小波变换模极大值重建方法消除胃电检测中的运动伪迹

在体表测得的胃电信号受到被试身体移动的影响会产生运动伪迹;这些高幅值的运动伪迹给胃电信号的提取带来了不稳定性。该文引入小波变换模极大值重建方法去除信号中的运动伪迹。采用多孔算法对信号进行小波变换,根据筛选准则去除运动伪迹对应的小波变换模极大值点,再根据标架理论,采用共轭梯度算法由模极大值重建信号,就达到了去除运动伪迹的目的。实验表明,此方法可以有效去除胃电信号中的运动伪迹。结果也说明在胃电信号的提取中,该方法可以作为一种有效的预处理方法,促进胃电在研究和临床中的应用。     

小波变换模极大值重建方法消除胃电检测中的运动伪迹

在体表测得的胃电信号受到被试身体移动的影响会产生运动伪迹;这些高幅值的运动伪迹给胃电信号的提取带来了不稳定性。该文引入小波变换模极大值重建方法去除信号中的运动伪迹。采用多孔算法对信号进行小波变换,根据筛选准则去除运动伪迹对应的小波变换模极大值点,再根据标架理论,采用共轭梯度算法由模极大值重建信号,就达到了去除运动伪迹的目的。实验表明,此方法可以有效去除胃电信号中的运动伪迹。结果也说明在胃电信号的提取中,该方法可以作为一种有效的预处理方法,促进胃电在研究和临床中的应用。     

基于小波包能量的脑电信号特征提取方法

在脑机接口研究中,针对运动想象脑电信号的特征抽取,提出了一种基于小波包变换和AR模型的特征提取方法.该方法首先利用小波包变换对大脑C3和C4处采集的2路运动想象脑电信号进行3层分解,抽取小波系数的能量特征;然后,利用Burg算法提取脑电信号的5阶AR模型系数;最后,将这2类特征组合,使用基于马氏距离的线性判别分类器对左右手运动想象脑电模式进行分类,正确率达到91.43%.该方法提取的特征向量较好地反应了运动想象脑电信号的事件相关去同步和事件相关同步的变化时程,为BCI研究中脑电信号的模式识别提供了新的思路.此外,该方法的识别率高,复杂性低,适合应用于在线脑机接口中.     

非平稳大地测量信号特征信息小波识别

将小波变换和Fourier变换的谱分析结合起来,在时域中记录大地测量信号序列的突变时间,在频域中提取信号突变的频段,通过序列在小波变换各尺度上的小波能量时谱和能量频谱可以得到大地测量内涵的主要复杂过程的有关尺度层次,进而分析、识别内涵的特征信息.仿真实例表明,该方法既保证了特征信息提取的质量,又降低了计算的时空复杂度.对山东基准站的YATI站和WUDI站的年周期、半年周期、季节周期数据进行实例分析,识别提取了特征信息,效果良好.     

心电信号的降噪处理及其评价研究

为抑制心电信号中存在的噪声干扰,以利于准确提取反映心电信号的特征信息,文章提出应用一维离散小波变换实现对心电信号的降噪处理方法.通过对MIT/BIH心电数据库中的心电信号进行仿真,研究结果表明,该方法能够有效地去除心电信号中的噪声,对实现心电信号特征信息的提取具有一定的实用价值.     

应用多分辨率小波变换提取脑电信号异常节律

脑电信号是非平稳的随机信号，其中包含了大量的生理和疾病信息，对于医生判断脑都是否有器质性的病变具有重要作用。因此对脑电信号的分析和处理一直是人们努力研究的领域。考虑到小波变换良好的时频局部化特性，利用多分辨率小波变换方法来实现脑电信号异常节律的提取，脑电信号经多分辨率小波变换后所得到的各个尺度的信号不仅反映了信号的频率信息，即尺度越大，对应信号的频率越低，同时也反映了信号的时间信息，即反映此时的EEG状态，实验结果表明，选择合适的小波基，可以有效地提取脑电信号中的异常节律。     

基于一维离散小波变换的心电信号降噪研究

针对心电信号中含有噪声的现象,为了准确提取反映心电信号的特征信息,该文提出了应用一维离散小波变换实现对心电信号的降噪处理方法.研究结果表明,该方法能够有效地去除心电信号中的噪声,从而为进一步实现心电信号特征信息的提取提供了有效的参考价值.     

