基于Morlet小波变换的MPSK信号调制识别

文中利用了MPSK信号经Morlet小波变换后的相位特性,提出了一种识别MPSK信号的方法。Morlet小波有良好的时频局部特性,与Hilbert变换相比,MPSK信号通过Morlet小波变换后获得了信噪比增益,因此可以更精确提取信号的瞬时相位。受加性高斯白噪声污染的MPSK信号经Morlet小波变换后,相位的概率密度函数可以用Tikhonov函数近似,由近似函数利用相位的统计性质识别MPSK信号。以已有的一种识别算法为例识别MPSK信号,仿真结果表明：在正确识别率为0.9时,采用Morlet小波变换,所需信噪比低约3dB。     

红外脉冲相位复调制细化检测算法

试件发生损伤时会在频谱上表现为一系列特有的频率形式,该频率随材料热物性、损伤深度和尺寸的变化而变化。传统红外脉冲相位法(PPT)基于快速傅里叶变换(FFT)算法,在采样率固定的情况下,因栅栏效应、频率分辨率不足,无法准确识别峰值频率和"盲频",难以满足准确的定量分析。基于复调制的频率细化方法,首先分析全景频谱,再进行复调制移频,对特定的局部频带进行频谱细化,并通过零相位滤波器的改进,避免了附加相位和弥散现象,提高了频率分辨率,校正了频率、幅值和相位。通过铝制样件的实验,测试结果在定性分析时,可得到效果更优的幅值和相位图像;定量分析时,可得到更可靠的特征频率、更好的定量化损伤参数,能满足工程误差的要求。     

改进的Morlet小波在信号特征提取中的应用

小波分析提取数字调制信号调制特征是一种比较有效的分析方法。本文通过分析Morlet小波中各参数对提取调制特征性能的影响，提出一种改进的Morlet小波变换(MMWT)，并将其用于信号调制特征提取。计算机仿真表明，基于MMWT的特征提取性能优于基于Morlet小波变换的方法，且具有良好的抗干扰能力。     

基于图像序列的红外锁相热像检测技术研究

介绍了红外锁相热像技术的发展和应用。红外锁相热像技术是一种主动热成像技术,采用了正弦调制光源作为激励源对试件进行激励,利用Cedip JADE MWIR 550焦平面红外热像仪采集红外图像序列,对其特殊的图像序列文件格式进行了分析,研究了数字信号的滤波算法和热波信号FFT处理算法,并采用Viscal C++开发平台编制了红外图像序列信号处理程序。试验结果表明,开发的基于红外图像序列处理的红外锁相热像软件系统可达到国外同类技术的先进水平。     

Morlet小波变换结合MLP神经网络的齿轮箱故障检测方法

针对变速齿轮箱中的故障检测问题,提出了一种结合Morlet小波变换和多层感知器(MLP)神经网络的齿轮故障检测方法。利用角域技术,将时域中齿轮故障的非平稳振动信号转化为角域中的平稳信号。然后,利用进行Morlet小波变换并从小波系数中提取统计特征。同时根据最大能量与香农熵比来确定连续小波变换(CWT)的最优尺度,以此来缩减特征量,并将小波系数的能量和香农熵作为两个新特征添加到特征向量。最后,利用MLP神经网络对输入特征进行分类,从而检测故障。实验结果表明,该方法故障检测准确率高,且计算速度快。     

提高基于Morlet小波“脊”处理方法的相位解调精度研究

Morlet由于具有很好的空域和频域局域能力,是小波变换轮廓术中最常用的小波之一。通过计算Morlet小波与变形条纹之间的相似度,可以从Morlet小波"脊"中获得条纹的相位信息,从而重建被测物体的三位面形。在Morlet小波"脊"方法中,相位表达式的推导利用了相位函数的一阶泰勒近似,在物体高度变化率大的区域,重建面形的误差大。针对这个不足,提出了基于相位二阶泰勒展开的小波变换轮廓术,推导了"脊"相位的表达式:在已有的小波变换轮廓术的相位表达式中,引入了一个相位的二阶修正项,提高了物体高度变化大的区域的测量精度。计算机仿真和实验结果表明,所提方法可以提高小波变换"脊"方法恢复物体面形的精度。     

