基于小波变换的中红外多波长辐射测温的信号处理

介绍了用小波变换实现中红外多波长辐射测温信号的处理方法，该方法基于信号和白噪声在小波变换下具有不同的传播特性，采用软阈值方法有效地去除信号中的噪声，方便地用软件实现辐射测温信号的处理。为将小波变换引入辐射测温领域进行了探讨。     

小波分析在微型光谱仪信号去噪处理中的应用

针对微型光谱仪光谱信号存在的噪声问题,利用小波变换在时频域具有多分辨率,能同时进行时频域局部分析的特性,运用Mallat分解和重构算法,通过C语言编程实现对光谱信号的噪声抑制.将程序应用到MS-Ⅱ明思微型生化分析仪系统中,对算法的有效性进行了验证.结果表明,用小波变换对光谱信号进行分析和处理,提高了光谱信号分析的精度,从而提高了系统测试的准确性和稳定性.     

基于小波变换的噪声及背景同时去除方法在血糖近红外无创检测中的应用

对于血糖近红外无创检测.光谱信号中的各种噪声以及水分等物质的强吸收产生的背景信号,影响了光谱定量校正模型的预测精度.利用小波变换,可将光谱信号分解为多尺度的近似成分与细节成分,根据无用信息变量消除判据可判定代表背景信息的高尺度近似成分及代表噪声的低尺度细节系数,去除相应的成分即可同时去除光谱信号中的背景与噪声.本文将这种小波变换与无用信息变量消除判据相结合的预处理方法应用干人体血糖无创检测研究中,并分析了该方法对不确定因素较多的复杂光谱模型的适用性问题.实验结果表明应用小波变换结合无用信息变量消除判据的方法可以有效地同时去除血糖无创检测近红外光谱信号中的背景信息和噪声,提高光谱定量校正模型的预测精度,对于人体血糖无创检测具有重要应用价值.     

一种基于小波分析的阈值去噪算法

利用信号和噪声在小波变换中不同尺度上具有不同的特性,提出了基于小波变换的去噪方法。经过小波变换后的信号,在其小波系数中包含了实际信号的重要信息特征,表现为幅值较大的小波系数,而噪声产生的小波系数幅值较小。通过在不同尺度上选取适当的阈值,对大于和小于该阈值的小波系数进行相应的处理,以得到去噪后的信号。     

基于小波多尺度检测特性的扩频序列捕获研究

根据小波分析的特点，将小波检测引入扩频序列捕获系统中，利用扩频码捕获时信号(调制信号)和未捕获时信号(高斯白噪声)的小波变换的不同特征，结合多分辨分析，设立小波变换阈值，正确识别捕获状态。并且，对这种利用小波检测的捕获方法进行了仿真实验，分析与实验表明这种方法具有一定的理论价值和实用价值。     

形态梯度小波降噪与S变换的齿轮故障特征抽取算法

针对齿轮故障特征信号具有强噪声背景、非线性、非平稳性特点,提出采用形态梯度小波对齿轮振动信号进行降噪。首先使用形态梯度小波把齿轮振动信号分解到多个尺度上,然后对各层的细节系数进行软阈值方法降噪处理,对经过处理后的小波系数进行重构。对降噪后的齿轮振动信号采用S变换多分辨率时频分析,能够从具有良好的时频分辨率的S变换谱图提取齿轮故障特征。通过仿真试验和故障轴承的信号分析证明,该方法具有短时傅里叶变换和小波变换的优点,不存在Wigner-Ville分布的交叉干扰和负频率,能有效地提取隐含在噪声中的齿轮故障特征,适合齿轮故障的在线监测和诊断。     

基于小波变换的信号去噪技术及实现

阐述了小波变换去除信号噪声的基本原理和方法。研究利用小波变换技术对信号噪声进行抑制和去除非平稳信号的噪声，然后利用Matlab软件编制程序实现了基于小波变换的正弦信号噪声抑制和非平稳信号的去噪仿真分析。仿真结果表明小波变换去除噪声的效果比传统的Fourior变换方法具有极大的优越性。     

基于大数据驱动的高光谱信号异常检测研究

研究基于大数据驱动的高光谱信号异常检测方法，提高异常检测准确度。采用K-means算法聚类处理高光谱信号，引入聚类有效性指标优化处理，利用基于哈尔小波的离散小波变换多分辨率模型分解高光谱信号，通过低频信号获取高光谱信号光谱波形特征，通过局部过零点确定吸收峰，完成光谱特征的提取，将各光谱特征输入到卷积神经网络，实现高光谱信号的异常检测。实验结果表明：该方法可分解高光谱信号，当分解层数为3时，光谱特征提取效果最佳，高光谱信号异常检测准确度为90%左右，检测时间为0.2 s,可准确检测异常高光谱信号。     

