基于时频特征的分布式光纤传感系统振源识别

为准确识别不同类型分布式光纤传感系统振源信号,提出基于时频特征的分布式光纤传感系统振源识别方法,通过饱和嵌入维数法确定信号的最小分帧长度,保留分帧信号时间序列的动力学特征,并根据分帧信号的短时能量和短时平均过零率判断分帧信号是否为振源信号;采用EMD算法分解含噪声的振源信号为多个IMF,通过门限去噪法阈值处理含噪声的振源信号IMF分量,对去噪后振源信号进行小波频域分解,获取去噪后振源信号在不同尺度上的小波系数能量分布,将其与先验经验获取的振源信号各层小波系数能量分布进行比较,根据二者差值判断分布式光纤传感系统振源信号类型,实现分布式光纤传感系统振源的精确识别。仿真实验结果表明,所提方法识别不同类型分布式光纤传感系统振源信号的识别率均较高,不同类型振源信号识别率均高于90. 12%,最高识别率达到99. 14%。     

二代小波降噪在激光陀螺信号滤波中的应用

为了抑制激光陀螺的随机漂移,提高其使用精度,提出了一种改进的第二代小波变换降噪方法对陀螺随机漂移测试数据进行滤波处理.该方法在二代小波变换时采用多组预测器和更新器,根据变换样本与相邻样本之间的相关性检测信号的局部特征,确定每个尺度上的每个变换样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.该方法克服了传统小波变换降噪方法的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.运用该方法对激光陀螺测试数据进行了滤波降噪实验,并用Allan方差法对不同降噪算法的降噪效果进行了比较分析,实验结果验证了该方法的有效性和优越性.     

小波分析在陀螺信号滤波中的研究

介绍了小波分析进行滤波法，建立了陀螺随机漂移的数学模型，使用了4种典型的小波基对陀螺的输出信号进行多尺度的小波分解，通过软阈值法消除了由噪声产生的小波系数，通过小波重构实现了滤波，试验数据验证了方法的有效性。     

新的小波滤波算法及其在甚长基线干涉测量中的应用

在甚长基线干涉测量中对航天测控信号进行滤波处理,有利于改善信号质量,提高测量精度。以扩频信号为航天测控宽带信号模型,选择dB1小波进行小波变换滤波。首先提出和推导了小波细节系数极大值传播定理,并给出了相关推论;然后提出了一种基于小波系数重构的小波变换滤波算法,该算法包括四个步骤:最高层小波细节系数处理、其他各层小波系数处理、最高层尺度系数处理和整形输出;最后将该算法应用到甚长基线干涉测量的时延估计中。仿真结果表明了极大值传播定理的正确性以及所提滤波算法对航天测控信号质量改善和时延测量精度提高的有效性。      

网络噪声干扰下的入侵信号提纯技术研究

传统方法采用FIR滤波算法进行网络入侵信号的滤波提纯,但是当入侵信号在大混响背景干扰下时,无法有效实现信号滤波提纯。文章提出基于小波尺度特征分析的网络入侵信号提纯算法,首先构建网络入侵信号的背景干扰模型,并进行信号滤波,然后采用鱼群信息链特征优选准则实现入侵信号的检测。仿真结果表明,该算法能有效提高网络入侵信号在低信噪比下的检测性能,信号的提纯纯度较高,滤波效果较好,能有效抵御网络攻击。     

采用DSP与小波变换实现声信号单目标识别

采用TMS320F2812数字信号处理器作为系统核心处理器件,辅以必要的外围电路实现声信号的采集、处理、特征提取及目标识别。根据典型目标声信号的特性,运用小波变换理论对其进行阈值滤波处理;利用小波分析能够反映信号时域和频域局部特性的优点,采用小波变换实现子空间能量特征提取;实现了声信号的快速处理与识别。将此系统应用于典型的车辆目标进行识别,取得了满意的识别效果。     

