小波包变换及其在电力系统谐波电流检测中的应用

在此阐述了小波变换及小波包变换的基本原理。小波包变换是建立在小波变换的基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果表明,小波包变换方法能够正确地提取电力系统的谐波信号,将电流信号中的基波分量和高次谐波分量分离,验证了该方法的有效性。     

基于小波包变换和特征选择的雷达辐射源信号识别

为了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需要，提出一种基于小波包变换和特征选择的雷达辐射源信号识别新方法。先采用小波包变换进行特征提取，再采用基于量子遗化算法的相像系数特征选择法来挑选出小波包特征中分辨能力强的特征。仿真实验结果显示，该方法用较少的特征能获得较高的正确识别率，具有一定的参考价值。     

基于小波包变换的信号谱峰检测算法

提出了一种新的基于小波包变换的信号谱峰检测算法,主要思想是利用小波包变换的特点,对信号功率谱进行平滑处理,突出谱峰的特征点（起点、顶点和终点）,然后对其进行三层小波包变换,提取相应细节系数的特征点来估计谱峰的起点、顶点和终点,从而完成谱峰的检测。该方法的特点是无需信号的任何先验信息,是一种盲处理算法。仿真结果表明,信噪比不低于5dB的情况下,信号特征点检测的归一化均方误差（NMME）低于6‰,其性能比传统基于差分的方法有明显的优势。     

基于小波包变换的辐射源信号特征提取和识别

文中基于小波包变换方法,对MSK信号辐射源提取了J-散度特征和能量特征,结合支持向量机分类器完成辐射源的识别,仿真结果表明：两者识别率均达到90％以上,从而验证了基于小波包变换的辐射源识别的有效性。     

基于最优小波包基的信号增强算法研究及应用

本文介绍了小波包分析的基本理论以及小波包信号降噪的基本原理,与小波变换相比,小波包变换则是对小波分解中所得到的高频部分再继续细分为一些子频带,具有更精细的信噪分离能力,所以对包含大量中、高频信息的信号能更好地进行时频局部化分析。小波包变换在信号去噪中有着非常重要的应用,因此利用小波包对信号进行消噪也越来越受到科学界的关注。本文的主旨在于研究最优小波包基函数的选取方法,以小波包分析为基础,根据最小代价原理研究信号分解的最佳小波包基,从而在最优小波包基的基础上获得最好的信号增强效果。     

小波包在车载移动电话语音信号提取中的应用

利用小波包理论对车载移动电话的接收信号进行小波包变换,通过设定一合适的阈值对变换后的信号进行量化处理．提取出主要由发动机产生的噪声信号,然后用实际检测信号减去小波包变换信号,得出汽车司机的语音信号．从而达到消除噪声的目的。利用MATLAB的小波工具箱对所提出的方法进行验证,结果表明提取后的信号与驾驶员的声音信号十分相似,误差较小,对发动机噪声有明显的抑制作用。     

应用最优小波包变换的特征提取方法

在模式识别或分类中,从原始模式中提取有效的分类特征是非常重要的.但对于大量的非平稳或时变信号模式来说,如语音,雷达,地震信号等,用于分类的特征往往包含在局部的时-频信息中,用一般的变换方法提取有效的特征比较困难.近年来小波变换在信号处理和特征提取中得到了广泛应用,但小波包变换的任意多尺度分解特性,是分析非平稳信号更有效的方法,这是由于小波库中包含了丰富的小波包基,不同的小波包基具有不同的性质,反映不同的信号特性,能获取其他变换所不能获取的信号特征.本文主要研究由给定的训练样本集,如何选择最优小波包基,从被识别或分类的信号中提取具有最大可分性的特征.为此提出了应用三种可分性准则,即距离准则,散度准则和熵准则选择最优基.通过实验,对应用各准则选择最优基提取特征与小波基提取特征的性能进行了比较.     

基于小波包分解的图像特征提取及其应用

提出了一种基于小波包分解的提取图像特征的算法,将图像在不同尺度下的小波包变换模极大值组成一个矩阵,采用奇异值分解得到该矩阵的奇异值矢量作为描述信号调制样式的特征向量。该算法克服了传统的通过各种频域变换提取图像特征时对图像特征难以充分描述的不足,提取的特征向量的维数相对不高,便于实现。计算机仿真结果表明,这种方法具有稳健的抗噪性和良好的扩展性。     

