基于小波脊的超声信号处理

根据超声信号通常是单频载波脉冲信号,具有渐近信号的特性,提出了一种基于小波脊的超声信号处理算法．首先利用渐近小波变换提取超声信号的小波脊,计算小波脊的移动熵,然后通过移动熵实现缺陷信号与噪声的分离和缺陷定位,最后利用小波反变换重构出缺陷信号．该算法充分利用了超声信号的时域、频域和相位信息,不仅消噪性能好,而且缺陷定位准确．     

基于熵理论的超声波检测信号消噪与缺陷识别

为消除超声检测信号中大量存在的噪声,提高材料内部缺陷诊断的准确性,采用基于熵理论的自适应阈值消噪算法对超声波信号进行消噪处理.分析了基于Shannon熵的最优小波包基搜索算法,提出了用熵表征信号含噪状态,根据小波能谱熵确定小波包不同分解尺度阈值的基本原理.对含缺陷的斯泰尔发动机曲轴的超声信号处理实验结果表明,这种方法对噪声消除比较彻底,能够获得表征缺陷大小、位置的准确信息,提高了材料内部缺陷定量分析的准确度.     

基于小波变换的双同步音频水印算法

针对同步攻击的问题,提出了一种改进的基于小波变换的双同步音频水印算法,该算法同时借助外同步和自同步2种思想,采用m序列作为外同步信号,谱熵作为自同步信号,将m序列嵌入音频信号的时域来定位水印嵌入的起始位置,并把紧接着嵌入m序列后的一段音频数据作小波变换,提取低频系数分段求其谱熵,利用谱熵的最大值来定位水印嵌入的具体位置,最后把水印嵌入到最大谱熵值对应的小波系数中。仿真实验表明,此方法在能抵抗一般信号处理攻击的基础上,也能抵抗像延时、随机剪切、抖动和时间伸缩 (time-scale modification,TSM)的同步攻击,具有较好的鲁棒性。     

微弱信号检测的一种改进小波分析方法

针对小波变换去噪时对微弱信号不敏感,特别是在信号分类检测时检测效果不理想的问题,提出了采用小波熵应用于信号检测的技术.该技术的主要原理是利用小波分析矩阵相应稀疏程度去抑制信号的无关成份,其中小波系数熵确定噪声阈值,小波相关系数熵确定边界轮廓,实现信号准确定位.最后通过数值试验证明其效果好于常规小波变换模极大值的信号检测法,证明了该方法检测微弱信号边缘特性更切实有效.     

基于小波脊的UM71信号瞬时特征提取

根据信号在变换域上呈现出的脊特征来提取瞬时频率特点,本文利用连续modet小波变换后的相位,进行迭代运算,对UM71信号的脊进行提取;分别用3组不同数据量的铁路实测信号来验证小波脊技术提取瞬时特征频率的可行性、准确性。同时,文中给出了算法详细的计算步骤。本文提供了一种有效、简单的分析和判断轨道电路移频信号的方法。     

基于脊波变换的手指静脉图像增强研究

针对人体手指静脉图像的结构和特点,提出一种基于脊波变换的图像增强算法.该算法对手指静脉图像小波域各高频子带系数进行脊波变换,利用非线性新脊域系数确定法对脊域系数进行处理,然后对各高频子带进行脊波逆变换和小波图像重构.该算法对手指静脉二维曲线奇异处理、边缘增强等具有较好的效果,克服了小波变换在高维曲线奇异和方向选择上的不...     

基于脊波变换的手指静脉图像增强研究(英文)

针对人体手指静脉图像的结构和特点,提出一种基于脊波变换的图像增强算法。该算法对手指静脉图像小波域各高频子带系数进行脊波变换,利用非线性新脊域系数确定法对脊域系数进行处理,然后对各高频子带进行脊波逆变换和小波图像重构。该算法对手指静脉二维曲线奇异处理、边缘增强等具有较好的效果,克服了小波变换在高维曲线奇异和方向选择上的不足。通过与传统的二维离散小波变换边缘增强法和自适应调整系数的脊波变换方法作比较,实验结果表明本算法具有更好的手指静脉图像效果。     

由心电信号提取呼吸信息的算法及其仿真实现

为了使单纯的心电监护设备实现对多种生理信号的检测,减小设备的复杂性,根据心跳频率和呼吸频率处在不同的频段．提出2种由心电信号提取呼吸信息（ECG—derivedrespiratorysignal,EDR）的算法：离散傅里叶变换EDR算法和离散小渡变换EDR算法．利用MATLAB软件在时域和频域分别对这2种算法进行验证,并进行了相关分析比较．经过筛选比较．离散小波变换EDR算法选用coifN小波作为母小波．仿真结果表明,文中所提出的2种算法均能有效地从心电信号中提取出呼吸信息,但离散小波变换EDR算法的准确性与母小波的选取有很大关系．当选取coif3小波时．离散小波变换EDR算法比离散傅立叶变换EDR算法更为有效．     

