奇异目标信号的多尺度定位识别方法

在复杂环境下检测微弱目标信号是信号检测技术中关键问题。基于奇异目标信号和噪声干扰在多尺度小波变换下表现出截然不同的特性，利用奇异目标信号的小波变换模极大值随尺度增大而增大，而随机白噪声小波变换模极大值随尺度增大而减小，进行复杂环境中的目标定位识别。理论和实验表明该方法特别适合弱信号的定位识别。     

基于小波分析的传感器故障检测研究

针对航空发动机控制系统传感器故障检测在强噪声环境下易误报的问题,设计了基于模极大值原理的传感器故障检测方法.首先介绍基于小波奇异性进行故障检测的基本原理,之后根据信号和噪声奇异指数不同的特点判断噪声模极大值.对传感器典型故障,给出基于模极大值原理的传感器故障检测算法,并根据小波变换模极大值在不同尺度下的分布来完成故障的检测.通过某型涡扇发动机控制系统传感器故障检测仿真实验表明,小波变换能很好地刻画信号的奇异性特征,该滤波算法消噪效果明显,故障检测准确度高.     

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。     

基于相关和小波分析的激光水下目标检测研究

在激光水下目标探测中，由于海水这一特殊的环境，目标反射回来的回波信号中存在大量的散斑噪声，不利于目标检测。该文利用局部相关特性建立起一种信号的广义空间相关模型，再利用三重相关峰值检测原理和通过对信号的二进小波变换，利用小波变换的局部模极大值在不同尺度下的传播特性，对目标进行检测和定位。实验表明这种基于背景相关分析和小波的目标检测定位方法在激光水下目标探测中可有效检测和定位目标。     

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。     

混响背景下水下目标回声的高斯小波检测

水下目标回声信号的检测是主动声纳目标识别的重要内容.信号背景的混响干扰是目标回声检测的困难所在.本文基于反对称连续高斯小波变换空间上的模极大值传播特性与信号奇异点的关系,提出用小波影响锥锥尖和最佳尺度的自动检索来实现目标回声检测的方法.检测的有效性实验采用大量的海上实测数据进行测试,并与能量检波方法对比.结果表明,由于该方法对目标回声头和尾位置的准确定位,使得本文提出的小波变换模极大值能量分布特征在模糊神经网络分类器上的分类效果较理想,显示了本方法在实现目标回声自动检测上的重要应用前景.     

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。     

基于小波模极大值的信号奇异性检测

小波分析近乎完美的数学特性受到各领域科学家和工程技术人员的青睐.文中讨论了基于小波模极大值的信号奇异性检测方法,该方法突破了傅立叶分析在时域和频域方面的局部化能力,信号的局部正则性可由其小波变换模随尺度参数的衰减特性来刻画,通过确定小波变换在细尺度下的局部模极大值来检测信号奇异性.实验表明,该方法能有效的、实用的.     

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。     

基于最优小波包基的模极大值法信号消噪研究

给出了对信号进行基于熵准则的最优小波包基分解的基本原理,在此基础上提出了使用模极大值法进行信号消噪的基本原理.通过计算Lip指数确定信号中的奇异点,然后根据噪声和有用信号的模极大值随着小波分解尺度的增大而呈现出的截然不同的特性剔除噪声,从而实现消噪.通过对一含有噪声的信号进行消噪验证了该方法的优越性.     

