基于小波包分解的信号分解与重构研究

为有效剔除信号噪声,得到没有污染的信号,便于进行信号分析。文章对小波包信号分解原理进行了阐述,并运用matlab仿真了信号的分解与重构,并展示了分解示意图和重构结果,较好的验证了算法的实用性。     

一种基于一维小波包分解的信号特征提取方法

本文主要针对主动声纳的水中目标回波信号,使用一维二进离散小波包分解技术进行信号的特征提取,研究了信号特征的提取方法和分解节点与实际频带对应列表的计算方法,并通过不同的仿真实验对特征提取算法进行了验证和分析,旨在为基于信号处理提取水中目标回波信号的特征提供一种新的方法和思路。     

基于小波包分解的声信号特征提取方法

论文提出并论述了一种基于小波包分解的特征提取方法，介绍了小波包分解的原理及其实现过程，并将其应用于超低空声目标识别系统中的特征提取过程。通过对几种典型的超低空飞行目标声信号的实验，验证了此基于小波包分解的特征提取方法的有效性。     

一种基于奇异值分解的特征抽取方法

特征抽取是模式识别的基本问题之一,Fisher线性鉴别分析是特征抽取中最为经典和广泛使用的方法之一。该文分析了Fisher线性鉴别分析在求解过程中可能存在的问题:鉴别矢量的分量可能是复数;特征值对扰动的敏感性;鉴别矢量之间未必具有正交性。由此提出了均衡散布矩阵的概念,并利用均衡散布矩阵构造了一种新的线性鉴别准则。利用奇异值分解定理,将求取鉴别矢量转化为对矩阵求奇异向量。用该方法进行求解可以有效地避免前述的问题。试验结果表明,该鉴别准则具有良好的鉴别能力。     

自回归模型的时变小波包分解

该文提出了一种基于动态规划的时变小波包分解算法。利用此算法进行小波包分解可以解决以往分解算法如单树算法无法进行时频分解而双树算法只能进行二叉树分解的问题。通过对时变自回归模型的分解仿真实验,表明在处理时变信号方面,此分解算法比其它算法更具有灵活性。     

一种基于小波包的语音信号特征提取方法研究

为了提高语音信号的识别率,提出了一种基于小波包的语音信号特征提取方法。该方法先对语音信号进行适当尺度的分解,求得各尺度的频谱,在此基础上得到各尺度信号能量,再通过DCT变换获得最后的特征参数。通过仿真实验,说明了新特征参数取得了较高的识别率。     

基于小波变换的汉字签字特征抽取的研究

针对目前汉字鉴别效率低、容易造成几何性质的丢失的现状,提出了一种利用小波分解与重构的技术对汉字签字进行特征抽取的方法.首先对整个签字的每一笔划进行通过多分辨率分析的小波分解公式进行复信号小波变换,这样可以得到每一个笔划的小波分解值;然后设计了一组新的小波重构公式,并利用该公式对各个笔划的特征进行了有机的整合,产生了整个签字的具有旋转、平移及尺度不变性特点的特征,从而使鉴别效果大大提高.     

基于小波包分解的导弹目标神经网络识别

提出了基于小波包分解特征的神经网络导弹目标识别算法。在该算法中,首先通过小波包分解获取能够反映时间序列时频信息的稳定特征,然后利用训练过的神经网络提取特征对导弹目标进行识别。文中运用一组仿真数据和一组试验数据对该算法进行测试,结果表明该算法具有较高的识别概率。     

基于小波包分解的图像特征提取及其应用

提出了一种基于小波包分解的提取图像特征的算法,将图像在不同尺度下的小波包变换模极大值组成一个矩阵,采用奇异值分解得到该矩阵的奇异值矢量作为描述信号调制样式的特征向量。该算法克服了传统的通过各种频域变换提取图像特征时对图像特征难以充分描述的不足,提取的特征向量的维数相对不高,便于实现。计算机仿真结果表明,这种方法具有稳健的抗噪性和良好的扩展性。     

基于小波包变换的辐射源信号特征提取和识别

文中基于小波包变换方法,对MSK信号辐射源提取了J-散度特征和能量特征,结合支持向量机分类器完成辐射源的识别,仿真结果表明：两者识别率均达到90％以上,从而验证了基于小波包变换的辐射源识别的有效性。     

