基于高阶统计量的小波变换去噪算法

图像在获取和传输的过程中经常要受到噪声的污染.传统的去噪方法不仅滤出了图像的噪声,同时使图像细节变得模糊.本文提出一种基于双谱和小波变换的去噪算法.该方法是根据高斯噪声及椒盐噪声在小波变换下的不同特征,并结合双谱滤波、中值滤波的特点,在小波城内对高频子带进行双谱滤波,去除图像中的高斯噪声,然后进行中值滤波,去除图像中的椒盐噪声.高斯噪声的双谱为零,能够彻底的去除高斯噪声.该算法的实验结果表明不仅能滤出图像中高斯噪声和椒盐噪声,而且能较好的保留图像的边缘细节.其滤波效果优于传统的图像去噪方法.     

基于高阶统计量的MIMO系统辨识与信号分离算法

将高阶累计量与JADE算法相结合,利用高阶统计量能辨识非最小相位系统和JADE算法比SVD收敛性好的特点,提出了一种在频域对MIMO系统进行辨识和信号分离的算法。在满足信号间相互独立的情况下,采用互四阶累计量解决了排序问题,仿真实验表明了该方法的有效性。     

基于小波变换的信号检测

研究了基于小波变换的信号检测方法及它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除噪声,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。     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及其于多分辨分析的信号小波的分解算法，研究了信号局部奇异性的小波变换下的特性；根据故障信号的局部奇异性在小波变换下模的极大植及其在不同尺度上的传播特性，对308型滚动轴承振动加速度故障信号进行分解，对故障特征信号进行时域定位，并提取了故障特征频率f=46.88Hz，这与实际的故障特征频率相近，说明该方法适用于滚动轴承的在线监测和故障诊断。     

基于小波变换的跳频信号分析仿真

信号分析识别是通令对抗的重要工作,能有效地检测和识别跳频信号,是对跳频信号实施跟踪式干扰的重要前提,在简述和比较了时变信号的分析方法的基础上,选择小波变换对跳频信号进行分析,详细地介绍了采用Morlet小提取跳频信号的基本特征,从而检测和知识出跳频信号的基本原理、方法和步骤,并给出了计算机仿真结果,验证了其可行性和有效性。     

信号分析从傅氏变换到小波变换

从信号分析的发展着重阐述了从傅氏变换到小波变换的信号分析方法 ,分析并比较了各自的优缺点 ,揭示了信号分析方法发展的内在规律性。     

基于高阶谱的气液两相流差压波动信号的分析

针对水平管气液两相流差压波动信号的非高斯特性，提出了一种基于高阶谱技术的差压波动信号分析的新方法.通过对气液两相流差压波动信号的双谱分析，提取了不同流型下信号的非高斯特征.以信号双谱幅值的平均值作为特征值，对不同流型下信号偏离高斯分布的程度进行了定量地分析，并讨论了在不同管径下不同流型的差压波动信号的双谱特性及非高斯特征.实验结果表明，提取的特征值反映了信号偏离高斯分布的程度，据此可以作为气液两相流流型转变的判据.     

基于小波变换的轨道信号参数检测

根据国产移频轨道信号的特点,提出利用小波分析中多分辨率理论的检测方法来检测轨道信号瞬时值,基于Matlab软件平台对轨道信号的基带调制频率进行检测并对其误差进行测量.仿真结果表明,该方法能有效地降低移频轨道信号参数的测量误差,并具有很好的稳定性.     

基于复解析小波变换的信号包络检测

水声信号中的低频线谱成分是目标声信号的一个重要特征量,在水声信号检测、识别和分类中起着重要的作用。为了提取水声信号中的线谱成分,本文利用复解析小波变换兼具带通滤波和包络提取的特性提取信号包络。仿真和实测数据分析表明,与传统的Hilbert变换提取信号包络算法相比较,基于复解析小波变换的信号包络提取算法可以完全抑制所分析通带以外的噪声,从而提高了信号包络的信噪比。     

基于小波变换的声波信号包络提取

包络提取是声场层析成像的关键，考虑到希尔伯特变换法在提取声包络信号中毛刺多等缺点，提出了一种小波变换法来提高包络提取的精度．计算机仿真结果表明，用该方法提取包络的效果比希尔伯特变换方法效果好．     

基于小波的奇异信号检测

介绍了小波变换的基本理论、奇异信号的特性及小波变换用于奇异信号检测的基本原理．并在Matlab下进行奇异信号的仿真试验，取得了理想的效果．实验结果表明，小波变换在奇异信号的检测中是有效的。     

基于小波包变换的信号去噪方法研究

为有效剔除信号噪声，得到没有污染的信号，便于进行信号分析，介绍了小波包变换的改进方法，给出了信号的小波包分解系数排序方法，将信号的相关性与小波包的多尺度时频分析及重构结合在一起，并用于信号的去噪研究中．通过仿真研究和与目前小波去噪方法进行对比，证明了该方法去噪的有效性．     

基于小波包变换的信号去噪方法研究

为有效剔除信号噪声,得到没有污染的信号,便于进行信号分析,介绍了小波包变换的改进方法,给出了信号的小波包分解系数排序方法,将信号的相关性与小波包的多尺度时频分析及重构结合在一起,并用于信号的去噪研究中.通过仿真研究和与目前小波去噪方法进行对比,证明了该方法去噪的有效性.     

基于谐波小波包变换的信号检测

利用二进离散小波变换检测周期性信号时,由于频带间的干扰,微弱成分易被强信号所淹没,为解决此问题,提出一种基于谐波小波包变换的周期性信号检测算法。利用谐波小波函数的盒形频谱结构,根据目标声信号的特点,选择合适的分解层数和分析带宽,由此避免分析频带之间的相互干扰。对实测数据的分析结果表明,谐波小波包变换对于低信噪比下的微弱线谱信号成分有一定的增强效果。     

一种改进的小波阈值消噪方法

在运用小波阈值法去噪时,在一些不连续点处有时会产生伪吉布斯现象。为了去除这种现象,考虑在阈值法的基础上对信号进行循环平移,然后再对平移后阈值上的系数进行放大,对信号进行消噪处理。通过仿真实验,可知该方法消噪后的视觉特性较好,并且信噪比提高,均方根误差有所降低,从而说明了该方法的有效性。     

向量函数空间中的连续小波变换和微分方程的一点讨论

为了讨论向量微分方程向量函数的连续小波变换被应用到讨论向量微分方程和积分方程之间的关系，使用连续小波变换将一些向量函数的微分方程转换成相应的积分方程。这些微分方程与相应的积分方程不仅在弱收敛意义下是等价的，而且在范数收敛意义下是等价的。这将向量函数的微分方程与积分方程的讨论联系起来，使向量函数的连续小波变换能够在向量微分方程的讨论中得到应用。     

Technology of signal de-noising and singularity elimination based on wavelet transform

Based on wavelet transform theory,a method for signal de-noising and singularity detection and elimination is proposed,which can reduce the noises and express local singularity Each singularity can als...     

基于小波变换的内燃机瞬时转速信号的分析

使用非线性离散序列的小波变换 (DTWT)对同时存在高频噪声和高斯白噪声的内燃机瞬时转速信号进行去噪 .通过对此信号进行频谱分布的分析 ,用Donoho的阈值去噪法去除高斯白噪声之后 ,根据小波变换的多分辨率思想 ,提出了仅使用小波变换的尺度系数进行小波反变换来去除高频噪声 ,然后运用小波反变换来恢复内燃机瞬时转速信号的方法 .实验结果表明 ,此方法能够较精确的去除噪声 ,恢复内燃机瞬时转速信号 .