基于Morlet小波变换与SVD的故障特征提取

针对Morlet小波变换结果中的特征提取问题,对连续小波变换得到的小波系数矩阵进行奇异值分解(SVD),分析了所获得的奇异值与Morlet小波变换结果中的特征信号以及噪声的对应关系.基于这种关系,通过选择合适的奇异值进行重构,清晰地提取到Morlet小波分解结果中的有效特征信息;进一步计算得到频率-能量谱,根据峰值位置能够提取冲击特征.将该方法应用于轴承振动信号的故障特征提取,并与其他方法进行了比较.结果表明,文中方法所获得的故障波形非常清晰,在低信噪比时具有较好的故障特征提取效果.     

小波变换在吸毒者脉象信号分析中的应用

根据脉象信号的随机特性,采用小波变换中的多分辨率分析算法对其进行分析,旨在提取海洛因吸毒者脉象信号的异常信息,并得出区分正常人与吸毒者的初步的判断依据．基于小波变换的脉象信号的尺度谱携带有人体健康状况的重要特征信息．对15例海洛因吸毒者和15例正常人的脉象信号进行分析,提取出每例信号的尺度谱和该信号的总能量,发现吸毒者脉象信号在特定尺度与时间区域内的尺度谱之和（即尺度-小波能量）和该信号总能量的比值明显高于正常人．以该尺度与时间区域内的尺度-小波能量和该信号总能量之比的百分值作为判断正常人和吸毒者的特征参量,提出了用于划分正常人和吸毒者的临界参数．据此,15例正常人从30例受测者中全部被正确地检测出来,但有两例吸毒病人被误判为正常人．结果表明,该方法是检测海洛因吸毒者脉象信号异常的有效且可行的方法．     

一维离散小波变换在心电信号降噪中的应用

为准确提取反映心电信号的特征信息,提出应用一维离散小波变换实现对心电信号的降噪处理方法。首先介绍了一维离散小波变换的基本思想;其次,应用小波分解与重构的方法(Mallat算法)在MATALB环境中编程实现对心电信号的降噪处理;最后,引入降噪信号与原信号的能量比(ENR)、均方根误差(RMSE)和自相关系数(AC)作为小波变换的降噪评价指标。可见,该方法能够有效地去除心电信号中的噪声干扰,对于实现心电信号特征信息的提取具有一定的参考价值。     

小波变换在波阻抗反演中的应用

介绍了利用小波变换进行多道波阻抗反演的原理．鉴于地震剖面上不同的频带有不同的信噪比,以及相邻地震道的反射波有效成分在波形和能量上有较强的相关性,笔者结合小波变换的特点,运用多道记录同时进行波阻抗反演,即在迭代过程中将实际记录与模型合成记录的残差道进行小波分解,形成残差道分频小波剖面,然后利用Ｋ－Ｌ变换提取分频剖面中的相干部分用于波阻抗变化量的计算,从而避免了噪音参与波阻抗变化量的计算．展示了理论模型与实际应用的例子,说明该反演方法稳定性强,具有广泛的应用前景     

基于小波变换的调制自动识别新方法研究

在小波分析的理论基础上,提出使用高斯(Gaussian)小波进行连续小波变换,进而提取信号的小波变换后的幅度,获取其瞬时特征,达到识别MPSK(M-ary Phase Shift Keying)与MFSK(Multi-Frequency Shift Keying)信号的目的,从而在不需要先验知识的情况下识别接收信号的调制方式的目的.验证该方法较现有文献利用Haar小波变换识别信号方法具有更好的性能,而且克服了现有文献采用Haar小波变换识别调制信号的漏检问题,提高了运算速度和性能,并有效增加了小波变换识别调制信号方法的适用性.通过理论分析和计算机仿真证实了新方法的有效性和优越性.     

