基于小波熵对微机电陀螺仪中噪声的研究

多尺度熵可以用于描述时间序列在不同时间尺度上的无规则程度,基于小波的多尺度分解,提出一种用小波熵对微机电陀螺仪噪声分析的方法。通过分析微机电陀螺仪中不同噪声的功率谱特性,从理论上验证了典型的白噪声和1/f噪声的存在,并对白噪声和1/f噪声的小波熵计算公式进行了推导。结合实验对设计方案进行了性能测试,根据微机电陀螺仪的实测数据,描述了小波熵随尺度变换的特性。实验结果为现有微机电陀螺仪的噪声分析提供了一种新的方法,并从理论和实际的角度共同验证了小波熵的准确性和适用性。     

基于小波熵的BPSK信号码元速率估计算法

为了解决在低信噪比下准确地估计BPSK信号的码元速率问题,提出了基于小波能谱熵和小波时间熵的两种码元速率估计算法.通过一维多尺度小波变换重构高频部分,分别计算重构信号的小波能谱熵和小波时间熵.对于小波能谱熵,可以直接求取码元速率;对于小波时间熵,需要根据进一步叠加运算后的峰值来求取码元速率.仿真实验表明这两种方法都可以很好地处理低信噪比下BPSK信号的码元速率估计问题,并且比瞬时自相关法具有更强的抗噪性和适应性.     

小波方差与小波熵在信号特征提取中的应用

讨论了单一尺度下的小波方差,并结合信息论中信息熵的定义和物理意义,进一步引进了多尺度下的小波熵;分别以频率突变和幅度突变两种仿真信号为对象,分析了小波方差与小波熵在反映随机信号统计特征方面的特点;最后,以一类钻井信号为例,分别利用两种方法分析和提取了信号在强噪声环境下的脉冲特征。仿真和实例说明,相对于小波方差对尺度选择的依赖,小波熵可以综合各尺度的信息,能够从整体上更有效地提取信号特征。     

基于小波熵的最优阈值去噪方法

小波去噪的核心问题是如何选取合适的阈值函数,进而估计出原始信号的小波系数.现有的改进去噪函数中大都含有需要根据经验来确定的待定参数,易用性和去噪效果均不理想.基于信号的小波熵理论,提出了令去噪后得到原始信号和噪声信号的小波熵之和为最大、从而获得了最优的小波软阈值去噪函数.对含噪声的Blocks信号进行仿真分析的结果证实了文中提出方法的有效性,该方法比采用软、硬阈值方法具有更好去噪效果.     

基于乘积性多尺度小波变换的MPSK信号码速率估计

为估计MPSK信号的码速率,提出一种基于乘积性多尺度小波变换的MPSK信号码速率估计算法.首先,采用载频估计值将接收信号下变频至基带;然后选取多个不同尺度分别对基带信号做Haar小波变换以检测相位突变点,对多个尺度下小波变换的模做乘积性运算,显著凸显突变点的位置,极大削减了噪声;最后,对乘积性结果做快速傅里叶变换(FFT),便可得到MPSK信号的码速率.仿真实验表明,该方法可以在较低信噪比下估计MPSK信号的突变点和码速率,体现了良好的估计性能和优良的低信噪比性能.     

基于小波包最优小波树在故障录波数据压缩中的应用

针对电力系统故障录波信号中蕴含丰富暂态特征信号的特点,在小波理论中多尺度多分辨率分析的基础上,提出了基于最小熵标准的最优小波树数据压缩的方法,并利用Matlab数学分析工具,从工程和实验角度出发,较为直观地探讨了小波包变换在故障录波数据压缩中的应用.     

基于小波包的图像降噪及Matlab实现

由于图像在实际应用中受大量干扰噪声影响,为了更好的利用含噪声图像,根据小波变换和噪声信号的能量分布特性,提出了一种先用小波包对含噪声图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,确定最优小波包基,再利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法,并与采用全局阈值降噪方法相比较;实验结果说明采用的方法可以有效地降低噪声,又可以较好地保持图像细节.     

一种尺度参数的确定方法

密度函数的小波估计中,尺度参数的选择是最关键的问题,如果尺度参数选择大小,则受噪声影响比较大.如果尺度参数选择过大,虽然密度函数估计较好,但密度估计的曲线大幅振荡.通过在多维空间中,基于小波的多分辨分析理论对多变量密度函数进行的小波估计,提出了利用Fisher信息来确定尺度参数的新方法.     

小波域数字调制信号识别与码速率估计

根据小波变换后幅值的方差大小识别信号调制类型和不同码元对应采样点相位差的个数识别MPSK信号,及变换后直流电平个数识别MFSK信号,分析MPSK信号经多个尺度小波变换所得系数模的平方和的频谱,及MFSK信号经一次小波变换所得系数模的第2次小波变换幅值的频谱,估计MFSK信号码速率.仿真结果表明,该方法具有较高的精度及抗噪性.     