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

肝病变白鼠血清荧光光谱的小波变换研究

用小波变换的方法研究了小鼠肝纤维化血清的荧光光谱,用mexh小波能很好地将荧光光谱的特征提取出来,在508、527、556、589和633nm处得到特征峰,用前3个特征峰处的强度与第4个特征峰处的比值可将健康与纤维化的样品区分出来。结果表明,小波变换是处理分析荧光光谱的一种有效方法。     

基于多分辨率分析提取遥感光谱特征

利用子波变换的多分辨率分析方法，将遥感光谱分解为反映目标结构概貌的模糊信号和刻划目标结构细节的锐化信号，结果表明：对目标特征的分析，小波变换方法比ＦＦＴ更为敏感。     

基于多分辨率分析提取遥感光谱特征

利用子波变换的多分辨率分析方法，将遥感光谱分解为反映目标结构概貌的模糊信号和刻划目标结构细节的锐化信号。结果表明：对目标特征的分析，小波变换方法比FFT更为敏感。     

基于小波分析的EEG信号自适应去噪的应用研究

介绍了小波变换应用于EEG信号消噪处理中的原理及自适应噪声抵消器的原理。根据短时动态信号与平稳背景噪声的特征区别,对输入混合信号进行白化预处理,以时间序列的AR模型理论为依据,导出背景噪声白化滤波器的结构;将小波变换与自适应滤波相结合,对经白化处理后的信号进行自适应去噪,将去噪后信号及平均信号做了功率谱估计比较,实验结果表明该方法能有效地去除弱信号中的噪声。     

基于小波包分解的舰船辐射噪声特征提取方法研究

由于舰船辐射噪声有其自身的非高斯、非线性和非白噪声的非平稳特性,传统时域或频域的信号处理方法不能满足对这类信号的处理.而小波包变换对信号的非平稳特性有适应性.本文通过利用小波包变换分解舰船的辐射噪声,统计噪声在各个频段上的能量分布,将统计的分频段能量作为舰船的目标特征,实现舰船目分类识别标的目的.结合Matlab对舰船辐射噪声进行仿真,提取的目标一和目标二的特征,实现了舰船的分类识别的目的,验证的方法的有效性.     

基于小波变换的高光谱激光雷达回波微弱信号处理技术

针对高光谱激光雷达回波信号能量弱导致的波形信息常常淹没在噪声中而难以提取的问题,基于高光谱激光雷达原理验证样机系统采集到的高光谱激光雷达回波信号数据,通过分析小波变换参数选取对信号处理的影响,寻找到一种基于小波变换的高光谱激光雷达回波微弱信号的处理方法,即在sym6小波3层分解下,运用软阈值函数和启发式阈值处理可有效处理高光谱激光雷达回波微弱信号,运用该方法在仅有少量回波样本信号数量情况下,达到高斯拟合在数倍回波样本信号数量情况下的处理效果,降低了提取出波形信息所需要的高光谱激光雷达回波信号探测时间。     

小波变换在电力电子装置信号消噪中的应用

对于电力电子装置信号中的噪声,传统的利用傅里叶去噪方法很难将有用的高频部分与噪声造成的高频干扰而区分开来。小波变换能够解决这一难题,从而能够很好的还原信号。利用小波消噪的四种阈值去噪方法对含噪信号进行处理,然后对比这四种方法的信噪比和平方根误差后选出最好的去噪方法。MATLAB仿真结果表明应用小波变换对电力电子装置信号消噪处理,能够很好地还原原信号特征。     

含噪声混沌信号的小波去噪方法研究

基于混沌信号具有分形结构的特点，提出了一种分数维与小波变换相结合的带观测噪声混沌信号的噪声去除新方法，利用噪声小波变换特性提取信号的真实分数维，进而根据欲处理混沌时间序列分数维与信号真实分数维之差控制小波包除噪的阈值及位置，达到噪声与信号的自适应分离。该方法克服了以往对未知动力系统方程信号除噪的盲目性，仿真结果表明此法有效可行。     

模极大值降噪法在信号降噪中的应用

利用信号与噪声奇异点Lipschitz指数的区别,以及反映在其小波变换模极大值曲线上的特点,应用小波变换模极大值降噪法,对含有带限高斯白噪声的数字通信信号进行了降噪处理,并对降噪原理、算法和仿真结果进行了较为详细的分析。提出了一种信号重构新方法,该方法利用小波变换对信号和噪声的模极大值进行分离,通过对噪声模极大值对应的小波系数进行线性压缩后重构信号,并用仿真试验验证了该方法的有效性。     

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。     

小波变换及其在信号去噪中的应用

介绍了小波变换理论及基于小波变换去除信号噪声的基本原理和方法.研究利用小波变换技术对噪声进行阈值处理和去除非平稳信号的噪声,并应用Matlab软件实现了小波去噪的计算机仿真,仿真结果表明小波变换去除噪声的效果优于传统的Fourier变换.