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。     

基于局部瞬时能量密度级的瞬态信号检测方法

为实现低信噪比条件下的水声瞬态信号检测,该文提出子波检测和局部瞬时能量密度级双重降噪方法。该双重降噪方法通过自适应选取含有用信号的某阶固有模态函数(IMF),计算Hilbert能量谱并进行局部积分,滤除子波检测残留下来的带外噪声。此外,结合宽度-包络联合检测机制,构造了水声瞬态信号局部瞬时能量密度检测器。湖试数据处理结果表明,局部瞬时能量密度检测器可有效降噪并在低信噪比条件下提取瞬态信号,较传统能量检测器具有更好的检测性能。     

一种基于子波变换模极大值的信号重建方法

本文首先介绍了子波变换的局部时频分析法。基于子波变抉系数模极大值同信号奇异性之间的关系,给出了一种利用该极大值信息的信号重建方法。由模拟结果可以看出,这种重建方法的精度在-35dB以上。     

莫奈特子波变换分析信号奇点

用原函数为光滑曲线的子波变换(简称莫奈特子波变换)检测信号波形奇点的方法是建立在信号奇异性与李普西兹正则性关系基础上的。该方法的基本原理是信号子波变换Wψ(a,t)等价于信号光滑版s(t)θa(t)的1阶导数,当s(t)θa(t)为尖锐变化时,必然对应其导数的模的极大值,只要检测到子波变换模的极大值,就能检测到信号s(t)的奇点。仿真表明,莫奈特子波变换能准确检测出信号奇点。     

用子波网络实现自适应子波变换

本文从傅里叶变换（ＦＴ）的角度引入连续和离散自适应于波变换（ＷＴ），作为应用，在数学上比较子耳，眼功能和连续ＷＴ，以给人工神经网络（ＡＮＮ）提供多分辨率分析（ＭＲＡ）并行输入，这种七妙的预处理可以实现特征保持的数据压缩，避免过训练或地拟合对ＡＮＮ概括和抽象能力的影响。这可以用来解释嘈杂鸡尾酒会效应。一个例子是，对Ｎ个数据要求有Ｎ阶阶复杂性快速数据压缩的多波段红外图像，引入离散ＷＴ作为完备，正交和归     

基于子波变换局部极大值的信号去噪新算法

本文出了一种相尺度间信号子波变换极大值点相似系数的定义，它定量地描述了相邻尺度间子波变换极大点的相似性。在上核实 定主的基础上，提出了波变换域信号去噪的新算法。     

子波变换理论及其在信号处理中的应用

详细论述了子波变换理论的发展状况，对子波变换的定义、性质、与傅立叶变换的关系、时频分辨率及对非平稳信号的分析能力作了剖析，给出了子波变换在信号处理中的应用情况，最后指出了其发展方向。     

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。     

子波变换理论及其应用

本介绍了子波，子波变换理论及其应用。     

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。     

基于小波变换的多项式相位信号检测

N阶消失矩的小波能够消去n-1阶多项式。本文用具有不同消失矩小波,依次消去多项式相位信号不同阶次的相位向,实现单个多项式相位信号的检测。仿真结果表明,这一算法能够有效地检测多项式相位信号。     

含噪声混沌信号的小波去噪方法研究

基于混沌信号具有分形结构的特点，提出了一种分数维与小波变换相结合的带观测噪声混沌信号的噪声去除新方法，利用噪声小波变换特性提取信号的真实分数维，进而根据欲处理混沌时间序列分数维与信号真实分数维之差控制小波包除噪的阈值及位置，达到噪声与信号的自适应分离。该方法克服了以往对未知动力系统方程信号除噪的盲目性，仿真结果表明此法有效可行。     

基于小波变换的电能质量暂态分析

随着国家工业规模的扩大和科学技术的发展,电的使用越来越广泛,电力负荷迅速增加,对电网运行状态进行高效而准确的检测分析具有重大意义。相对于稳态分析,暂态分析的难点在于快速、及时地捕获信号突变和进行准确、稳定的分析。对于暂态信号突变的检测,该文从微分算子可以监测突变的特性出发,发现了小波滤波器Ⅳ阶消失矩和Ⅳ次卷积微分算子的等价关系,并对小波滤波器的检测能力做出了分析。     

应用小波变换于电磁场目标后向散射信号的时频图分析

本文将Ｍｏｒｌｅｔ小波用于电磁场后向散射信号的时频分析，为了更好地提高时频分析的时间和频率分辨率，我们对Ｍｏｒｌｅｔ小波进行了改进，并合理地选择尺度的变化规律，数据结果证明无论地同时提高时频分辨率还是抗噪声能力上，改进的Ｍｏｒｌｅｔ小波时频分析都优于短时傅里叶变换和Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布。     

用小波变换的模极大值提取调制信号频率

利用小波变换系数的模值与信号奇异性指数之间的关系,从调频信号中提取出调制信号的频率.其方法是:对调频信号进行小波变换,取适当尺度上的小波系数进行平方,得到小波变换模极大值的分布曲线,对该曲线进行小波强制滤波,得到反映调制信号频率的光滑曲线,计算该曲线的频率,即可得调制信号的频率.经过计算机仿真,证明该方法是可行的.     

超复数域小波变换的显著性检测

针对现有频域显著性检测方法得到的显著区域不完整的问题,该文提出一种多尺度分析的频率域显著性检测方法。首先由输入图像特征通道信息构建4元超复数,然后通过小波变换对4元超复数域中幅度谱进行多尺度分解,计算生成多尺度下的视觉显著图,最后由评价函数选出效果较好显著图合成最终视觉显著图。实验结果表明,该文方法能够有效地抑制背景干扰,快速、精确地找到完整的显著目标,具有较高的检测精确度。     

一种基于小波多尺度边缘检测的图像融合算法

该文提出了一种新的基于多尺度边缘检测的小波图像融合方法,是一种利用图像边缘特征的小波图像融合方法,融合过程利用了图像的多尺度边缘信息。为了更好地保持图像的边缘,该文在图像融合过程中将图像去噪与边缘检测相结合。提出了一种物理意义明确的小波最佳分解层数的确定方法。利用统计分析的评判准则,如熵、标准偏差等,评价二维多聚焦图像不同小波分解层的融合效果,表明该方法提高了图像的熵和标准偏差的值,算法效果良好。     

应用小波变换和双谱方法实现弱信号检测

为提高微弱信号检测概率,提出了一种应用小波变换和双谱分析的方法。利用小波变换减少大部分随机噪声,提高信噪比,再进行双谱分析,获得比功率谱更丰富的信息,抑制高斯噪声,提高检测概率。通过模型计算和验证,证明了该方法的可行性和有效性。     

基于小波包变换的非高斯噪声信号结构分析

该文利用小波包变换的时频局部分析能力,研究了非高斯分布平稳随机噪声的统计特性,揭示了 非高斯噪声信号的信号结构。在此基础上,将经典最优检测器的结论推广到背景噪声为非高斯分布的情况, 提出了一种基于小波包变换的非高斯噪声下的信号检测方法。仿真实验验证了该方法是正确的。     

小波变换理论在线性调频信号辨识中的应用

在电子战信号处理领域,快速有效的识别脉冲压缩雷达信号具有重要的现实意义。基于小波变换理论在信号去噪方面的理论,定义了均值小波能谱,进而提出了一种快速准确识别低信噪比线性调频信号调制参数的方法。通过计算机仿真,该方法对多组低信噪比线性调频信号的参数辨识误差均在5.5%以下,从而证明了该方法的有效性和实时性。