基于Lipschitz指数熵的轴承故障检测方法

针对利用小波奇异点进行故障检测无法克服噪声影响的不足,提出采用Lipschitz指数熵作为特征进行故障检测.该方法以信号在小波域上分解形成的Lipschitz指数谱向量的熵值作为故障的诊断特征,建立了基于Lipschitz指数熵的故障检测模型,并提出了基于粒子群优化的特征阈值选择方法.将该方法同基于小波能量谱、小波包能量谱熵特征和小波奇异点检测的方法进行比较,实验结果表明采用Lipschitz指数熵作为特征都能有效克服噪声影响,在检测时间及检测率上较另外3种方法有显著提高.     

面向随机振动功率谱估计的小波变换去噪算法理论分析*

 针对随机振动功率谱通常存突变或间断现象,在小波去噪处理中,软阈值法使得估计信号在间断处较模糊, 且整体误差大,而硬阈值法在信号的间断点附近会产生伪Gibbs现象。通过对随机振动谱的统计模型进行分析,建立了对数域振动谱噪声的统计模型,并理论推导出根据噪声小波变换系数而设置的滤波阈值与小波变换尺度之间的非线性关系,为小波变换自适应阈值去噪提供依据,在此基础上提出了基于小波变换的振动谱估计自适应去噪通用算法,通过仿真对比实验,结果表明理论分析的有效性。     

一种基于定尺度小波变换的频率估计算法

通过改变尺度实现频率扫描是基于小波变换的频率估计算法的惯常做法。由于小波参数的确定缺乏具体明确的方法,这种做法在实际应用中很难达到其算法的理论最佳性能。针对这一问题,首先通过详细推导组合复Morlet小波变换与待分析信号傅里叶变换的关系,提出了一种基于定尺度小波变换的频率估计算法;然后讨论了控制频谱混叠、保证估计精度及分辨能力的参数设置问题,提出了一种简单易行的设置方法。仿真分析表明,该方法进行频率估计在混叠对抗及噪声抑制方面具有比FFT算法明显更优的性能,且适用于短数据信号。     

双模噪声背景下多阈值小波包在信号消噪中的应用

针对一类非高斯噪声——双模噪声信号进行消噪时,传统小波变换和小波包变换在选取恰当阈值准则及阈值量化时存在困难,通过详细分析双模噪声信号结构及频率分布特征,在将小波包分解频带按照频率顺序排列且通过比较最底层子空间节点能量大小的基础上,提出一种将频带进行多分段的多阈值小波包消噪方法.实验结果表明:在双模噪声且信噪比相同情况下,该方法比传统的多尺度小波软阈值、小波包自适应阈值消噪效果都优越,是一种非常有效的信号消噪方法.     

基于多小波自适应阈值的地震图像去噪方法

结合地震图像噪声的特点,利用多尺度小波变换的优点,提出一种新的自适应小波阈值去噪算法.该算法根据小波变换各子层系数矩阵,确定各子层的自适应最优阈值,对于高频子带采用硬阈值化去噪,低频子带采用中值阈值化去噪,并去噪后重构小波系数.实验结果表明,该方法能够去除大部分高频随机噪声,并还原相干切片图像真实效果,提高了地震资料的信噪比.     

一种基于小波包熵的频谱检测算法

为了解决能量检测算法在低信噪比条件下频谱检测性能差的问题,提出了一种基于小波包熵的频谱检测算法.首先采用小波包变换对接收信号进行多层分解,并计算最后一层各节点的重构信号;然后计算各个节点重构信号的小波包熵值;最后选取熵值最小的重构信号作为检测信号进行能量检测.理论分析及仿真结果表明,在低信噪比情况下,该算法可以有效地抑制噪声影响,提高频谱检测性能.     

润滑油磨粒超声回波信号的双树复小波自适应降噪

针对润滑油磨粒含有强噪声的回波信号的问题,采用基于双树复小波变换(DT-CWT)的自适应降噪方法,从而提取清晰的磨粒回波信号. 该方法结合奇异谱分析(SSA)和小波熵理论,分别对双树复小波变换后的近似部分和细节部分进行分析. 奇异谱分析去除了近似部分包含的噪声,同时,小波熵理论能够自适应选取不同分解层上的阈值,实现了细节部分系数的自适应选择. 仿真表明,对于润滑油磨粒超声回波信号的双树复小波自适应降噪,输出信号信噪比(SNR)高、均方根误差(RMSE)小、相似系数(NCC)大,算法运算时间能够满足在线检测要求. 实验分析表明,该方法降低了信号中的噪声,还原了准确的波形特征.      

一种多尺度数据融合模型的工程实践与相关理论问题

为解决不可重复测量物理量的真值估计问题,提出了一种"多尺度数据融合模型",该模型采用多传感器对同一物理量同时进行测量,对各个传感器的测量结果进行小波变换,并在不同小波尺度域对各个传感器的测量值进行多尺度加权平均,通过逆小波变换得到待测物理量的真值估计。笔者对该模型进行了分析和总结,包括对相关领域研究的评述,在此基础上,给出了数据融合定理及一些重要的推导及结论。     

OFDM系统中一种新的变换域信道估计方法

提出一种新的通过离散小波变换在变换域内进行插值的OFDM系统信道估计方法,利用离散小波变换在频域-变换域分析信道估计信号.这种方法可以更好地跟踪信道变化,显著地消除接收到的导频信号中的加性噪声,提高信道估计精度.