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。     

尺度不变V变换信号消噪

传统的小波变换方法用于信号的逼近、重构和消噪,通常会引起信号失真,例如在信号奇异点处的Gibbs现象,这是由于小波基函数的连续特性所引起的.该文提出一种新的尺度不变V变换(SIVT),可用于信号重构和消噪,并能有效消除信号逼近过程中的Gibbs现象.V系统是Haar小波基函数的扩展,并且是一种不变集上的多小波.信号消噪的困难点在于奇异点处的局部信号重构.该文通过对信号奇异点的分析,创新地提出采样信号局部尺度变换结合正交变换的方法(称为尺度不变V变换)进行信号消噪重构.实验结果表明该文方法消噪重构的信号比基于小波变换重构的信号有着更好的效果和更高的信噪比值.尺度不变V变换的理论表明了这种新的技术框架在某些信号重构问题上比小波变换方法更具优势.     

连续小波变换在传感器故障诊断中的应用

小波变换在信号分析与处理中有良好的局部性质.主要研究基于连续小波变换极值点的方法在传感器故障诊断中的应用.对输入信号输出信号进行连续小波变换,利用该变换求出输入输出信号的奇异值,然后去除由于输入突变所引起的极值点,则其余的极值点对应于传感器的故障.在MATLAB平台下,仿真结果表明,该故障诊断方法可以有效地进行故障检测和定位.     

基于Bayes决策的奇异点检测

针对奇异信号中奇异点的检测和定位问题,提出了一个新的信号奇异点检测方法。根据脉冲奇异点的特点,首先将脉冲奇异点的检测建模为一个分类问题：信号中的脉冲奇异点为一类,非脉冲奇异点为另一类。然后,基于Bayes决策和Neyman-Pearson准则,在限定脉冲奇异点漏检概率的情况下,导出了两类点之间的分界面。据此设计了一个新的脉冲奇异点检测方法--基于Bayes决策的脉冲奇异点检测(BDPSD)方法。模拟及真实信号上的实验结果表明,与基于小波变换的模极大法相比,BDPSD方法在检测质量和定位精度方面都有很大的改善,证明BDPSD是一个有效、可行的信号奇异点检测方法。     

小波变换结合MIVP识别图像脉冲噪声的研究

提高脉冲噪声的识别率是提高去除脉冲噪声效果的关键。利用小波变换检测信号奇异点的原理,小波变换可用于识别信号中的脉冲噪声。实验表明,在小波变换识别数字图像的脉冲噪声时,由于将受到脉冲噪声污染的像素点判别为未受脉冲噪声污染的像素点的误判率较高,影响了小波变换识别脉冲噪声的整体精度。为了有效解决这一问题,提出了一种基于统计理论的数字图像脉冲噪声统计量识别法称之为MIVP法,可以弥补小波变换误判噪声点为非噪声点的不足。以小波变换结合MIVP法为基础构成图像脉冲噪声滤波器,在不增加时间复杂度的条件下,有效提高了脉冲噪声的滤波效果。     

应用小波变换的认知无线电频谱检测

频谱检测是认知无线电的核心问题之一,利用小波变换对接收信号的功率谱密度（PSD）进行奇异点检测,为了在低信噪比条件下有效地检测空闲频谱,分两步去除噪声在检测中的影响。首先利用噪声与信号奇异点的小波变换模极大值在不同尺度上具有不同的传播特性,可以去除噪声;再通过小波变换模极大值的衰减计算Lipschitz指数,去掉与信号奇异点具有不同Lipschitz指数的噪声。最后依据剩下的奇异点将PSD划分为多个子带,利用带通滤波器估计每个子带的PSD水平,最终确定出空闲频谱。仿真结果证明了该方法的可行性。     

基于小波变换模局部极大点原理的车辆轮廓提取

本文根据Mallat小波理论中的图像边缘的对应于小波变换模的局部极大值点,应用小波变换的方法,取得结构元素探测局部极大值点,并用提出的卷包裹算法成功地抽取车辆轮廓。     

基于小波消噪和盲源分离的信号奇异点检测方法

研究工业过程故障诊断中的信号奇异点检测问题．采用结合小波消噪的盲源分离算法提取有用的源信号,在分析李氏指数和小波变换的极大值与信号奇异点的关系基础上,分析了信号奇异点检测所用的小波尺度及闯值选择方法．实例分析和比较表明,该方法的主要优势在于它对随机噪声的降噪效果明显,而且能有效地检测出信号的奇异点．     

电力电子装置故障波形相似性度量的小波矩阵变换法

提出一种基于小波矩阵变换的时序序列相似度量方法,并对该方法应用于电力电子装置故障波形相似性度量进行了抗噪性、灵敏度及相似值准确性分析.方法首先采用小波变换将时序序列压缩到小波子空间,再由K-L变换(Karhunen-Loveve transformation)提取样本时序序列的特征向量和正交基,然后将分析时序序列通过内积变换映射到正交基中得到分析特征向量,最后计算两个特征向量之间的欧式距离以判定时序序列的相似度.以电力电子装置故障波形的相似度量为例,实验表明该方法特征向量维数低,抗噪性好于直接小波法30倍,灵敏度是直接小波法1/3,相似值准确性好于小波奇异值法.该方法对于大规模时序序列的相似匹配和检索具有潜在的应用价值.     

