改进型小波多分辨率分析及小波梳状滤波器

为克服小波多分辨率分析在高频段频率分辨率低的缺点,提出一种改进型小波多分辨率分析算法,并在此基础上给出一种新型小波梳状滤波器(WCF)的实现方法.改进型小波多分辨率分析算法对高频段进行逐级细分,得到一系列窄带的共轭正交滤波器(CQFs)及其输出信号序列.利用共轭正交滤波器的频率响应特性,将这些窄带滤波器通道组合成WCF.理论分析与仿真结果均表明,WCF在各频段都具有相同的频率分辨率,并能够检测子频带交界处的频率分量.WCF不仅易于实现,而且可以根据问题需要设定子带带宽,得到足够高的频率分辨率,适用于时变和非平稳信号时频特征的检测.     

小波变换在电子耳蜗CIS处理中的应用及其仿真和合成

小波变换是采用多分辨率的思想,非均匀的划分时频空间,对信号做多尺度分析,其功能相当于用一组恒品质因数Q的带通滤波器做多分辨率分析.文章利用小波变换代替带通滤波器组实现电子耳蜗CIS语音信号处理,讨论了小波变换在电子耳蜗CIS语音信号处理中的应用,并对该方法进行计算机仿真和声音合成.     

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。     

低信噪比下雷达信号脉内特征提取新方法

针对低信噪比条件下雷达信号的瞬时参数估计容易受噪声影响的问题,提出了将自适应阈值消噪技术与小波变换结合起来的新方法.首先利用连续小波变换计算信号的小波谱,再对小波谱进行自适应阈值消噪处理,进而提取小波谱脊线,得到信号的脉内调制信息.计算机仿真结果验证了该方法的可行性.     

小波变换在语音信号处理上的应用

利用小波的多分辨率分析,以及其良好的空间域和频率域局部化特点,针对语音信号特征,选取适当的小波算法进行去噪和增强语音,压缩编码,提取语音信号特征等处理。通过Matlab仿真分析,得到增强后的信号图和压缩后的压缩比参数、能量保留参数、零系数比例系数,提取的信号特征。结果表明,基于小波变换的语音信号处理表现出良好的特性。     

舰船水声信号特征提取方法研究

信号特征提取是目标识别的关键技术,为实现水中目标信号的识别,提出一种利用小波库提取水中舰船目标信号波形特征的方法。该方法针对水中舰船目标的水声信号及其频率特性,在满足理想重建条件下,构造正交的小波滤波器,进而构造符合舰船水声频率特性的小波库。利用小波库将信号分解,结合最小二乘法提取舰船信号的波形特征值,并借助Matlab仿真工具进行仿真。结果表明:用小波库方法提取的信号波形特征可降低信号识别维度,在一定的误差范围内识别水中舰船目标信号。     

小波变换用于舰船辐射噪声调制信息检测

应用小波分析从舰船辐射噪声中提取调制信息,进行了仿真研究,供舰船识别利用.首先讨论了舰船辐射噪声的产生机理、构成和频率特性,指出螺旋桨噪声的振幅存在周期性调制.其次利用小波的多分辨分析的方法,在中低信噪比条件下,仿真实现了调制信号和舰船辐射噪声的分离.其结果表明,相对于传统DEMON分析,利用小波以及希尔伯特变换可以更快更好地提取舰船辐射噪声的调制信息.在水声信号处理领域,小波变换对于舰船调制信息提取是一种有效手段.     

用余弦调制PR—FIR方法构造M带正交小波基

离散小波变换将离散时间信号分解为一系列不同分辨率下的离散近似信号和离散细节，紧支的正交规范小波与完全重构正交镜像滤波器相对应。在紧支正交小波基的构造条件下，利用余弦调制完全重构滤波器组的方法，实现了Ｍ带紧支正交波波基的构造，计算机模拟表明该方法非常简单、有效。     

基于小波变换的自动声／韵切分的研究

利用小波变换多分辨率分析的特点对汉语语音信号进行分析,成功地提取了一个反映声母和韵母之间过渡段信息的特征参数－过渡帧,利用该参数进行声／韵切分。通过对２８９个音节的实验,结果表明,小波变换能较好地捕促声韵母间的过渡信息。     

基于Gammatone频率离散小波系数的水下目标鲁棒识别

针对水下目标辐射噪声的复杂性和研究样本的局限性,提出了一种基于Gammatone频率离散小波系数的特征提取方法,结合人耳听觉感知机理,提取出了有效吻合人耳听觉特性的识别特征。该方法在2个方面改进了目前广泛采用的美尔倒谱系数:1用Gammatone滤波器代替三角滤波器,更好地模拟了人耳基底膜的滤波特性;2用离散小波变换替换离散余弦变换,使得识别特征具有优良的局部化特性。针对实录的水下动物叫声和舰船辐射噪声进行分类实验,表明所提出的特征提取方法在识别率和稳健性方面都有明显提高。     