复杂背景下声纹识别系统的研究方法综述

声纹识别是生物特征识别领域的一个重要分支。它采用语言数据自动地鉴定测试者身份。本文研究复杂背景下的声纹识别系统的设计与实现,首先,利用正交小波滤波器组来对信号进行预滤波,对语言信号的每个频率段进行细粒度去噪,提取出各频段小波系数,重构出语音信号;其次,在特征提取阶段,利用倒谱法计算出基音周期参数,通过Mel滤波器组将小波系数转换成Mel倒谱系数(MFCC),将得出的两种参数组成一个特征矢量作为声纹特征;最后声纹识别阶段,每一个说话人都由一个GMM表示,计算出特征矢量序列的每个似然函数,找到其中最大的说话人模型,即判定为说话人。     

旋转机械振动信号中的小波滤波和特征提取

将小波方法应用于旋转机械状态检测中信号滤波与提取。利用小波Mallat算法对采集信号进行高频滤波，利用小波Packet算法对特征信号进行提取，并通过实验证明上述方法取得很好的效果。     

基于小波理论的脉象信号消噪及特征点检测

利用小波变换具有揭示信号时频两域细节和局部特征的能力,采用小波包分解消除脉象信号中的工频干扰,通过小波分解重构滤波法消除因呼吸引起的基线漂移,并用小波变换模极大值法对消噪后的信号进行特征点检测。实验表明,小波理论对一维非平稳微弱信号具有良好的消噪能力和突变点的检测能力,能实际有效的滤除脉象信号中混杂的基线漂移及工频干扰等噪声,并最大限度地保留信号本身特性。     

一种二相编码信号调制特征分析方法

二相编码信号的调制特征对于信号的分选和识别是很重要的参数。在利用小波变换提取二相编码信号的调制特征时,尺度参数的设置很重要,他影响到小波脊线提取。通过正弦波频率估计的综合方法来精确地估计出信号的载频,并得到合适的尺度参数,再得到小波脊线。利用小波变换的模值来得到二相编码信号的调制特征。仿真试验验证了此方法的有效性。     

基于小波分析的光栅信号质量评估方法

依据谐波分析法给出的评定信号质量指标的准则，提出了基于小波分析的光栅信号质量评估方法，并讨论了此方法的特征与优点。与谐波分析法相比较，小波分析在时域和频域同时具有良好的局部化性质，每次小波变换所取的都是原信号的最大可能近似值，信号的失真度小，通过变更尺度，可以对信号更细微的瞬态特征进行研究，并最大可能地除去噪声，较快地得到理想的质量评定效果(通常只需3至5次变换即可)。在此基础上，给出了相应的小波分析评定光栅信号质量的实验方法。     

小波降噪对TDLAS 干涉抑制的研究

基于多光程吸收池的可调谐半导体激光吸收光谱 (TDLAS) 系统在检测过程中容易出现噪声干扰, 影响着其 实际检测性能。针对这种干扰的特征进行分析, 提出利用小波降噪法来改善 TDLAS 系统的探测性能。首先依据理论 研究结果选择合适的小波函数和分解层数, 然后通过这种小波对叠加干扰的仿真信号进行滤波, 结果表明这种降噪技 术具有良好的去噪效果。最后利用小波降噪技术处理了实验采集的不同浓度气体的直接吸收光谱 (DAS) 和二次谐波 信号, 相比于原信号, 降噪后信号的信噪比从 0.4 增加到 259, 系统的检测限也达到 7×10−6, 表明小波降噪方法在气体 光谱检测中具有较高的应用价值。     

利用改进分形特征对SAR图像目标检测方法的研究

改进分形特征是用指数小波在一个尺度上对检测图像滤波,针对特定大小目标用能量关系函数求得各像素点的分形特征。该文研究了利用改进分形特征对SAR图像进行目标检测的方法,分别使用改进特征与扩展分形特征对单一背景和复杂背景条件下的SAR图像进行目标检测,结果表明:改进分形特征能够在这两种背景条件下以更低虚警率检测出全部特定大小的目标,目标空间可分辨性好、位置指示准确;但在复杂背景条件下的检测虚警率比单一背景下的检测虚警率有所上升。     

