基于小波变换的人体脉象信号奇异点检测

为了揭示脉象所包含的丰富的心血管系统生理病理信息,利用小波变换的奇异性检测原理,获得了脉象信号的小渡变换模极大值图,检测出了人体脉象信号的突变点,从而准确地确定了心脏收缩期ts和舒张期td.通过对大量信号的实验分析和统计,发现心脏病人和正常人的舒张期和收缩期之比td/ts及脉波率有明显差异,这为部分心脏病的诊断提供了定量的参考依据.     

小波变换在信号奇异性检测中的应用

利用小波变换具有良好的时频局部化特征 ,在特定尺度下 ,求解信号小波变换的模极大值 ,从而找到信号奇异点。该方法应用到输油管道的泄漏检测中 ,结果表明 ,能够排除工况干扰 ,识别有用信号 ,及时准确地检测出管道的泄漏故障。     

基于小波分析的信号奇异点判定

在介绍小波变换概念及信号奇异性理论分析的基础上,给出了利用小波系数模极大值对信号奇异点判定的算法,并结合仿真试验对小波分析在信号奇异点上的判定进行了分析,效果良好。     

信号奇异点的分步检测法

针对两种常见的信号奇异点：脉冲型奇异点和阶跃型奇异点,证明信号的奇异点与信号小波变换的最值有关,如果适当选择小波基函数,那么信号的脉冲奇异点将对应于小波基函数的最值点,而信号的阶跃奇异点将对应于小波基函数的原函数的最值点。据此,设计了一个新的基于小波变换的信号奇异点分步检测法（Hierarchical Singular Point Detection based on Wavelet Transform,HSPDWT）,该方法的特点是根据脉冲奇异点和阶跃奇异点的不同特征分两步从信号中提取奇异点。仿真及真实信号上的实验证明了HSPDWT的可行性和有效性。     

小波变换在输油管道泄漏检测定位系统的应用

介绍了一种基于小波变换的输油管道泄漏检测与定位系统,根据小波变换与信号奇异性之间的关系,采用小波变换模极大值算法对输油管道的压力信号进行奇异点检测,利用检测到的奇异点进行泄漏的定位。     

基于小波变换的动态称重信号处理方法

针对目前动态汽车衡因货车拖磅称重而导致称重信号异常及称重不准确问题,提出采用小波变换极大值信号重构算法对拖磅称重信号进行处理:首先将拖磅称重信号逐层分解到不同频域和时域,在保持频率不变的条件下,对称重信号逐级求极大值点,得出信号逐级变化趋势;然后将多级称重信号按原离散逼近系数重构成新的称重信号,进而得到车辆称重信息。现场实测表明,采用小波变换极大值信号重构算法处理后的货车拖磅称重数据与正常过磅时称重数据的误差小于1%。     

地震信号小波变换的去噪方法

运用模极大值法基本原理进行地震信号去噪研究,进而运用二次小波变换原理通过低层系数处理对常用小波去噪方法进行改进.通过合成不同的染噪地震信号,由一系列仿真实验对模拟地震信号进行不同尺度的小波分解与重构,从而实现最优小波分解尺度上的地震信号噪声去除.与常用的快速傅立叶转换方法比较,仿真结果表明,该小波变换方法能够有效去除地震勘探信号中的噪声,并且针对系数的二次小波变换可以明显改进去噪的效果.     

小波变换在信号突变点检测中的应用

从实际应用的角度出发,根据小波变换时-频分析自适应特性,本文详细阐述小波变换理论和小波变换在信号突变点检测中的应用,并具体实现了小波变换在信号突变点检测的相关算法。     

基于奇异值分解和小波变换的数字水印算法

本文研究了一种基于奇异值分解及小波变换的二值图像水印算法,在嵌入过程中综合运用了Logistic混沌映射和广义猫映射,并采用了改正的二值运算与奇异值分解相结合的方法。大量仿真结果证明了该算法具有很好的隐蔽性,及较理想的鲁棒性。     

阶跃型奇异点的小波检测

在检测实际系统信号问题上,阶跃型奇异点是一类重要的信号奇异点,针对检测和定位在许多实际问题上都有重要的意义。根据阶跃型奇异点的特征,证明了信号的阶跃奇异点与信号小波变换的最值有关,如果适当选择小波基函数,那么信号的阶跃奇异点将对应于信号小波变换的最值点。据此提出了一个利用小波变换最值的阶跃奇异点检测方法,并给出了小波基选择条件。最后利用上述方法对大量仿真信号及实际音频信号上的阶跃奇异点进行检测,结果表明研究有方法不仅有效可靠,而且具有计算简单,定位准确的特点。     

