基于小波包-FHN模型的UWB信号检测

在超宽带冲激无线电信号检测中,针对FHN神经元模型随机共振中检测信噪比受限的问题,研究分析了小波包理论及传统单阈值小波包的缺点,结合新的分段阈值小波包去噪算法,提出一种小波包与FHN神经元模型随机共振联合检测的新方法,并对所提算法的性能进行仿真验证。仿真实验表明,新方法克服了FHN模型的信噪比门限,降低了FHN模型的检测信噪比,改善了FHN模型的检测性能,可有效恢复强噪声背景下的超宽带冲激无线电信号波形。      

基于最优小波基函数的语音增强研究

小波分析具有时频局部化和多分辨率特性,而小波包分析是在小波分析的基础上对信号高频部分的更精细地分解,选取合适的小波基一直是小波包去噪分析中的关键问题。将熵函数作为选取最优小波基的评价标准,通过计算语音信号小波包分解系数的熵值来确定合适的分解方式,同时采用小波包阈值去噪算法对三种小波基进行小波包去噪仿真实验,并进行对比分析。仿真实验表明,两种熵函数选取的最优小波基都能较好地消除强噪声背景下的噪声,得到信噪比较高的语音信号。     

基于Curvelet变换与小波包变换联合的图像去噪算法

小波包变换在处理图像中的平滑区域时能够起到较好的效果,而Curvelet变换可以更好地逼近线性奇异高维函数,对图像的边缘区域有最稀疏的表示.在此基础上提出了基于二者联合的图像去噪算法,在对含噪图像进行分割后,分别对线性区域和平滑区域采用Curvelet阈值去噪处理和小波包阈值去噪处理.该方法充分发挥了二者各自的优势,实验表明,它对图像的去噪效果要优于单纯的Curvelet或小波包去噪方法.     

基于小波包的红外/被动毫米波图像特征融合

红外/被动毫米波(IR/PMMW)复合制导是当前发展多模复合制导技术的热点方向.红外探测系统在低能见度条件下的穿透能力不如被动毫米波,而被动毫米波探测图像分辨率不如红外图像.为了更好地识别目标的轮廓信息,提出一种新的基于小波包边缘检测的特征级主成分融合方法.新方法先用小波包边缘检测方法检测出包含水平边缘、垂直边缘和对角边缘的边缘图像,然后对边缘图像进行小波包去噪,再用主成分融合方法进行图像特征级的融合,最后用阈值方法提取出融合后的边缘.实验仿真结果表明,与传统的小波及小波包边缘检测方法相比,新方法融合后的边缘图像更容易分辨出目标的轮廓信息.     

基于高阶统计量的小波包去噪在瞬态信号检测中的应用研究

本文提出了一种基于高阶统计量的小波去噪的瞬态信号检测方法,这种检测方法结合了小波包多分辨率分析和高阶量的抗高斯干扰特性,因而优于传统的能量检测方法。仿真研究和实验数据处理结果表明,在较低信噪比时,能量检测失效,本检测方法使得检测工作得以继续。     

基于多尺度边缘检测的小波包去噪方法

文章提出一种将小波变换模极大值(WTMM)多尺度边缘检测与小波包去噪算法结合起来的图像去噪方法。仿真结果表明,该方法不但对噪声的抑制能力强,而且可以很好地保留图像的边缘信息。     

提升小波与能量检测联合优化下的频谱感知方法北大核心CSCD

传统的频谱感知方法易受噪声波动的干扰,而且在低信噪比的无线通信条件下检测精度较差。通过结合提升小波去噪与动态门限能量检测算法,能有效提高传统频谱感知方法的抗噪声性能和检测精度。首先对含噪信号进行奇偶抽样,分解信号,去除噪声部分,再重构为去噪新信号,然后通过能量检测方法来统计信号的能量积累,设置动态门限,最后以动态门限判断用户信号是否存在。提升小波去噪能够有效地去除采样信号中的噪声,减少噪声对能量检测法检测精度的影响,动态门限能根据噪声波动进行调整来适应复杂的噪声环境。仿真结果表明,提升小波去噪结合动态门限能量检测算法相比于传统的频谱感知要有更优的检测精度。此方法不但提高了其对不确定噪声的抵抗性,使之能适应复杂的通信环境,而且提高了频谱感知过程的可靠性。     