一种适合于边缘保存的混合噪声抑制方法

为了解决边缘检测和混合噪声抑制之间的矛盾,基于小波变换、图像边缘检测的高频能量保存(HFPP)方法和抑制加性高斯白噪声的互能量交叉(MPC)方法,提出了一种结合中值滤波和互能量交叉(M&MPC)方法.该方法主要基于中值滤波适合于冲激性噪声抑制,而小波滤波适合于加性高斯白噪声抑制的特点.模拟实验结果表明,HFPP方法可以很好地检测图像主要边缘,而利用M&MPC方法可以改进混合噪声的抑制能力,该方法可以在边缘检测精确度和混合噪声抑制之间达到最佳折衷.     

基于小波变换和复合混沌系统的数字图像水印算法

提出了一种基于小波变换和复合混沌系统的数字图像水印算法.在水印嵌入过程中,算法首先对原始图像进行离散小波变换,提取其低频部分作为嵌入区域;在对水印进行加密时,不是使用以往单混沌序列,而是采用复合混沌系统产生的混沌序列;再将加密后的水印进行小波变换并提取其低频部分;最后将加密水印的低频部分嵌入到原始图像的低频部分中.通过水印相关系数NC和峰值信噪比PSNR评价水印算法性能.实验结果表明,该算法可以抵抗JPEG压缩、噪声、滤波等攻击,图像水印效果很好.     

小波包降噪在风机振动检测中的应用

该文针对小波包变换理论及小波包降噪基本原理,对风机的异常振动加速度信号进行了处理,提取有效的信号特征,滤除干扰.实验结果表明,小波包降噪能够根据实际信号的特征,自适应地选择频带,滤出各种噪声干扰.在此基础上对信号进行频谱分析,可以实现对风机故障的高效诊断.     

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。     

基于小波变换的SAR图像边缘提取新方法研究

由于SAR图像含有相干斑噪声，使得常规方法应用于SAR图像边缘检测时遇到了较大的困难，提出了一种新的SAR图像边缘提取方法，该方法首先用基于结构信息的统计滤波方法对SAR图像进行滤波，然后利用小波变换具有多分辨分析的特性，并结合模糊中值滤波、阈值化处理及微分梯度算子对SAR图像进行边缘提取。实验结果表明了该方法是一种有效的对SAR图像进行边缘提取的方法。     

用小波变换的方法降低机车信号噪声干扰

介绍了一种在铁路机车信号传输过程中,用小波变换的方法降低噪声干扰和提高信号通道信号信噪比的方法,即用小波变换具有低熵性、多分辨率、去相关性和选基灵活性的特点,综合作为特征提取和低通滤波功能的手段,对机车信号和噪声干扰信号同时进行低通滤波和高通滤波,其低频系数主要反映信号信息,高频系数主要反映噪声和信号的细节信息.对非平稳机车含噪信号进行多层小波分析,对每层高频分解系数进行阈值处理后再合成,作为有效达到滤除噪声和保留信号高频信息的手段,对其进行了仿真分析.     

双树复小波包和谱峭度在齿轮故障诊断中的应用

针对故障齿轮振动信号的非平稳和调制特性,提出了基于双树复小波包变换和谱峭度的齿轮故障诊断方法.首先,利用双树复小波包变换将原始振动信号分解为若干个不同频带的信号分量,选择与原始信号相关系数大的分量进行阈值降噪并重构;然后,对降噪后的信号利用谱峭度所得的峭度图选择最佳的带宽和频带中心进行相应的带通滤波处理;最后,将带通滤波后的信号作平方包络和傅里叶变换,即可得到信号的包络解调谱,从而提取故障特征信息.通过对试验和工程实际的齿轮故障信号分析表明:双树复小波包变换和谱峭度结合的方法可有效地提取齿轮故障特征信息,进而实现故障识别,验证了方法的可行性和有效性.     

基于新的小波变换的去噪方法

本文系统地分析了传统连续小波变换的缺陷.传统连续小波变换的逆变换中,积分变量是彼此独立的.只有当积分变量有联系时,相应的数值积分才具有高分辨特性,并且在逆变换中,积分变量出现在被积函数的分母上,这样会影响数值积分的精度,阻碍了连续小波变换的应用.为此构造了一种新型的连续小波变换,不论对积分变量如何剖分,任何一种数值积分方法都具有高分辨特性,且积分变量不出现在被积函数的分母上,进而给出了相应的数值解法.最后,给出了基于新型连续小波变换的滤波方法,对同时带有白噪声和脉冲噪声的信号进行处理.无需噪声的先验知识,就可以彻底地去除信号中白噪声和脉冲噪声,重建原有信号,与传统的小波去噪方法比较,可获取更高的信噪比.