小波去噪中对模极大值处理

分析信号和噪声的奇异指数，根据函数不同的奇异指数小波变换的中模极大值具有不同的传播特性的理论，在相邻模极步构成的待爱域中对分析出的噪声局部模极大值所在的选能域进行平滑处理，反变换重建出现去噪信号，实验结果表明这处方法计算简单且有较好的去噪效果。     

基于小波变换的爆破地震信号去噪的应用

运用小波变换在不同的尺度下观察信号局部化特征。由于信号和噪声具有不同的奇异性，它们的二进小波变换模的极大值在不同尺度下的传播特性也不相同。在相邻模极小构成的待选通域中分析出噪声局部极大值所在的选通域进行平滑处理，从而得到局部信号的小波系数，将其反变换重建出去噪后的信号。将该方法用于爆破地震信号去噪声，结果表明：这种方法计算简单，且去噪效果较好。     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力，是描述和检测信号局部性质的有效手段；利用小波变换模极大值能检测出信号上的所有奇异点，根据小波变换模极大值随尺度的增、减规律，去除噪声对应的极值点，再由模极大值重构信号，提出了小波变换基于奇异信号的消噪方法，并应用于对一瞬时心率信号进行消噪。     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪。     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪.     

利用小波变换多尺度传播特性实现地震信号去噪

小波变换可以把时域信号变换到时间尺度域中,在不同的尺度下观察信号不同的局部化特征．由于信号和噪声具有不同的奇异性,它们的二进小波变换模的极大值在不同尺度下的传播特性也不同．文中根据信号和噪声在小波变换域模极大值的多尺度传播特性的不同,以及地震信号相邻道的相关性,提出了一种去除地震信号中随机噪声的方法,实验表明该方法具有较好的去噪效果．     

基于小波变换模极大值的汽轮机振动信号去噪

针对汽轮机振动信号去噪问题,根据振动信号和噪声的小波变换模极大值在不同尺度上表现出的不同的传播特性,给出了基于小波变换模极大值的去噪算法.利用该法可以最大程度对含噪汽轮机振动信号去噪处理,实现信噪分离,并有效地保留信号的奇异点信息.     

基于小波的信号Lipschitz指数分析和应用

奇异信号往往带有一些重要信息,一般用Lipschitz指数来描述信号的奇异性.在Mallat等人的基础上讨论了奇异信号Lipschitz指数定义和相关理论基础,同时研究了小波变换与信号奇异性关系和Lipschitz指数的计算.利用信号和噪声奇异指数不同的特点应用于去噪声,文中提出了一种对噪声模极大值对应点周围的小波系数进行非线性压缩后重构信号新方法,仿真实验结果表明,这种方法有着较好的去噪效果.     

基于小波变换模极大值的医学图像融合技术

针对目前的融合算法不能有效解决强去噪能力和细节信息保留之间的矛盾,提出一种基于小波变换模极大值特征的窗口区域强度自适应加权平均融合算法.首先,用选定的小波基提取不同尺度下小波变换模极大值特性;然后,利用信号与噪声的Lipschitz指数在局部奇异处呈现不同的表现形式的特性,滤除噪声信号;接着,计算模极大值的局部区域强度,动态地实现在不同尺度的子图像的小波分解系数之间分配权重;最后,将处理后的子图像重建得到融合后的图像.通过对CT和PET图像的融合实验,证明了该方法既可以适应不同特征图像的融合任务,又能达到有效抑制噪声而保留尽可能多的细节信息的目的.     

一种改进的模极大值小波域的去噪算法研究

利用小波变换消除噪声有很多方法，模极大值小波域消噪算法是比较好的一种算法，但是该算法只能采用二进制尺度分解，这限制了一些信号的分析结果。作者针对该不足进行了改进，采用自适应选择分解尺度代替二进制尺度分解尺度。仿真实验证明：改进的模极大值小波域消噪算法比原算法在提高信噪比上更加有效。     

基于复值小波模和幅角经验正交分解的奇异性特征提取

提出了基于Hermitian复值小波模和幅角经验正交分解方法,采用这种方法可以提取信号奇异性特征。通过在滚动轴承故障诊断应用表明:小波模和幅角协方差矩阵的特征值向量反映了在时间-尺度平面上的分布结构,不受时间平移影响,便于信号的奇异性特征提取;用主成分重构信号小波模和幅角,能更清晰地反映信号的奇异性特征,便于分类识别.     

