ECG（心电）信号。采用MIT/BIH Arrhythmia Database中的数据对算法进行了验证,实现了三种主要干扰的滤除,本算法效果良好,为后续特征点的识别奠定了基础。     

应用小波变换和ICA方法的肌电信号分解

基于单通道、短时真实肌电（EMG）记录和模拟EMG信号，提出一种改进的肌电信号分解方法。首先应用小波滤波、硬阈值估计等方法去除背景噪声和白噪声，并将独立成分分析（ICA）方法和小波滤波方法相结合去除工频干扰信号，然后再进行幅度滤波，从而提高了系统的速度和强健性。在运动单元动作电位（MUAP）聚类以及从原始信号中去除已识别的MUAP波形等方面也进行了改进。与已有的EMG分解方法相比，本文方法更快速、稳定。     

脉搏波信号预处理方法研究

为克服脉搏波信号采集时受到的高频噪声干扰和低频噪声干扰,脉搏波信号的预处理成为心脉信号处理中的关键环节。使用零相位滤波法处理脉搏波信号,改善传统数字滤波器直接滤波的输出失真问题;通过建立评价参数,对去除高频噪声的数字滤波器和小波阈值滤波器的滤波效果进行评价,获得最佳滤波方法;对比常用去基线漂移方法在处理脉搏波信号时的特点,获得最佳去基线漂移算法。使用新研发的脉搏波采集手环采集多名受试者的脉搏波原始信息,将采集到的信号按上述方法去噪和去基线漂移后,实现脉搏波信号的预处理过程。实验结果表明,采用sym4小波基、固定阈值、软阈值函数等小波阈值去噪方法去除高频噪声并使用三次样条插值拟合曲线去除基线漂移后,所获得的脉搏波信号平滑无毛刺,每个周期起始点和终点都在同一水平基线上,满足后续脉搏波信号的医学分析和疾病诊断需要。     

矿用钢丝绳损伤检测信号处理方法研究

采用电磁检测法检测矿用钢丝绳受损情况时,检测信号中含有大量噪声,且存在尖峰和突变干扰,增大了损伤识别难度,需要对原始检测信号进行降噪处理。常用的傅里叶变换无法处理运行中的钢丝绳检测信号,而小波变换因存在平移不变性较差、频带混叠等问题而影响检测准确度。提出了基于双树复小波变换的矿用钢丝绳损伤检测信号处理方法。首先采用Q平移法构造双树复小波高低通滤波器,对原始信号进行3层双树复小波分解,得到高低频信号分量;然后采用最小极大方差软阈值方法对分解信号进行降噪处理;最后对降噪信号进行重构。在实验室环境下搭建了钢丝绳损伤检测试验平台,对基于双树复小波变换的钢丝绳损伤检测信号处理方法的降噪性能进行验证,结果表明:该方法可有效减少检测信号中的尖峰和突变数量,使信号平稳,降噪效果优于经典小波变换,且增大了奇异点处信号峰值,有利于后续特征提取。     

基于边缘检测的噪声图像压缩编码方法

基于小波变换的图像压缩算法在含噪图像和较低码率时出现的边缘模糊现象多年来一直未能得到很好的解决,为了解决这一问题,提出一种基于边缘检测的噪声图像压缩编码方法。首先,对图像进行小波边缘检测,确定哪些小波系数是图像的边缘特征,将其保护起来;然后,对小波变换域系数采用软阈值收缩方法实现去噪;最后,利用等级树集合分裂算法(SPIHT)算法对图像进行压缩编码。实验结果表明,本文提出的方法不仅能获得较高的图像压缩率、较好地去除噪声,而且能在一定程度上解决边缘模糊问题。     

强噪条件下基于小波降噪的陀螺仪声信号处理方法

为了将噪声诊断技术应用于陀螺仪性能分析,针对陀螺仪声音信号信噪比较低的特点,提出了一种小波降噪的新方法,通过尺度系数的比对有效地在复杂强噪声条件下提取出所需的陀螺仪音频信号,为性能分析提供了保证。实验验证降噪取得了较好的效果。     

使用时频盲源分离和小波包去噪的胎儿心电信号提取

提出一种使用时频盲源分离(TFBSS)和小波包去噪的胎儿心电信号提取新方法。首先通过重排时频谱时频盲源分离方法进行胎儿心电信号的初次提取,并将初次提取得到的母体心电信号和噪声对应的各路分量置零,其余分量由混合矩阵进行重构;然后再利用重排时频谱的时频盲源分离方法对重构信号进行胎儿心电信号的二次提取,得到含噪声的胎儿心电信号;最后通过小波包去噪抑制胎儿心电信号中的基线漂移和噪声。在胎儿心电信号和母体心电信号的QRS波无重叠、部分重叠或完全重叠的情况下,通过该方法能有效抑制母体心电信号和噪声的干扰,提取胎儿心电信号。实验结果表明该方法能提取清晰的胎儿心电信号。