基于小波包变换的电力系统谐波电流检测

针对常规快速傅立叶变换无法检测非整数次谐波,以及改进的加窗插值快速傅立叶变换运用困难,采用小波、小波包变换对电网信号中的谐波进行检测分析。小波包变换建立在二进小波变换基础上,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。仿真结果证明,较之傅立叶变换和小波变换,小波包变换对电网信号中谐波的幅度、频率的估计具有更高的精度。     

基于块自适应窗的小波域维纳滤波图像去噪

基于图像经小波分解后细节子带能量簇的主方向由边缘方向、纹理方向和子带滤波器的方向选择性共同决定这一事实,提出了基于块自适应窗的小波域维纳滤波图像去噪算法。对含噪图像进行离散小波变换后,对每一层三个细节子带分别无重叠分块,利用细节子带块能量相关函数确定每一块中能量簇的主方向及相应的块自适应窗口,在得到的块自适应窗口中估计不同方向块中各点信号方差,进而对子带系数进行维纳滤波,得到细节系数的估计,然后进行小波逆变换,得到去噪图像。实验结果表明了该方法比基于矩形窗口的小波域局部维纳滤波有更好的去噪效果。     

基于小波和傅立叶变换组合的数字图像水印算法

数字水印技术是实现版权保护的有效办法之一.为实现水印图像的嵌入,提出了一种基于二维离散小波与傅立叶变换组合的灰度图像数字水印算法.首先对原始图像进行离散小波变换,选择低频子带图像LL作为水印的添加区,再将LL区进行分块,并对每一个小块作离散傅立叶变换;对嵌入的水印图像做相应的分块置乱处理,而后根据人眼视觉系统的特点结合边缘分析将水印信息以不同的强度嵌入载体图像中,最后进行傅立叶和小波逆变换生成密图.实验结果表明,算法具有较好的鲁棒性和视觉效果.     

小波变换在信号奇异性分析中的应用

阐述了在奇异信号分析中,小波变换较傅立叶变换及短时傅立叶变换的优势,描述了小波变换在奇异信号分析中的应用.     

基于鲁棒主成分分析的图像放大算法

给出一种采用鲁棒主成分分析去噪的图像超分辨率算法。对高分辨率训练图像进行Haar小波变换,使用鲁棒主成分分析法得到去噪后的近似子带字典和细节子带字典;将低分辨率测试图像的近似子带作为相应高分辨率测试图像的近似子带,通过细节子带字典恢复出高分辨率测试图像细节子带;通过逆Haar小波变换得到高分辨率测试图像,利用多级增强进一步提高图像的质量。实验结果显示,用所给方法得到的字典对噪声有鲁棒性,且高分辨率重建图像峰值信噪比较高。     

小波域心理听觉模型

提出一个简单直接的将频域心理听觉模型转换到小波域,进行小波包滤波器分解音频编码的新方法.该方法利用离散傅里叶变换左右频带的对称性,将频域的掩蔽域值频谱作为一个信号,利用傅里叶反变换和离散小波包变换转换到每一个小波子带,根据掩蔽信号在小波域的能量来控制子带中音频信号的量化步长,利用该方法实现小波包音频编码.     

基于提升静态小波包变换的自适应消噪方法

基于离散小波变换(DWT)的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了一种基于提升静态小波包变换的自适应消噪方法,它推导了静态小波包的提升实现方法,并设计出适合该系统的确定最优小波包分解树的相应步骤,利用引入更多动量因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.     

直扩系统中基于小波包变换的自适应干扰抑制技术

研究了用离散小波包变换实现直扩通信系统中输入信号的分解，分析了小波包变换抵消窄带干扰的机理，对原有算法进行了优化并提出了相应的自适应去干扰算法．采用自适应滤波技术取代子带剔除法，自适应地跟踪窄带干扰，改善了有用信号的丢弃情况，有效地抑制了窄带干扰．分析和仿真结果表明，基于树结构算法的自适应小波包干扰抑制方法比传统的子带剔除法在性能上更为优越，干扰定位速度也较快．     

Matlab小波分析在信号处理中的应用

本文在对傅立叶变换和窗口傅立叶变换以及小波变换比较分析的基础上,重点探讨了Matlab小波分析对普通信号进行分析、消噪、压缩和奇异点检测等信号处理中的各种应用,并提出一些自己的看法。     

基于提升小波分解曲波变换的雷达影像消噪法

利用提升法对传统小波进行提升,将提升小波对雷达影像进行分解,形成子带影像,再将子带影像进行脊 波变换,并对变换结果进行消噪处理,然后进行脊波逆变换和提升小波重构,得到新的雷达影像。试验结果表 明:基于提升小波分解的曲波变换比传统小波分解的曲波变换对雷达影像消噪效果好,同时与传统的均值滤波 相比效果更好。     