利用小波变换极大值来检测信号奇异性

通过模型算例验证了信号的奇异性或局部正则性可以由其小波变换幅值随尺度参数的衰减性来刻画,即通过跟踪小波变换在细尺度下的局部极大模来检测[1];且在随机噪声的影响下,该方法仍然有效。     

改进小波算法在光纤温度传感器中的应用

针对在分布式拉曼光纤温度传感器系统中,由于拉曼散射信号弱、噪声强而造成的温度测量误差问题,提出了一种改进小波算法模型。该算法在传统模型极大值小波算法基础上,引入信号相关性特性来提升捕捉信号与噪声的能力,同时结合小波分解尺度自适应方法,消除分解尺度不匹配造成信号丢失或噪声未滤除的情况,并在Matlab仿真软件中对比了此算法滤波的优越性,利用3 km分布式光纤测温系统进行验证。实验结果表明,处理后的温度较算法前的温度总体平均误差缩小0.5233℃。     

小波模极大值在图像消噪中的应用

提出利用小波模极大值进行图像消噪方法,对含噪声图像进行离散平稳小波变换和噪声标准差的估计,在Bayes-shrink阈值计算的基础上,得到消噪的阈值计算公式。对各尺度各子带的小波系数模极大值进行判断,获得由图像边缘产生的小波系数,使用自适应多阈值的方法在小波各尺度、各子带萎缩非图像边缘产生的小波系数。经平稳小波逆变换得到消噪后的图像。实验结果表明,与以前消噪方法相比,该方法具有更好的效果。     

小波变换在车流量检测雷达信号去噪中的应用

分析了车流量检测雷达中频信号的特点,探讨了小波变换在中频信号去噪中的应用;分别采用小波变换阈值法、平移不变量法和小波变换模极大值法对中频信号进行了去噪处理并对这三种方法的去噪性能进行了分析;实验结果表明,三种方法均能有效的抑制噪声,其中小波阈值法去噪效果较好,计算速度很快;平移不变量法去噪效果略优于小波阈值法,但计算速度较慢,模极大值法虽然取得了最好的去噪效果,但计算速度很慢;综合而言,小波变换阈值法最具实用价值。     

2D-discontinuity detection from scattered data

We describe a numerical approach for the detection of discontinuities of a two dimensional function distorted by noise. This problem arises in many applications as computer vision, geology, signal processing. The method we propose is based on the two-dimensional continuous wavelet transform and follows partially the ideas developed in [2], [6] and [8]. It is well-known that the wavelet transform modulus maxima locate the discontinuity points and the sharp variation points as well. Here we propose a statistical test which, for a suitable scale value, allows us to decide if a wavelet transform modulus maximum corresponds to a function value discontinuity. Then we provide an algorithm to detect the discontinuity curves fromscattered and noisy data.     

小波变换的频响特性及其在语音去噪中的应用

讨论小波变换在实际语音信号去噪处理中应用。由于语音信号的复杂性 ,信号本身含有奇异性 ,因此不能单一使用阈值去噪法。文中定义了小波变换频响特性 ,并利用它重构低尺度参数上的小波变换模极大 ,达到去噪目的。实例证明它的有效性     

基于虚警概率最大准则的小波阈值去噪算法研究

本文分析了随机噪声的小波变换系数在不同尺度上的传递特性和噪声信号奇异性与小波模极大值的关系,阐述了基于阈值的正交小波变换去噪法,在此基础上提出了一种基于能量元和Neyman-pearson准则的小波阈值去噪算法。其小波阈值的选取是依据设定虚警概率后得到的检测概率最大的准则,并且阈值是随各尺度独立的。通过仿真实验,验证了该算法的有效性和优异性。     

心电模板构造方法及其在心电去噪中的应用

针对强噪声心电去噪,提出了基于心电模板的去噪方法。首先,将小波变换模极大值方法和信号相干平均技术相结合,构造出心电模板信号。然后给出了两种基于心电模板的强噪声心电去噪方法：直接重建法和间接相关法。最后将该方法与基于小波软、硬阈值去噪方法进行了对比,结果显示所得信号波形平滑度更好、信噪比更高。基于心电模板的去噪方法能够有效去除心电强噪声,为心电弱特征信息成分的准确提取奠定了基础。同时研究提供的心电模板构造方法也可用于其他准周期性生理信号,为强噪声生理信号去噪提供了一种有益思路。