多尺度分布式平滑估计方法

利用多尺度分析的思想,将基于模型的动态系统分析与基于统计特性的多尺度信号变换方法相结合,建立起基于小波变换的多尺度分布式平滑估计新算法,并给出了算法的计算机仿真结果。     

伸缩因子为a的r重正交平衡的多小波

Lebrun引入平衡多小波的概念,并构造正交平衡的多尺度函数和多小波.这种平衡的多尺度函数和多小波在处理离散的多项式信号时能被低通滤波器特征化而被高通滤波器取消.文中将平衡多小波的概念推广到伸缩因子为a的情形(a≥2,a∈Z).建立了伸缩因子为a的r重正交平衡多尺度函数的一些等价关系.并基于这些等价关系给出一种构造正交平衡多小波的算法.最后给出伸缩因子为2和3两种情形下的平衡多小波的构造算例.     

伸缩因子为a的r重正交平衡的多小波

Lebrun引入平衡多小波的概念， 并构造正交平衡的多尺度函数和多小波.这种平衡的多尺度函数和多小波在处理离散的多项式信号时能被低通滤波器特征化而被高通滤波器取消.文中将平衡多小波的概念推广到伸缩因子为a的情形（a≥2，a∈Z）. 建立了伸缩因子为a的r重正交平衡多尺度函数的一些等价关系. 并基于这些等价关系给出一种构造正交平衡多小波的算法.最后给出伸缩因子为2和3两种情形下的平衡多小波的构造算例.     

一种基于多尺度的GPS动态滤波方法

以GPS动态滤波方法为研究对象,首先采用了多尺度分析方法,将机动载体的"当前"统计模型与基于统计特性的多尺度信号变换方法相结合;然后结合常规卡尔曼滤波算法,建立起GPS动态滤波的多尺度数据融合估计新算法;最终在最细尺度上获得目标状态基于全局信息的融合估计值。将上述算法应用于GPS的动态滤波中,仿真结果表明,该算法相对于原始算法可有效提高目标状态的估计精度。     

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.     

多尺度全变差图像去噪算法

结合小波和全变差方法,提出了一种多尺度全变差去噪算法. 该算法结合了小波的多尺度结构,并通过对多层小波分解后的高低频施加不同的正则化参数,在频率域上实行多尺度全变差去噪.实验结果证明,所提出的算法相对于全变差去噪方法和小波去噪方法,能够更好地抑制噪声、保持边缘和消除阶梯效应.     

基于多尺度小波变换的心电信号消噪

心电信号的消噪一直是人们关注的焦点,至今为止已经有许多论著针对心电信号的处理提出了不同的算法。本文以多尺度小波变换为理论背景,根据信号与噪声在小波变换下的不同特性,提出了一种阈值法和模极大值法相结合的小波消噪新算法。临床试验表明,该算法对心电信号的消噪具有良好的效果。     

抗野值多速率模型及交互式多传感器状态融合

针对状态估计中野值问题进行研究.基于HongLong多速率模型,引入小波变换进行奇异值检测,在时频域将野值剔除;同时利用子波分解抽取多速率信息用以状态估计,从而建立了抗野值的多速率模型.该模型用于集中式多传感器IMM融合算法,形成抗野交互式多速率多传感器滤波算法.仿真结果证明了该算法对观测中的野值有良好的抗干扰性,并且通过抽取观测序列包含的多速率信息实现了对目标状态的精确估计.     

基于小波变换的信号特征与突变点检测算法研究

采用小波分解可以很好地研究信号的自相似性.小波变换能够分析信号奇异点的位置及奇异性强弱,即通过小波变换后的局部极大值在不同尺度上的衰减特性来衡量信号的奇异性.介绍了小波变换的基本概念,对信号特征和突变点检测算法进行研究,利用小波多分辨分析将突变信号进行多尺度分解,通过分解的信号确定突变点位置.通过Matlab实验,分析了信号奇异点定位和小波检测的结果,当小波变换尺度越精细时,检测突变点位置越精确,验证了小波变换是分析信号自相似性和突变点检测的有力工具.     

一类伸缩因子为4的d维矩阵值小波

小波变换在图像处理中是一项强有力的工具。根据信号多分量的特性,在构造向量值小波和矩阵值小波的应用过程中具有灵活性。文章在L2(Rd,Cn×n)空间中引入对应于4尺度矩阵值尺度函数的矩阵值多分辨分析和矩阵值正交小波的概念,给出了d维矩阵值正交小波存在的充要条件,提供了一类紧支撑d维矩阵值正交小波的构造算法。     

基于谱熵和多尺度小波的码元速率估计方法

针对实际信号码元速率估计中噪声对估计精度的影响和小波方法最优尺度的选择问题,提出了一种基于谱熵分析和多尺度小波变换的码元速率估计方法。通过谱熵检测有效滤除带内噪声,并采用并行多尺度小波分析和精度函数分析提取最优小波尺度。实验结果表明,该方法的估计性能优于传统小波分析方法,并且在低信噪比情况下具有更好的估计鲁棒性。     

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。     

基于小波变换的弹射加速度滤波分析

根据小波分解与重构理论，对弹射加速度信号进行多尺度的小波变换，即用不同中心频率的带通滤波器对信号滤波，把主要反映噪声频率的那些尺度的小波变换去掉，再把剩余各尺度的小波变换结合起来，作小波重构变换，从而得到较好地抑制了噪声的信号。     

基于区间正交小波变换的多尺度实时Kalman滤波器设计

针对导航系统中惯性元器件的降噪问题,设计一种基于区间正交小波变换的多尺度实时Kalman滤波算法。该算法利用区间正交小波变换抑制边界效应的能力及其滑动数据窗口内实时分解特性,建立动态系统的多尺度实时Kalman滤波框架。Allan方差分析结果表明:在陀螺信号滤波中,给定小波分解尺度,该算法在保持一定实时性的同时,可以取得较好的滤波效果,滤波后的噪声系数比标准Kalman滤波减少至少1个数量级。     

抗野值多速率模型及交互式状态估计

基于HongLong多速率模型,引入小波变换进行奇异值检测,快速剔除野值;利用子波分解抽取多速率信息用于状态估计,建立了抗野值多速率模型,结合交互式多模型算法,形成野值条件下的机动目标状态估计算法。仿真结果表明,该算法对观测中的野值有良好的抗干扰性,并且通过抽取观测序列包含的多速率信息实现了对目标状态的精确估计。     

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.     

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.     

小波基下的多分辨率SURE阈值信号估计

根据小波阈值估计理论，通过最小化风险的估计，可计算自适应于数据的阈值，提高估计的信噪比。分析了噪声和信号在小波分解下的特性，提出了小波基下自适应于每一尺度的多分辨率SURE阈值算法，并采用该算法对被噪声污染的信号进行了估计，阈值T选取统一阈值，噪声的标准差由中位公式求出。仿真结果表明，与传统的小波阈值法相比，该算法明显地提高了估计的SNR。     

多模态医学图像的融合研究

图像融合作为一种有效的信息融合的技术,已广泛用于医学图像、军事、遥感、机器视觉等领域．基于小波变换的图像融合是一种新的多尺度分解像素级融合方法,利用小波变换分别对CT,MRI医学图像进行分解处理,按照融合规则构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像,重构后的融合图像完好地显示源图像各自的信息．实验图像使用互信息量化判据来评价融合效果,结果表明小波变换比传统的像素级加权平均融合算法效果更好．