应用最优小波包变换的特征提取方法

在模式识别或分类中,从原始模式中提取有效的分类特征是非常重要的.但对于大量的非平稳或时变信号模式来说,如语音,雷达,地震信号等,用于分类的特征往往包含在局部的时-频信息中,用一般的变换方法提取有效的特征比较困难.近年来小波变换在信号处理和特征提取中得到了广泛应用,但小波包变换的任意多尺度分解特性,是分析非平稳信号更有效的方法,这是由于小波库中包含了丰富的小波包基,不同的小波包基具有不同的性质,反映不同的信号特性,能获取其他变换所不能获取的信号特征.本文主要研究由给定的训练样本集,如何选择最优小波包基,从被识别或分类的信号中提取具有最大可分性的特征.为此提出了应用三种可分性准则,即距离准则,散度准则和熵准则选择最优基.通过实验,对应用各准则选择最优基提取特征与小波基提取特征的性能进行了比较.     

基于改进小波包分析的导航设备故障诊断的特征提取

针对故障诊断信号特征提取问题,提出了小波包分析的改进算法,该算法通过对小波包分解系数的重新排序,解决了小波包分析的频带混叠问题,给出了应用改进小波包分析进行故障诊断特征提取的算法,并在此基础上提出了基于改进小波包分析预处理的神经网络故障字典法．通过仿真比较,该方法剔除了样本信号的冗余成分,大幅度地减少了神经网络的规模,加快了网络的收敛速度,为导航设备故障诊断的特征提取提供了行之有效的手段。     

在线脑机接口中脑电信号的特征提取与分类方法

在脑机接口研究中,针对运动想象脑电信号的特征抽取,提出了一种基于离散小波变换和AR模型的方法.利用Daubechies类小波函数对脑电信号进行3层分解,抽取小波变换系数的统计特征;利用Burg算法提取脑电信号6阶AR模型系数.将这两类特征进行组合后使用神经网络、支持向量机、马氏距离线性判别进行分类并比较分析.采用BCI...     

利用小波包分析抑制窄带干扰

为了能够有效抑制窄带干扰，根据小波包具有任意多尺度分解的特性，以及在时、频域具有表征信号局部信息和捕捉干扰信号特征的能力，利用小波包分析技术提取和滤除干扰分量，从间断窄带干扰和持续窄带干扰两种情况着手，进行除噪并重构信号，改善信号性能，提高了信噪比。利用仿真结果，说明了小波包抑制窄带干扰的有效性。     

基于小波包变换的说话人语音特征参数及其在说话识别中的应用

在说话人识别系统中,能够反映说话人个性的语音特征参数是系统的关键问题之一。本文提出了一种新的说话人识别方法：在小波变换的基础上,借鉴MFCC特征参数的提取,基于GMM模型,用小波包变换代替傅立叶变换,提取新的特征参数DWPTMFCC,实验结果表明,该方法简单可靠,有效可行,具有较高的识别率,与已有方法相比,具有广泛的实用性。     

基于改进小波包变换的音频指纹提取算法

数字音频指纹技术在音频信号分析和处理中起着重要作用。针对传统基于时频分析的音频指纹提取算法中仅使用信号能量作为特征参数,而无法全面表征出信号的复杂度和不规则性问题,提出了基于小波包分解与重构,将小波包系数的奇异值熵和样本熵相结合,作为音频信号的特征参数提取指纹。实验证明,该算法提取的指纹提高了音频识别的准确率,在常见信号处理下能保持较强的鲁棒性,并具有明显的区分音频和定位音频篡改位置的能力。     

一种基于经验模态分解的锥体目标雷达微动特征提取新方法

本文以锥体目标为对象,分析了目标进动对雷达回波的调制作用,研究了基于经验模态分解算法的多分量正弦调频信号分离方法,使用短时傅里叶变换得到了每个本征模态函数的瞬时频率,提取了进动周期、进动角、不同散射点间的微动幅度比值等微动特征及目标纵横比,并用暗室测量数据进行了验证,证明了本文的观点和特征提取方法的有效性.