一种基于信号相关性检测的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法.该方法以第二代小波变换为基础,在小波变换时提供多组备选的预测器和更新器,用变换样本与相邻样本之间的相关性来检测信号的局部特征,并根据相关系数的大小来确定每一尺度上的每个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.模拟实验和工程应用的结果表明,该方法克服了传统小波降噪方法丢失原始信号局部信息的缺陷,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.     

一种基于小波变换的包络分析法

对机械故障中常见的调制信号,包络分析法是一种有效的分析方法,为克服当前的包络分析法需要选择合适的滤波器参数的局性性,提出了一种基于小波变换的包络分析方法,运用小波包将调制信号分解到不同频率段上,提取需要的频率段成分进行重构,对重构后的信号作络细化谱分析就能有效地从原始信号中提取调制信息,仿真信号和实际动用都表明该方法能有效地提取信号的故障特征。     

基于小波变换的心阻抗血流图特征点提取

以小波变换的极大值在多尺度间的变化与信号的瞬变有直接关系为基础,由小波变换的奇异点(过零点、极值点等)来观测心阻抗微分波形,在感兴趣的尺度上找到模极值点和特征点的对应关系,从而完成对特征点的自动检测。采用临床医学ICG数据对算法进行了检测,实验结果表明:心阻抗微分信号中B点、X点的漏检率与采用传统的相干平均法相比有明显降低,说明小波变换技术是心阻抗微分信号分析与处理的又一可行有效的方法。     

基于子波变换谱估计的频率步进毫米波雷达目标成像

根据子波变换所具有良好的时间－频率局域性和逼近性,研究基于子波变换谱估计的频率步进毫米波雷达目标成像方法。由于选用了波动性、衰减性和带通性能好的已调高斯函数作为子波基函数构成一组特性较理想的带通滤波器,对信号进行正交处理,其子波变换同时给出了同相和正交分量。通过信号的功率谱估计,从而获得更好的雷达目标一维距离像。仿真结果表明,这种方法是有效的     

QRS波相位检测算法

在ECG信号中,QRS波群含有大量的信息,它对ECG信号的分析具有指导意义,因而QRS波群的检测得到了广泛地研究。文章通过对小波处理过程的研究,发现采用快速卷积的小波变换,通过判断小波相位符号的变化,可以准确地定位R波;这种手段本质上依然是过零点的检测,但是由于不依赖于幅度域值,所以更加有效。     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及基于多分辨分析的信号小波的分解算法 ,研究了信号局部奇异性在小波变换下的特性 ;根据故障信号的局部奇异性在小波变换下模的极大值及其在不同尺度上的传播特性 ,对 30 8型滚动轴承振动加速度故障信号进行分解 ,对故障特征信号进行时域定位 ,并提取了故障特征频率f=46 .88Hz,这与实际的故障特征频率相近 ,说明该方法适用于滚动轴承的在线监测和故障诊断     

一种快速重构信号的方法è

从多尺度的思想出发，提出一种由小波变换的模极大值及造成小波变换模极大值眯的信号突变点的正规性快速重构信号的方法，在各尺度下，依小波变换模极大值及造成小波变换模极大值点的信号突变点的正规性来选取基函数拟合信号在该尺度下的小波变换，再作小波反演得重构信号，实验结果表明，它是一种快速而又有较高信噪比的重构方法。     

GPS receiver performance inspection by wavelet transform

As a powerful analysis tool and the result of contemporary mathematics development, wavelet transform has shown its promising application potentials through the research in the paper. Three aspects regarding GPS receiver performance is tackled: cycle slip detection, receiver noise analysis and receiver channel bias inspection. Wavelet decomposition for double differential observation has demonstrated that this multi-level transform can reveal cycle slips as small as 0.5 cycles without any pre-adjustment processes or satellite orbit information, it can therefore be regarded as a 'geometry free' method. Based on property assumption of receiver noise, signal of noise serial is obtained at the high frequency scale in wavelet decomposition layers. This kind of noise influence on GPSb aseline result can be effectively eliminated by reconstruction process during wavelet reconstruction. Through observed data analysis, the transform has detected a kind of receiver channel bias that has not been completely removed by processing unit of GPS receiver during clock offset resetting operation. Thus the wavelet approach can be employed as a kind of system diagnosis in a generalized point of view.