小波分析包络提取及在DSP上的实现

在实时信号分析中，离散小波变换在DSP上的有效应用受到了特别的关注，介绍了Mallat快速小波变换算法，通过与常用小波基相对应的正交镜像滤波器组，实现了对信号的快速小波分解；利用小波的频带分离特性和噪声的小波变换特性，提高了信号包络提取的精度。     

基于谐波小波的弱信号提取

谐波小波作为一类小波,存在确定的函数表达式,时频定位准确,算法实现简单.本文基于谐波小波变换,利用其良好的频域盒形谱特性,对多频信号中的弱信号及强噪声中的弱信号检测进行研究,并与原始的纯信号进行比较,模拟结果表明此方法是有效的.     

非平稳环境下基于小波变换的信号去噪

传统的信号去噪算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的信号噪声较大。对此,本文研究了一种非平稳环境下基于小波变换的信号去噪算法。该算法对传统的小波阈值法进行了改进,根据信号与噪声在小波域的分布特性以及信号和噪声小波变换模极大值随尺度的变化快慢不同。得到噪声在小波域中的位置以及小波系数大小。实验结果表明:该算法对平稳和非平稳的噪声都能进行较好的去噪。     

基于小波变换微弱生命信号提取的研究

利用小波变换研究微弱生命信号提取问题,简要介绍Mallat算法,采用小波阈值去噪法对强噪声背景下微弱生命信号进行去噪研究,并简要介绍阈值的估计方法,通过实例,利用MATLAB仿真验证小波变换在微弱生命信号的提取中可取得良好的效果。     

基于小波变换的语音基音周期鲁棒性检测

固定门限的小波变换基音检测算法,在浊音信号起始段和结束段的模极大值不能有效提取。文中提出一种基于小波变换模极大值的基音周期自适应前后向跟踪算法,并结合过零率检测,实现了弱浊音信号基音周期的鲁棒性检测。算法对浊音信号采用自适应帧长,对陡变的基音周期能够准确提取,对噪声有较强的鲁棒性。     

小波包在车载移动电话语音信号提取中的应用

利用小波包理论对车载移动电话的接收信号进行小波包变换,通过设定一合适的阈值对变换后的信号进行量化处理．提取出主要由发动机产生的噪声信号,然后用实际检测信号减去小波包变换信号,得出汽车司机的语音信号．从而达到消除噪声的目的。利用MATLAB的小波工具箱对所提出的方法进行验证,结果表明提取后的信号与驾驶员的声音信号十分相似,误差较小,对发动机噪声有明显的抑制作用。     

基于小波脊线-Hough变换的LFM信号检测

线性调频(LFM)信号是现代雷达广泛使用的一种大时宽-带宽积的低截获概率信号,根据线性调频信号的小波变换特性,小波脊线与瞬时频率的对应关系,提出了一种检测线性调频信号的联合小波脊线-Hough变换方法,该方法首先计算信号的小波变换,得到二维时-频能量分布图,采用脊算法提取信号的小波脊线,然后在小波脊线时-频平面上再进行Hough变换,从而检测噪声中的线性调频信号并估计信号参数.仿真结果证明,此方法可有效地对线性调频类信号进行检测,并且有较好的抗噪声性能.     

基于小波变换微弱生命信号提取的研究

利用小渡变换研究微弱生命信号提取问题,简要介绍Mallat算法,采用小波阈值去噪法对强噪声背景下微弱生命信号进行去噪研究,并简要介绍阈值的估计方法,通过实例,利用MATLAB仿真验证小波变换在微弱生命信号的提取中可取得良好的效果.     

基于改进小波变换的通信信号噪声抑制研究

通信系统中存在许多噪声信号,对有效信号的传输造成不良影响。由于传统信号噪声抑制方法对信号特征提取不全面,导致噪声抑制效果不理想,基于改进小波变换的通信信号噪声抑制,提取通信信号时域特征,改进小波变换确定通信信号有效阈值,判定并分离出纯净信号,设计自适应滤波通信信号噪声抑制模块。测试表明,本次研究的噪声抑制方法的特征提取平均覆盖率较传统方法提升8.3%,输出信号中的噪声比例平均降低0.94%,达到较好效果。     

多尺度小波包变换在弱信号检测中的应用

文章在双模噪声背景下,为了改善信号检测性能,利用多尺度小波包变换良好的时频局部分析能力对双模噪声中弱信号进行检测。理论分析和仿真结果表明,小波包检测系统不仅具有计算量小、算法比较简单和实时性较强的特点,而且比传统的高阶统计量和经典检测的检测性能都优越。     