紫外-可见吸收光谱法水质检测系统的噪声分析与处理研究

直接紫外-可见光谱法检测水质参数具有检测速度快、成本低、无二次污染、可实现在线和原位测量等优点,但受限于光谱检测精度和检测设备成本。基于该方法的检测系统一直较难推广。为此,利用海洋光学的工业级光谱仪USB2000+及脉冲氙灯光源搭建了一套低成本、快速的水质光谱检测系统。进而,在对系统噪声源进行全面分析的基础上,利用小波包软阈值去噪方法对原始光谱数据进行去噪处理。为了有效地评价去噪效果,同时采用海洋光学科研级光谱仪QE65000配合稳定的氘钨灯光源搭建标准光谱检测系统,对同一样本溶液进行了紫外-可见吸收光谱采集。实验结果表明,搭建的系统能稳定、有效地采集原始光谱数据,进一步对原始数据采用基于软阈值的小波包去噪,能在保留水样紫外-可见吸收光谱特征的前提下,有效地去除原始光谱的各种噪声,提高光谱的信噪比,为采用低成本光谱检测设备进行水质参数分析奠定了基础。     

基于小波包分析的激光雷达信号消噪算法的研究

针对激光雷达回波信号所含噪声的特点,提出并详细论述了一种能够对激光雷达回波信号进行有效消噪的小波包平均阈值变换方法。该方法通过求取最优小波包基的每个结点的阈值,并进行平均后作为全局阈值来实现小波包消噪。为了验证该方法的有效性,对包含高斯白噪声的模拟信号进行了仿真消噪,并对米氏散射激光雷达系统实际探测得到的大气回波信号进行了消噪处理。同时,将该方法与小波全局阈值消噪、小波包默认阈值的消噪效果进行了对比分析。仿真结果和实验结果表明,基于平均阈值的小波包消噪方法能够有效降低激光雷达回波信号中所含噪声,并且其消噪效果明显优于另外两种小波分析方法。     

基于小波变换域上的KL变换的地震信号去噪方法

基于相邻地震道的有效波在波形及能量上有较强的相关性及改变各个频率成分的信噪比．有益于提高分辨率的观点，本文提出了基于小波变换域上的KL变换去噪方法．该方法的主要思想是：将地震记录进行小波分解，形成地震记录的分时、分频小波包剖面，然后利用相邻道相关的性质，用KL变换进行去噪，再将各个小波包剖面重构为去噪后的地震剖面．理论记录计算及实际地震剖面的处理结果表明：基于小波变换的分时、分频KL变换去噪方法能有效地提高地震剖面的信噪比和分辨率．     

强噪声背景下的信号检测

在低信噪比下检测信号的方法备受关注。利用周期谱估计方法能在较低的信噪比下检测信号。本文提出基于小波包去噪的周期谱测量方法。该方法可进一步改善信号的检测能力。文中以相位码信号争以电视为发射信号的无源相干定位系统的回波信号为例，应用小波去噪和周期谱方法进行仿真。仿真结果表明，这种方法能在-21dB信噪比(相位码信号)和-14．5dB信噪比(电视信号)下检测信号。     

小波包多阈值法在地震信号去噪中的应用研究

地震信号中通常含有各种干扰噪声,严重影响了地震资料的信噪比和分辨率,小波包变换是地震资料去噪的有效方法之一。针对传统小波包阈值去噪不明显和存在失真的问题,提出一种基于多阈值函数的小波包地震信号去噪方法。对地震波信号进行小波包分解,并对小波包分解系数按照频率大小的顺序进行排列,根据分解的系数处于不同频带选取不同的阈值准则进行去噪处理,对得到的系数进行重构,可有效地去除地震信号中的噪声。对仿真地震信号以及实际地震信号进行小波包多阈值去噪处理,实验结果表明,该方法较好地去除了干扰噪声保留了有用信号,去噪效果明显且失真小,有效地提高了地震资料的分辨率。     

小波分析和小波包在图像消噪中的应用

小波包理论是在小波基础上发展起来的时频分析理论,在图像消噪中取得了较好的应用。文中介绍了小波分析和小波包的基本理论,分析了基于小波和小波包进行图像消噪的方法,利用MATLAB7对相同舍噪图像进行了计算机仿真,并对仿真结果进行了分析。实验表明,图像消噪效果与阈值的选取密切相关,小波包消噪后的效果比小波更好。     