应用于超声测距的小波变换滤波算法

有效的滤波算法是提高超声测距精度的关键之一。小波变换具有时频联合分析的能力,采样点处的各级小波系数反映了其频率成分的分布情况。该文提出了一种基于小波变换的超声回波滤波算法。对原始数据进行离散二进小波变换,然后将各点的小波系数同理想回波信号的小波系数进行相关运算,利用得到的相关系数区分噪声和回波所在区段,然后对噪声的小波系数进行收缩处理,从而实现滤波。利用该算法对自制的超声测距装置采集到的回波数据进行了滤波处理。结果表明:其滤波效果要优于经典的小波阈值法,信号信噪比提高了6～9dB,数据中混有的大幅值噪声得到了有效抑制。     

基于高斯模型的多重超声回波信号重数估计

精确估计多层材料超声回波信号的重数在超声检测上有着要意义。将小波变换方法用于多层材料超声回波参数估计中,根据高斯模型以超声回波信号的小波变换为基础、利用智能人工蜂群算法,估计出多重超声回波信号的各个参数。采用Akaike Information Criterion(AIC)准则,对叠加的两重和三重超声回波信号的重数进行估计。仿真结果表明,本算法可以实现多重超声回波信号重数的有效估计。用实验测试获得的回波对算法的性能进行了验证,结果证明了该算法的可行性和实用性。     

微弱振动信号的谐波小波频域提取

为解决设备故障检测和故障预报中某些微弱振动信号难以提取出来的问题,在介绍谐波小波变换的优良特性及其基本原理的基础上,给出了谐波小波变换的实现技术.在不减少信息点数的情况下,用谐波小波变换成功地对微弱振动信号实现了频域提取与时域重构,并且实现了强噪声下微弱周期振动信号的频域提取.通过算例和工程实例,说明谐波小波方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波方法和傅里叶分析方法,且在混有强噪声的信号提取中消除了二进小波包仍然存在的噪声泄漏,同时也显示了谐波小波变换的频域保相特性.     

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.     

小波变换在行驶工况构建用车速数据处理中的应用研究

在以车载测试技术为主要手段的车辆实际道路行驶工况构建过程中,车速这一行驶数据具有数据量大、采样频率高等特点,需要借助计算机来完成相应的处理工作。原始车速数据中包含着大量的噪声和由于采样率高于所需精度产生的冗余,对信号进行一维离散小波变换,得到信号的高频和低频系数,并利用小波分层阈值降噪和小波分解域量化压缩实现信号的降噪与压缩。文中以采样周期7天的一段ECU车速数据为例阐述了一维离散小波变换在车速数据处理过程中的应用,结果表明采用该方法对车速数据进行降噪压缩具有较好的效果,可以增强短片段中速度、加速度等特征参数的差异性,改善聚类效果。证明一维离散小波变换在识别去除车速信号中噪声和冗余的有效性和正确性。     

超声探伤仪性能测试系统的研究与设计

为实现超声探伤仪性能测试自动化,提高测试效率和精度,研究并设计了一套超声探伤仪性能测试系统。系统以工控机作为中心处理单元,数据采集卡、超声波发射/接收卡实现了数据信号的采集和传输,通过GPIB总线来连接测试平台和待检仪器,简化了系统硬件组成。系统软件以Visual C++2008作为开发平台,采用模块化和结构化思想编写程序,具有良好的扩展性。采用小波分析方法对超声回波进行滤波,有效抑制了信号中噪声对测试精度的影响。试验结果表明,所开发的测试系统能够准确测试超声探伤仪器各项性能参数,实现了测试的智能化。     

一种基于ICA的机械缺陷超声信号提取方法

针对强噪声背景下缺陷超声回波信号检测的问题,利用了基于独立分量分析的方法进行缺陷信号的提取。该方法首先对观测信号进行JADE分解,得出多导独立分量,再根据赫斯特指数,分离缺陷信号和噪声信号。通过对仿真和实测缺陷超声信号的去噪实验研究,结果表明,与小波去噪方法相比,ICA去噪方法能够得到很好的信噪比,有利于强噪声背景下缺陷的去噪处理及微弱信号的提取。     

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     

基于最优匹配小波的回波与图像消噪

研究了用于消噪的小波与信号、图像的匹配原则，在采用时域波形逼近与频谱匹配原则的基础上，提出了最优匹配小波的设计方法。首先构造了两种小波滤波器组，其次给出了最佳匹配小波的设计优化算法，最后分别探讨了应用最优匹配小波对超声回波和图像消噪的方法。仿真结果表明，该方法性能优于常规的小波消噪，能较明显提高信号与图像的信噪比。     

小波分析在信号降噪处理中的应用

通过对比几种不同的信号降噪方法,论述了小波分析方法用于信号降噪的优越性。给出了一种简单的小波分析用于降噪的方法,并给出实验结果。     

小波分析在柴油机噪声分析中的应用

简述了小波分析的基本原理 ,并把小波分析方法应用到柴油机噪声信号的分析中 ,即通过二进离散小波变换 ,把实际噪声信号进行多层小波分解 ,使突变冲击信号和具有一定频率特征的平稳周期性信号得到良好的图形显示 ,为噪声分析和采取降噪措施提供了理论依据