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。     

Pitch-synchronous wavelet representations of speech and musicsignals

A new wavelet representation is explored. The transform is based on a pitch-synchronous vector representation and it adapts to the oscillatory or aperiodic characteristics of signals. Pseudo-periodic signals are represented in terms of an asymptotically periodic trend and aperiodic fluctuations at several scales. The transform reverts to the ordinary wavelet transform over totally aperiodic signal segments. The pitch-synchronous wavelet transform is particularly suitable to the analysis, rate-reduction coding and synthesis of speech signals and it may serve as a preprocessing block in automatic speech recognition systems. Feature extraction such as separation of voice from noise in voiced consonants is easily performed by means of partial wavelet expansions. A stochastic model of aperiodic fluctuations is proposed     

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。     

利用自适应子波变换提高对微弱运动目标的检测性能

本文研究了长时间相参积累时微弱运动目标回波信号的特点,分析了常规检测方法的局限性,针对多项式相位信号模型,结合复正交线性相位子波基函数的设计,提出了一种基于自适应子波变换局域线性逼近的微弱运动目标检测方法,该方法具有自适应频带划分,快速算法实现,计算量低,并对统计分布的杂散分量具有自动抑制的特点,理论分析和计算机仿真结果验证了该方法的有效性。     

基于小波变换的非均匀采样信号频谱的研究

该文提出基于小波变换的非均匀采样信号频谱的检测方法,给出变换函数关系使得非均匀采样信号满足小波变换的两个基本条件。文中说明了小波的非均匀化过程,从均匀小波得到非均匀小波,以非均匀小波分析非均匀采样信号,得到非均匀采样信号的频谱。文中还说明了非均匀小波变换的抗混叠的原理以及对信号频谱的检测方法,最后给出实验结果。理论和实验表明,非均匀采样信号的小波变换方法是一种行之有效的非均匀采样信号的频率检测方法,使用该方法处理信号可以得到准确的频率估计效果。     

基于P89LPC938的心电信号采集及处理系统

人体的心电信号是一种低频率的微弱信号,而心电信号的测量环境很复杂,在采集过程中不可避免地会混入各种干扰信号,因此要求采集系统具有高抗扰特性.文中详细介绍了基于O89LPC938微控制器的心电信号采集及处理系统,给出了一种实用的心电信号采集和调理电路,介绍了小波变换在心电信号处理中的应用,应用结果表明该系统具有硬件简单、成本低廉、精确度高等特点.     

用小波变换的模极大值提取调制信号频率

利用小波变换系数的模值与信号奇异性指数之间的关系,从调频信号中提取出调制信号的频率.其方法是:对调频信号进行小波变换,取适当尺度上的小波系数进行平方,得到小波变换模极大值的分布曲线,对该曲线进行小波强制滤波,得到反映调制信号频率的光滑曲线,计算该曲线的频率,即可得调制信号的频率.经过计算机仿真,证明该方法是可行的.     

Multi-resolution dyadic wavelet denoising approach for extraction of visual evoked potentials in the brain

More powerful techniques need to be developed to extract small and weak visual evoked potentials (VEPs) from the spontaneous cerebral electric activity EEG. The authors present a wavelet decomposition algorithm suitable for identification and detection of very weak VEPs. The cross-correlation analysis between Daubechies wavelet (i.e. dbN) functions /spl psi//sub N/(t), for N=4, 5 ,...,10 and a representative noiseless VEP signal is performed to choose the proper wavelet function, say that with maximum correlation coefficient (highest resemblance) with respect to the representative VEP signal sequence. In this way, the specific choice of the best wavelet prototype function is no longer arbitrary for the application of obtaining pattern reversal VEPs. Extensive clinical experiments have demonstrated that the multiresolution wavelet analysis method can identify and estimate the peak latency of VEP signal well, with only a much reduced trial of ensemble averaging (EA) required. The major advantages of the wavelet transform are that it can 'zoom-in' to time discontinuities, and that orthonormal bases, localised in time and frequency, can be constructed. With this zoom-in property of the wavelet analysis, the irregularities or abnormalities of signals can easily be detected. Also the characteristics of EP signals can be captured by means of wavelet analysis, which can be further used for the detection and recognition of the abnormalities in the brain.     

Frequency-Domain Design of Overcomplete Rational-Dilation Wavelet Transforms

The dyadic wavelet transform is an effective tool for processing piecewise smooth signals; however, its poor frequency resolution (its low Q-factor) limits its effectiveness for processing oscillatory signals like speech, EEG, and vibration measurements, etc. This paper develops a more flexible family of wavelet transforms for which the frequency resolution can be varied. The new wavelet transform can attain higher Q-factors (desirable for processing oscillatory signals) or the same low Q-factor of the dyadic wavelet transform. The new wavelet transform is modestly overcomplete and based on rational dilations. Like the dyadic wavelet transform, it is an easily invertible 'constant-Q' discrete transform implemented using iterated filter banks and can likewise be associated with a wavelet frame for L₂(R). The wavelet can be made to resemble a Gabor function and can hence have good concentration in the time-frequency plane. The construction of the new wavelet transform depends on the judicious use of both the transform's redundancy and the flexibility allowed by frequency-domain filter design.