红外脉冲相位热像检测效率提高方法

为提高脉冲相位热像法(PPT)温度序列相位的计算速度和检测效率,对传统的傅里叶变换(FFT)进行优化,提出了适用于PPT的相位快速计算方法,使运算速度提高了1.9~12.4倍。为确定相位算法中温度序列的最佳采样长度和频率分量,结合热扩散深度公式提出了最佳采样长度估算公式。对铝合金试件和钢材料试件进行了脉冲相位热波检测,当缺陷检测效果最佳时,热图序列最佳采样长度分别为1.1 s和3.9 s,基频相位差有最佳的缺陷分辨能力。结果表明:该算法显著提高了相位计算速度,量化的最佳采样长度估算公式能直接确定热图采样长度,减少了操作的主观性和参数设置的随机性,有效提高了脉冲相位热像检测效率。     

基于超声锁相热像技术检测缺陷的热图序列处理

超声锁相热像是以超声频振动做激励源并采用锁相方法对热图信号进行处理,得到热图序列的幅值和相位来判定缺陷的一种红外热像无损检测技术.它能够有效地检测各种材料内接触界面类缺陷.为了提高对缺陷的检测效率和探测能力,基于超声锁相热像技术,对采集的瞬态热图序列进行处理,采用时频分析方法提取瞬态热图序列的相位和幅值.研究固定分析窗宽(分析长度)时窗中心时刻(分析时刻)对检测结果的影响.采用超声红外锁相热像技术对A3钢板材微裂纹进行检测试验研究,结果表明,瞬态热图序列的时频分析方法能够准确检测金属板材的微裂纹缺陷.     

低信噪比的相位编码信号细微特征检测方法

讨论一种用傅里叶变换测量频率，由测得的频率和先验知识决定的尺度范围调整复值morlet小波的中心频率并确定一个尺度，然后在该尺度下进行复值morlet小波变换，根据得到的小波变换系数模值局部极小值来检测相位编码信号细微特征的方法。     

基于小波的无线信号调制识别

介绍了ASK、FSK和PSK三种信号在相同码元区间和码元区间变化时的小波变换，提出了基于小波脊线特征的门限判别法来识别这三种信号，并对提出的方法进行仿真实验。仿真结果表明，该识别方法在信噪比理想的情况下能很好地识别出这三种信号．但在信噪比不理想时，识别PSK信号的效果欠佳。     

基于Morlet小波的水下声信号频率识别

为准确获取水下目标的发声频率,建立了激光干涉法探测水下声信号的实验系统。提出一种基于Morlet小波的水声信号处理方法,将Morlet小波母函数的频率取定值,改变尺度因子,利用两者比值与水下声信号频率的关系分析小波系数模值,实时获取水下声信号的频率信息。实验结果表明:小波系数图可以反映出水下目标在某一时刻的发声频率,实验系统能够实时探测出1～15kHz的水下声信号。     

基于改进Morlet小波的超声回波信号处理

粘结复合材料的超声回波检测信号夹杂了大量的噪声,完全淹没了有用的裂纹缺陷信息,基于时域或频域的分析方法难以判断其是否存在缺陷.在对信号作多尺度分析的基础上,改进了Morlet小波,并基于改进Morlet小波对信号进行了各种分析.当取多个尺度参数时,基于改进Morlet小波变换得到的小波系数都包含有缺陷信号的频率成分,这样便解决了多分辨率分析时多尺度小波系数在分析窄频带缺陷信号时的不足.     