基于小波包变换的多阈值法语音信号去噪净化

文中在小波包变换和传统阈值法的基础上,提出了一种基于小波包变换的多尺度多阈值语音信号去噪净化方法。采用小波包分解,克服了传统的正交小波变换的缺陷。采用多尺度多阈值方法,通过改进噪声方差估计方法,在去噪的同时,进一步提高信噪比。仿真实验结果表明,本方法能有效去除信号中的噪声和较好保留语音细节,达到更佳的语音净化效果。     

PMMW装甲目标小波包分析与辐射特性研究

毫米波系统具有全天候或低能见度条件下工作的能力,但毫米波被动探测图像的限制是分辨率。小波包消噪是对退化图像进行处理的一种有效算法,给出了毫米波被动探测装甲目标的小波包分析去噪。为进一步刻画毫米波被动探测目标辐射的表征方法,在分析毫米波被动探测能力的基础上,建立了目标毫米波被动探测辐射截面分辨能量体的新概念,并给出3 mm被动辐射计探测单层隐身迷彩装甲目标的辐射截面能量分辨体的实测与分析研究。     

基于改进阈值消噪算法的小波包降噪

小波变换是一种把时间和频率结合起来的时频分析方法,D.L.Dohono在小波变换的基础上提出了小波软、硬阈值消噪法,此方法简单有效,得到了广泛的重视和研究。在经典的小波软、硬阈值消噪方法的基础上,提出了一种基于小波包分析的改进方法。Matlab仿真结果表明,此法同时克服了软、硬阈值方法的缺点,而且其消噪效果比小波消噪方法要好。     

基于Bark尺度小波包和Teager能量算子的语音去噪方法

针对小波包分解的高频混叠和频带顺序混乱,采取了一种改进小波包算法,采用一种更精细的Bark尺度小波包对带噪语音进行分解,以模拟人耳的听觉特性.对分解系数计算Teager能量算子(TEO),并使用一种简单的随TEO变化而调节的自适应阈值门限对带噪语音进行阈值去噪,不需要判别清浊音和无声段,实验证明,该方法在多种噪声下都能取得较好语音增强效果,特别是在有色噪声和非平稳噪声下.对于较低信噪比的语音也能获得一定改善.     

基于Laplace分布的非下采样小波包脉冲星信号消噪

为了提高脉冲星信号的去噪效果,提出了一种基 于非下采样小波包(NWP)分解的局部Laplace模型消噪方法。 首先对真实脉冲星信号进行NWP分解,统计真实脉冲星信号NWP系数的分布特性, 建立真实脉冲星信号小波包系数的Laplace分布模型;然后在Laplace先验概率分布的基础 上,根据最大后 验概率(MAP)估计准则,利用含噪脉冲星信号的小波包系数对真实脉冲星信号的小波包系数 进行有效估算;最后 对估算出的小波包系数进行NWP重构,得到消噪后的脉冲星信号。采用不同 的脉冲星信号进行实 验分析的结果表明,与经典的基于高斯分布的非下采样小波(NSW)消噪和NWP消噪相比,本文 方法可以 更有效地去除噪声,同时更好地保留信号中的微脉冲等细节信息,在信噪比(SNR)、均方根误差(RMSE)、相关系数(CC)和峰值相对误差(REPV)等都 有较好的改善。     

基于小波包变换的自适应阈值语音去噪净化

提出了一种基于小波包变换的自适应阈值语音去噪净化方法。采用双正交小波包分解,克服了传统的正交小波变换的缺陷。采用自适应阚值方法,通过最佳阈值的估计,在去噪的同时进一步提高信噪比。仿真实验结果表明．方法能在有效去除噪声的过程中保证相位不失真和较好保留语音细节,语音净化效果明显优于其他方法。     

一种改进的多特征值语音端点检测方法研究

为了提高语音识别系统中语音端点检测的准确性,提出一种改进的多特征值语音端点检测方法.新方法首先对信号进行小波分解及小波去噪处理,对去噪后小波子带系数进行短时能量与基音周期两特征值的提取,综合考虑两特征值的大小来进行语音端点检测.实验证明,改进的检测方法提高了端点检测的抗噪性及准确度.