改进高频系数重构算法结合负压波法检测定位

传统基于小波变换的奇异值检测对大突变量信号检测效果明显,而对细微变化的信号或受噪声影响的信号奇异值检测不明显.为解决此问题在原基础上做出改进,对小波分解产生的高频系数进行域变换的数学处理方法,做指数变换.筛选一组新的高频系数,再运用小波重构恢复出原信号.通过运用matlab实现的仿真结果表明改进方法突出了奇异值的突变效果,也更准确地检测奇异点.通过与负压波法的结合实现对热网泄漏点的定位,该结合仍需大量实验来验证.     

一种在线分离突发性脉冲干扰的小波分析法

选取合适的奇异性小波基，抽取信号与小波基卷积序列中的某一项作为奇异性判断指标。从理论上找到了对有效信号变化最敏感的分析，并按照此条件推导出信号与噪声的小波变换模极大能有效地被区分。仿真结果表明，在合理选取判断阈值和进行小波变换的信号长度时，该方法能快速 ，准确地判断出真正的信号跳变。本文对提高测控仪表的可靠性有一定的借鉴作用。     

基于小波变换的雷达测量数据分析

通过对信号奇异性、小波方法检测信号奇异点原理的探讨，研究了小波对数据信号奇异点的识别与处理方法，得出了用于雷达数据奇异点检测的小波函数的选取原则．通过某次卫星发射任务雷达测量数据的奇异性分析，准确地判定了雷达跟踪测量的数据丢失点和重新捕获点，达到了数据奇异性点准确定位和分析其奇异性类型的目的．     

小波基和噪声对信号奇异性检测性能的影响*

在分析小波变换物理本质和奇异性检测原理的基础上,研究了小波基和白噪声对信号奇异性检测性能的影响。仿真结果表明,对于信号本身的突变性,支撑区较短的小波基具有较好的检测效果,且检测性能一般不受噪声的影响;而对于K阶奇异信号,只有具备K阶或K+1阶消失矩的小波基才能检测出这类信号的奇异性。同时,由于这类信号的奇异性十分微弱,易被噪声扰动,因此难以保证在噪声背景下准确检测信号中的奇异性质。     

基于小波的信号突变点检测算法研究

本文利用小波多分辨分析的特性将突变信号进行多尺度分解,然后通过分解后的信号来确定突变信号的突变位置。Lipschitz指数被用来定量描述函数的奇异性。当小波变换尺度越来越精细时,小波变换模极大值信号突变点的衰减速度取决于信号在突变点的Lipschitz指数。小波变换不仅可以确定突变点发生的时间,而且可以进一步判断突变的性质。     

小波分析在水下回波奇异性检测中的应用

本文研究了信号的奇异性检测问题,给出了小波变换和信号奇异性的关系,实现了小波分析对信号各类奇异间断点的有效检测,最后进行了实例分析。此理论与方法适用于对边缘信号与突变信号的处理和提取,为水下目标的特征提取及识别提供理论依据。     

一种改进的心电图QRS波群检测算法

在利用小波变换检测QRS波群时,最关键的部分就是模极值配对,提出一种区域极值配对算法来检测R波。首先利用二次样条小波基函数和多孔(ATrous)算法对心电(ECG)信号进行小波变换求取模极值,用正极大值来确定搜索区域,以这个正极大值为起点,以这个确定区域为搜索范围,向左搜索负极大值点,将这两个极值配对,他们之间的过零点就是R波的对应点,然后在检测到R波的基础上检测出Q波与S波,再结合距离最大值法检测出QRS波群的起止点。并采用医学相关理论对检测结果进行优化,进一步去除错检点,补偿漏检点。最后利用MIT-BIH心率失常数据库中记录的数据对该算法进行验证,实验结果表明所提算法能准确检测QRS波群,平均检出率达到了99.97%。     

奇异值分解去噪中有效秩阶次的自身辅助确定

为解决奇异值分解(Singular value decomposition,SVD)去噪中有效秩阶次难以确定的问题,提出一种利用SVD本身进行辅助确定的方法。充分借助SVD在奇异性检测中表现出的优良特性,将原始含噪信号进行SVD处理后获得的奇异值序列视作一个新的信号,并对该信号对象重新进行奇异值分解;通过对各分量信号的奇异性检测,将奇异值序列的奇异点位置作为有效秩阶次确定的依据。对一个仿真实例信号的实验结果表明,该方法可准确地确定出有效秩阶次,从而能够实现信号的有效去噪。     

小波奇异性分析在煤厚探测信号处理中的应用

小波变换为信号的多尺度瞬态分析提供了较好的方法。本文将小波分析在模极大值处理中的优势应用到煤层厚度探测的信号分析中,根据信号小波变换模极大值和信号奇异性之间的关系,由小波变换模极大值沿尺度变化趋势分析出信号的奇异点,得到反射波的初始到达时刻,从而计算出煤层的厚度,取得了比较理想的效果。为信号处理提供了一种新颖的方法。