非平稳信号的小波包阈值去噪方法

研究非平稳信号的小波包阂值去噪方法，介绍了几种阈限和选取闽值的规则。计算机仿真结果表明，利用小波包阈值去噪的时频局部化特性可以滤去非平稳信号中大量的背景噪声，消噪后的信噪比（SNR）明显高于傅里叶滤波的结果，充分说明了小波包阈值方法在非平稳信号去噪中的优越性。     

基于小波变换的光寻址电位传感器信号去噪研究

基于(LAPS)(光寻址电位传感器)技术的生化传感器中的光生电流是一种微弱的非平稳信号,信噪比(SNR)低。为了提取清晰的LAPS信号,且鉴于传统的傅里叶方法去噪后信号失真严重,本文采用小波变换的方法对LAPS信号进行去噪处理。通过小波变换将信号分解为3层,得到各层的小波系数以及阈值。根据每一层系数特点,按阈值进行分别处理,得到新的小波系数。最后根据新的小波系数,重构信号。对去噪后的信号进行频谱分析发现,信号频谱为有效的LAPS信号谱段。将傅里叶去噪和小波去噪方法进行对比发现,小波去噪得到信号的SNR和平滑度(SR)要高于傅里叶去噪,表明小波变换是LAPS信号去噪的有效方法。     

脉搏信号滤波方法研究

为了降低噪声对人体脉搏信号的干扰、提高采集精度,提出了一种改进的滤波算法。从脉搏信号及其噪声特点出发,采用与经验模态分解法结合的方法,选择适当的小波基并改进小波阈值函数,构造模态系数对脉搏信号进行滤波。经过理论分析与实验验证,取得了理想的实验数据。结果表明,改进的阈值算法不仅克服了软、硬阈值的局限性,并能有效克服傅里叶变换后产生的边缘效应问题;同时,与经验模态分解法相结合,削弱了低频噪声滤除的误差,增强了小波变换的自适应性,较传统的滤波方法能更好地抑制噪声,有助于提高信噪比。     

基于Neyman-Pearson准则的小波阈值去噪法

本文分析了噪声的小波变换特征,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Neyman-Pearson准则的小波阈值去噪法。其小波阈值的选择是依据设定虚警概率后使得检测概率为最大的准则,并随各尺度独立。通过实验验证了该方法的有效性和优异性。     

二维四通道不可分正交小波的快速算法

针对张量积小波只强调水平、垂直方向的不足,研究了二维小波的性质和特点,给出了二维四通道不可分小波的快速算法及其数学证明,分析了此算法的运算量,探讨了滤波器组的构造方法,理论推导与分析表明此算法运算速度比不抽样的二维不可分小波变换和二维快速Fourier变换更快.通过构造出的滤波器组进行不可分小波的分解实验,并与张量积小波进行比较,结果表明不可分小波变换在对图像进行滤波时能全面提取图像各方向的信息.     

基于小波变换和残差神经网络的全盲频谱感知方法

为了解决非平稳信号的时频图特征难以提取的问题,提出了基于小波变换和残差神经网络的全盲频谱感知方法。该方法通过连续小波变换将捕获的主用户信号变换成时频信息矩阵,同时转化为图片作为输入,通过残差网络进行训练和识别。仿真测试了不同小波基对非平稳信号的分解能力和所提算法在各种复杂无线信道环境下对非平稳信号的检测性能和泛化能力,以及对不同主用户信号的适应能力。结果表明,在信噪比为-16 dB时,该方法能在虚警概率为0.1时达到0.92的检测概率,同时amor小波更适合用于非平稳信号的分解且训练识别能力更优。