小波变换对耳蜗频率响应的模拟方法

经分析发现,小波变换是对人耳蜗频率响应的近似,二者都是一组比例带宽滤波器。因此,以cmor10.5母小波为基础,构造了一系列小波组成一滤波器组,模拟了人耳频率响应。根据某类舰船单音信号参数,模拟了一含噪输入信号。以该信号为基础,对小波谱提取方法进行了研究,对于小波谱提取中涉及的带宽、分辨率等参数进行了分析,提出了改善分辨率的两种办法。最后,对某型舰船噪声进行了小波谱分析,并与其FFT谱图进行了简单的比较,对其变分辨率进行了分析,验证了小波变换比例带宽滤波器的特点。     

基于小波变换的弹射加速度频谱分析

基于小波变换可提取信号所需频率成分的特性,利用多个小波组合,设计较理想的事通滤波器,采用频谱细化法对航空弹射加速度信号作频谱分析,并将此法与经低通数字滤波器后得到的信号的FFT谱分析做了比较。结果表明,基于小波变换的频谱细化法比FFT谱分析法有较高的频率分辨率,实现起来也比较简单、容易,更适合于对频率分辨率要求较高的谱分析。     

一种提高DSSS信号载波频率估计精度的算法

针对快速傅里叶变换（fast Fourier transform,FFT）算法频率估计误差较大的问题,采用离散时间傅里叶变换（discrete time Fourier transform,DTFT）辅助FFT估计频率谱峰值,以提高直接序列扩频（direct sequence spreadspectrum,DSSS）信号多普勒测量精度的算法。该算法利用FFT估计频谱最高峰值及次高峰,在对应频点之间平均取10个频率点做DTFT,求幅值的极大值点,以确定频率谱峰值精确位置。仿真实验结果表明,该算法可有效提高捕获过程中DSSS信号频率的测量精度。     

基于快速傅里叶变换和db小波变换的谐波检测

在电力系统谐波检测中,使用快速傅里叶变换法(FFT)可以得到平稳谐波信号中的频谱,从而可以确定该信号中谐波的频率和幅值等信息.但FFT局限于得到信号的频域信息,很难检测到谐波发生的具体时刻,而小波变换可以捕捉到信号中的细节部分.针对复杂谐波信号,提出了一种将快速傅里叶变换和小波变换相结合的检测方法.由Matlab仿真结果可知,该方法可以检测稳态谐波,确定暂态谐波的突变时刻.     

基于提升小波变换和Hilbert调制技术的故障识别方法

齿轮局部发生故障后,非线性振动信号频谱中齿轮啮合频率及其二、三次谐波附近的边频带均出现显著增长.由于提升小波算法预测和更新原理与故障信号紧密相关,利用提升小波对振动信号进行时频特性分析和信息预处理,通过预测器和更新器的设计取代小波基函数选取过程;随后对蕴含大量故障特征信息的高频细节信号实施Hilbert变换,调制信号的包络谱中彻底剔除常规振动分量仅保留故障信息,该方法可高效识别振动信号频谱中的齿轮故障特征频率.最后用实例验证基于提升小波变换的Hilbert调制分析在齿轮故障诊断中的有效性.     

基于小波变换的语音信号基音频率检测法

将基于小波变换与多分辨分析 (MRA)下的Mallat算法与传统的快速傅立叶变换(FFT)相结合 ,提出了一种新的语音信号的基音频率检测方法。实验结果表明 ,这种方法能有效地抑制语音信号中共振峰对基音频率的影响 ,且不必考虑语音信号的短时性。与传统基音估计方法比较 ,此方法具有运算速度快、基音估计准确度高的特点。     

基于分段谱平均的高精度频率估计方法

提出了一种适用于高斯白噪声背景下的正弦波频率估计的新算法。通过将采样信号分成多段,搜索其平均幅度谱最大位置对应的频率从而完成粗略估计。而累积谱的方法有效地提高了信号的信噪比,使该算法的信噪比阈值降低。采用加权的方法提取出FFT相位中包含的信号频率与最大谱线位置之间的相对偏差,进行二次精估计。性能仿真和比较结果验证了该算法的可行性。     

基于小波变换的非平稳信号分析与处理

针对傅里叶变换在非平稳信号分析中的难点问题,将小波变换和短时傅里叶变换应用于典型的非平稳信号,进行时频分析研究,所获得的特性比普通的傅里叶变换构成的频谱分析结果更清晰、准确,表明这两种时频分析方法独有的优越性、正确性、实用性.小波的多分辨特性更使得分析结果优于短时傅里叶变换.在此基础上用该方法对小波时频分析方法的抗噪性能进行研究,并从小波基函数的性质和实际仿真效果两方面设定参数,得出最优分析结果,改善了小波时频分析方法在高频处频率不易确定的问题.     

应用小波包结合FFT方法检测转子断条故障信号

针对笼型异步电动机转子断条故障信号的处理,提出了一种小波包分析结合FFT的处理方法.该方法弥补了单独使用FFT无时间分辩力和无法准确识别微弱故障特征信号的缺点,也弥补了单独使用小波包分析只能得到各频带信号成分而无法得到频点信号的不足.实验证明该方法是可行的,应用该方法能够准确检测到笼型异步电动机转子断条故障信号.