基于红外脉冲相位热成像技术的玻璃钢深度测量

为探索红外热成像技术用于玻璃钢材料厚度测量的方法,文中使用闪光灯脉冲激励热成像的方法对玻璃钢平底洞标准件进行检测,通过脉冲相位法(PPT)进行数据处理,提取频域信息、消除噪声,并在试验设备采样频率不能满足盲频测量要求的限制条件下,建立相位阈值,完成了厚度测量。试验结果表明,玻璃钢试件的物理特性会对测量结果造成误差,但经数值优化后可在一定厚度范围内得到和实际深度接近的探测值,该方法可以作为玻璃钢厚度测量的有效手段。     

基于小波分析的倒装芯片主动红外缺陷检测

随着微电子技术的需求和发展,倒装芯片技术在高密度微型化封装领域得到了快速发展和广泛应用,而现有的一些倒装芯片检测方法存在一定的不足之处。为此,研究了主动红外的倒装芯片缺陷检测方法。实验中使用激光加热对倒装样片施加非接触热激励,通过红外热像仪获取样片温度分布。采用小波分析方法提取包括小波熵在内的信号特征,采用自组织神经网络对不同类型焊球进行聚类识别。研究表明,通过自组织神经网络可以有效地将不同缺陷焊球与参考焊球通过距离映射法映射到不同区域从而区分开,并且可以将未知焊球信号映射到相应的区域实现聚类识别。因此该方法可以有效实现倒装芯片的缺陷检测。     

基于小波变换的红外图像弱小目标检测研究

针对红外图像弱小点目标检测中遇到的难点,即信噪比低、帧间相对运动和强噪声干扰等问题,给出了一种帧间膨胀累积提高信噪比的方法,并且提出将l/f噪声白化和白噪声去除同步处理的新思路,大量的仿真实验证明,该方法能够很好地抑制噪声对图像的影响,大大提高信噪比,降低误检率。     

一种基于平稳小波域的红外图像增强方法

针对红外图像对比度和分辩率低、噪声大的特点,提出一种基于平稳小波域的红外图像增强新方法.对高频子带中幅值较小的噪声系数进行衰减,幅值较大的边缘细节系数进行放大;对低频子带系数的幅值采用所提出的正弦函数进行伸缩处理.实验结果表明,本文提出的方法在有效地增强红外图像对比度及边缘细节的同时,又能很好地抑制背景噪声,综合性能明显优于传统的直方图均衡化和反锐化掩膜增强方法.     

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。     

Image classification based on complex wavelet structural similarity

Complex wavelet structural similarity (CW-SSIM) index has been recognized as a novel image similarity measure of broad potential applications due to its robustness to small geometric distortions such as translation, scaling and rotation of images. Nevertheless, how to make the best use of it in image classification problems has not been deeply investigated. In this paper, we introduce a series of novel image classification algorithms based on CW-SSIM and use handwritten digit recognition, and face recognition as examples for demonstration. Among the proposed approaches, the best compromise between accuracy and complexity is obtained by the CW-SSIM support vector machine based algorithms, which combines an unsupervised clustering method to divide the training images into clusters with representative images and a supervised learning method based on support vector machines to maximize the classification accuracy. Our experiments show that such a conceptually simple image classification method, which does not involve any registration, intensity normalization or sophisticated feature extraction processes, and does not rely on any modeling of the image patterns or distortion processes, achieves competitive performance with reduced computational cost.     

基于多尺度小波核LS-SVM的红外弱小目标检测

针对红外弱小目标检测提出了一种新的算法.算法首先对图像进行均值滤波处理以减少噪声点,然后利用基于多尺度小波核函数的最小二乘向量机对图像进行局部灰度曲面拟合,再通过二阶方向导数算子计算出其特征图像并将连续几帧特征图像融合,最后采用对比度分割方法确认目标位置.仿真实验表明,该方法不仅具有良好的适应性和检测效果,而且具有较强的时效性.