自适应小波包图像压缩感知方法

该文提出一种自适应小波包图像压缩感知方法。该方法选用小波包变换分解图像,基于数学期望和信息熵分析各个小波包系数块的属性,自适应地将其划分为低频信号、无价值信号、特殊处理信号和压缩感知处理信号等4种信号类型,再针对不同的信号类型设计对应的处理方法,适应不同特征的图像。通过此种方法,在图像压缩感知过程中,可以根据不同图像和小波包系数块自适应地选取采样值,来提高压缩感知质量。实验结果表明该文提出的自适应小波包图像压缩感知方法在相同采样值的前提下,不仅提高了图像的重构质量,同时也降低了算法的计算复杂度和所需存储空间。     

基于支持向量机的辐射源识别算法

为了提高电子对抗设备对辐射源的识别能力,采用小波包变换法提取信号的时频谱特征,并引入支持向量机完成对辐射源的分类。小波包变换对信号局部的时频特征具有较好的分辨率,支持向量机分类器结构简单、可获得全局优化、泛化能力强。仿真结果表明,基于支持向量机的辐射源分类方法的正确率优于传统算法。     

一种基于DSP的小波包变换对瞬时频率的测量

文章研究了一种基于小波包变换对信号的瞬时频率测量方法,利用小波包变换的特性,把输入信号分解成各个单一频率分量信号,然后对分解后的信号做Hilbert变换,得到分解后信号的瞬时频率,最后综合得出输入信号的瞬时频率。文章给出了信号频率测量的硬件系统设计结构,和关键的电路原理图。同时给出了该方法对各种信号的实验结果,试验结果表明该方法在本文所设计的硬件系统上能够有效地测量单目标,及多且标信号的瞬时频率。     

基于小波包变换的模拟电路故障诊断

把小波包变换用于模拟电路故障诊断中。由于输出信号的各频率成分能量的变化表征了电路中某些元器件的损坏情况,因此,利用小波包变换有效地提取故障特征信息,提出了“能量——故障”的故障诊断方法。计算和实验结果表明：该方法可以快速高效地进行模拟电路故障诊断与定位。     

基于小波包和EAR模型的铣削颤振特征提取和评价

在本文中,设计用振动信号来监控加工过程,提出了一种基于小波包变换的颤振特征提取方法,并实现了颤振特征的自动提取.基于颤振的极限环特性,建立了信号的EAR模型.通过EAR模型,提出了确定重构信号所需特征小波包数的方法,并评价了小波包颤振特振提取的可行性.通过实测信号分析,验证了以上方法.     

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。     

小波包变换频带划分在MELP声码器中的应用

提出了一种基于小波包变换划分信号频带的方法,并以此为基础对MELP声码器基音检测算法做出改进。原始语音信号经过多尺度正交小波包变换得到MELP声码器所要求的多种子带信号输出;然后对0-1KHZ和0-500Hz子带输出信号进行基音周期的估计。实验表明,该方法提取出的基音周期不仅具有较高的可靠性和精度,而且对环境噪声有较强的稳健性。     

小波包分析在旋转机械故障诊断中的应用

简述了小波包分析的基本原理及其用于故障特征识别的机理,研究了小波包分析在旋转机械故障诊断中的应用。由于此技术能够从复杂的信号中有效地提取微弱的故障特征信号,因此与小波分析相比,分析更为精细简单。实例采用小波包原理对一类旋转信号进行分解重构后,成功地提取了故障特征,体现了小波包分析的优良特性,其结果证明了该方法是行之有效的。     

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。     

小波包变换用于双模噪声的信号检测

将小波包变换良好的时频分析能力用于分析双模噪声的统计特性,因为小波包变换具有带通滤波的作用,当分解的层数足够多时,变换可看作窄带系统,将双模噪声作某一尺的小波包变换,在此空间上双模噪声的输出近似于高斯分布,在这一空间上进行信号的识别与检测。将小波包变换用于双模噪声背景下的信号检测系统,并将此方法与经典检测系统进行性能上的比较,仿真结果表明,小波包方法优于经典检测方法。     

基于小波变换的特征提取方法分析

论文提出并讨论了四种基于小波变换的特征提取方法基于小波变换的模极大值特征、基于小波分解的能量特征、基于小波包分解的熵特征以及基于适应性小波网络的特征提取方法,阐述了各方法的基本原理及实现过程,并将其用于水声信号的特征提取,通过分类结果比较,分析了各种方法的特点及适用性。     

基于小波包的皮肤听声器语音特征提取研究

为了提高皮肤听声器分辨语音的能力,提出了利用小波包变换提取语言信号特征参数,并将其应用于皮肤听声器的新方法。小波包变换对频带进行多层次划分,提高了时-频分辨率,所以通过小波包变换得到的特征参数更加准确、更加精细,且是唯一的。最后,通过仿真实验说明了该特征参数的优越性,并且其在一定程度上提高了皮肤听声器分辨语音的能力,从而验证了该方法是可行的。