同步挤压小波变换对随机噪声抑制的研究

针对低信噪比信号在噪声去除中存在的问题,提出了利用同步挤压小波变换对随机噪声的处理研究。该变换是一种新的小波变换方法,可将时域信号转化成高分辨率的时频谱,再结合时频谱重排的思想,通过挤压任一中心频率附近区间值,从而得到同步挤压小波变换量值。研究发现,同步挤压小波变换可将随机噪声压缩为点状噪声或者颗粒噪声,并聚集分布,基于噪声这一分布特点,从而选用中值滤波,可达到很好地抑制噪声的目的;而传统小波变换后,随机噪声在大小尺度上均有分布,比较分散,用中值滤波不能达到好的滤波效果。对比结果表明：该方法具有较好的抑制随机噪声的能力。     

基于小波变换和神经网络的车内噪声信号重构

为获取较高精度车内噪声主动控制(Active Noise Control, ANC)参考信号,提出了一种基于小波变换和BP神经网络的车内噪声信号重构方法。以在某轿车采集到的噪声信号为基础,用声学传递路径分析(TPA)方法确定影响车内噪声的关键点信号。鉴于噪声源信号对车内信号非线性关系的复杂性,建立BP神经网络的噪声重构模型,并利用小波分解来降低噪声信号的非平稳性。为对比重构效果,建立BP神经网络噪声重构模型。结果表明,本文提出算法的重构值与实测值之间的平均绝对误差比BP神经网络小,并且基于小波变换和BP网络重构模型的平均绝对误差均小于0.01。该方法能够对车内噪声信号进行准确、有效的重构。     

Geometrically robust video water-marking based on wavelet transform

1 Introduction Compared with relevant analog data, digital media (digital audio, image, video, etc.) have some significant properties: high quality, easy manipulation, perfect copying and easy transmission. Because of these good properties, the development and application of digital media are growing explosively. However, these properties also pose a threat of unauthorized possession and illegal usage of digital media. An additional threat is the illegal tampering and modification of digital m…     

基于小波包变换的脑电波信号降噪及特征提取

针对原始脑电波信号存在非平稳性且非常容易受到各种信号干扰等特点,对基于小波变换和小波包变换的脑电波信号的滤波降噪方法,和基于小波包变换的脑电波信号特征提取方法进行了研究。首先利用MindSet采集到原始脑电波数据,然后分别应用小波变换和小波包变换对其进行降噪处理,比较了两种方法的性能,验证了基于小波包变换的降噪方法的优越性和特征提取方法的有效性。     

基于小波变换的拉伸试验信号重建的研究

讨论了基于小波分解与重建理论的复合材料拉伸信号小波分析方法，论述了拉伸信号的去噪方法和小波基选择，实现了拉伸信号的高精度信号重建，与传统的滤小技术相比，小波变化具有良好的局部特性，为复合材料的力学分析提供了基础。     

基于小波变换的信号去噪的应用研究

文章指出了小波变换去噪方法与一般意义下去噪方法的不同,讨论了小波变换算法的优越性,进而提出了利用小波算法对含噪信号进行逐层分析与重构,将原始信号分解为不同频带,滤除不需要的频带,最后用Mallat重建算法得到去噪后的信号,既有效地滤除了信号噪声,又保留了信号的突变性。大量的实验结果和进一步的分析表明,该技术应用在动力系统的去噪研究中将更加有利于系统的稳定运行。     

基于级联离散小波变换的信号去噪方法研究

提出了基于级联离散小波变换的信号去噪方法。该方法通过对带噪信号作一层离散小波变换(DWT)后提取的低频部分和高频部分分别作一层DWT和四层DWT,然后,对低频部分提取的低频成分和高频成分均作三层DWT,接着,对所有分解的小波系数进行阈值处理,最后,完成信号重构。实验结果表明:在同样的小波分解层次下,本方法去噪效果好于DWT法和WPD法。     

基于形态学的ECG小波自适应去噪算法

为了消除心电信号中的噪声,提高心电监护仪的性能和计算机自动诊断效率,已经提出了多种方法来消除这些噪声.针对常规的ECG信号去噪算法存在的缺陷,提出了一种基于形态学的小波自适应去噪算法.该算法利用线性组合形态学滤波器去除基线漂移信号,然后对处理后无基漂的信号送入小波自适应滤波器,选取合适的阚值对其进行二次滤波去噪,最后得到无噪声的ECG信号.实验结果表明,该算法是一种有效的去噪算法.     

基于小波变换的图像最大融合算法

通过大量的实验,得出了图像在小波变换域是否失真的判定标准--均方差及其均方差的阈值,进而提出了临界融合的概念,并给出了相应的最大融合算法,该算法使图像的鲁棒性得到很大的提高.实验证明该算法抗图像处理和攻击的能力较强,可应用于数字图像的版权保护和信息隐藏.