小波奇异值分解的瞬变弱信号检测

研究小波阈值法和奇异值分解法,分析最大分解层数、阈值函数、小波基函数的选取以及窗长和保留奇异值个数等参数的选择,并在此基础上提出小波与奇异值分解相结合降噪检测信号的方法。该方法首先将信号作小波分解,再对小波分解系数作奇异值分解,最后通过阈值法保留小波系数并重建降噪信号,利用重建信号进行信号检测。结果表明:该方法能更好地区分信号和噪声,获得更好的降噪和检测结果。     

基于小波变换的舰船雷达信号去噪方法

由于舰船雷达信号目标环境的复杂性,从强杂波中检测目标异常困难,基于小波变换下奇异信号和随机噪声在多尺度空间中不同的模极大值传播特性,设计了一种实用的小波消噪方法。对舰船雷达回波信号实验检测结果表明,该方法能较好地改善信噪比增益,同时又能保持对突变信号的良好分辨率。     

基于模极大值矩阵奇异值分解的信号特征提取与分类识别

提出了基于波变换模极大值矩阵奇异值分解的方法,用该方法获得的奇异值特征矢量作为信号的特征可以压缩特征维数,而且更容易进行计算机自动识别,同时还具有时间平移不变性的突出优点。仿真实验表明了该方法的有效性。     

基于小波变换的奇异信号检测研究

奇异信号的奇异点经常携带有比较重要的信息,它是信号的重要特征之一.证明了小波变换能用来检测信号的奇异性,利用小波变换模的极大值和信号奇异点的关系,可以分析信号局部奇异性.信号局部奇异性用李氏指数来描述.研究了奇异性检测小波基的选择条件.给出了实例分析,结果表明,小波变换在信号奇异性检测和局部化分析方面具有优异特性.     

基于小波变换和奇异值分解的模态参数识别方法

提出了一种新的基于小波变换和奇异值分解相结合的结构模态参数识别方法.该方法首先对环境激励下的结构加速度响应信号进行互协方差分析,得到时域互协方差响应,通过小波变换将互协方差响应转换到时频域中得到信号的时频系数并沿每一个尺度点提取协方差响应的小波系数阵,然后对提取的小波系数阵进行奇异值分解得到奇异值和奇异向量,最后从重组的奇异值和奇异向量中识别出结构的模态参数.文章对提出的方法进行了理论证明,通过三自由度系统的数值算例验证了该方法的可行性,表明与直接小波变换方法相比,其识别结果精度更高.     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声，在进行故障特征提取之前必须加以消除。首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比，然后将奇异值分解技术用于信号降噪。最后提出了一种将小波包和奇异值分解相结合的降噪方法。该方法将输入信号进行一次小波包分解，利用奇异值分解方法对分解后的幅值量化系数进行降噪。实例表明，小波包和奇异值分解相结合的方法降噪效果最好。与其他方法相比，用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高，且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号，大大提高了特征提取的准确率。     

De-noising stochastic noise in FOG based on second-generation DB4 wavelet and SURE-threshold

An effective de-noising method for fiber optic gyroscopes (FOGs) is proposed. This method is based on second-generation Daubechies D4 (DB4) wavelet transform (WT) and level-dependent threshold estimator called Stein’s unbiased risk estimator (SURE). The whole approach consists of three critical parts: wavelet decomposition module, parameters estimation module and SURE de-noising module. First, DB4 wavelet is selected as lifting base of the second-generation wavelet in the decomposition module. Second, in the parameters estimation module, maximum likelihood estimation (MLE) is used for stochastic noise parameters estimation. Third, combined with soft threshold de-noising technique, the SURE de-noising module is designed. For comparison, both the traditional universal threshold wavelet and the second-generation Harr wavelet method are also investigated. The experiment results show that the computation cost is 40% less than that of the traditional wavelet method. The standard deviation of de-noised FOG signal is 0.012 and the three noise terms such as angle random walk, bias instability and quantization noise are reduced to 0.007 2° /ℴh, 0.004 1° / h, and 0.008 1°, respectively.