小波变换在激光陀螺信号处理中的应用与实现

针对动态条件下激光陀螺(RLG)随机噪声其非平稳和非正态分布的特性,提出了基于小波变换的RLG降噪方法,研究了小波去噪和Lipschitza指数奇异值检测的原理,给出了离散Db4小波滤波器的硬件实现方法,采用双正交静态小波基对RLG信号进行不同尺度的分解,通过不同小波基及低通滤波效果的比较,发现Db4小波具有较好的去噪性,其分解和重建滤波器系数也十分简单,验证了小波变换在陀螺仪信号去噪中的可行性,在用Db4滤波后的数据进行导航解算时,发现导航误差有很大的减小,研究成果对导航系统精度的提高有着重要的参考价值。     

锋电位检测信号的EEMD去噪方法研究

神经元锋电位(spike)是研究大脑信息编码的基础,因其宽带、小幅值等特点而极易受噪声干扰。针对spike信号的间歇性及非平稳性,采用经验模态分解(EMD,Empirical Mode Decomposition)的改进算法--整体平均经验模态分解(EEMD,Ensemble Empirical Mode Decomposition)对spike检测信号进行分解并结合小波阈值法进行去噪。EEMD能将信号中间歇性成分有效分离出来,解决了EMD产生的模态混叠问题。基于仿真和实测数据将其与EMD去噪方法及多元小波去噪法进行比较,结果表明:EEMD去噪方法不仅有效提高了spike检测信号的信噪比,而且降低了spike波形的畸变。在3种去噪方法中,EEMD去噪方法效果最为显著,对仿真信号的信噪比平均提高了4.177 2d B。为随后spike信号的分类和信息编码奠定了良好基础。     

自适应阈值多小波故障暂态信号去噪方法

在介绍多小波基本理论的基础上 ,探讨了基于多小波的信号去噪方法。针对目前多小波去噪方法的不足 ,提出一种基于自适应阈值的多小波去噪方法 ,应用于电力系统输电线故障暂态信号的去噪 ,并与基于传统阈值多小波和小波的去噪效果进行了比较。仿真结果表明 ,该方法可以根据实际信号自适应改变阈值大小 ,在去噪效果上优于传统多小波去噪方法。     

基于局域波分解的混沌时间序列分析

采用希尔伯特谱方法分析混沌信号的瞬时频率,揭示混沌信号的各组成成分的频率随时间变化的规律;针对噪声背景下的混沌信号降噪问题,以Lorenz方程为例,采用局域波分解方法对含噪信号进行自适应滤波。通过与小波去噪方法对比,仿真结果表明局域波方法的算法通用性强,降噪效果好。     

基于小波包和Elman神经网络的螺杆泵井故障诊断

在螺杆泵井故障诊断技术中,有功功率信号最能全面反映螺杆泵井的泵况。提出一种基于小波包分析结合Elman神经网络的故障诊断方法,该方法采用小波包对螺杆泵有功功率信号进行消噪滤波,将不同频段的故障信号进行3层db4小波包分解,根据各频段功率谱的变化提取故障特征,应用Elman神经网络进行识别。利用Matlab仿真,结果表明,该方法能有效提高螺杆泵井的故障诊断准确性。     

一种基于EMD和ANC技术的自适应降噪方法

为了提高分析信号的信噪比,基于经验模态分解和自适应噪声抵消技术,提出了一种新的信号去噪方法。该方法首先对信号进行自适应噪声抵消,然后进行经验模态分解,得到不同尺度上的固有模态函数,再对不同尺度上的固有模态函数进行噪声属性判定,如果不是噪声则选用不同的滤波参数,进行自适应噪声抵消,最后对各尺度上噪声抵消后的信号进行重构,得到去噪后的信号。结果表明,该方法比基于最小均方误差准则的自适应噪声抵消方法更能有效地消除信号中的噪声。     

一种基于小波变换的机动目标跟踪算法研究

小波变换是去噪的有力工具 ,它可以将由各种不同频率成分组成的信号分解到不同的频率区间上 ,有效地用于滤波。研究了一种基于多尺度分解的机动目标跟踪算法 ,该算法利用小波中的经典算法———Mallat算法对单一分辨率的测量数据进行多尺度分解 ,将分解得到的多分辨率测量数据用于目标状态更新。该算法是一种准实时最佳滤波算法。仿真结果表明 ,该算法具有良好的跟踪性能 ,且运算量不大。     

CEEMD结合改进小波阈值的激光雷达信号去噪算法

激光雷达远距离回波信号受噪声影响, 严重失真。为了有效去除信号的噪声, 提高回波信号信噪比, 提出一种互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)结合改进小波阈值的去噪算法。CEEMD可以自适应地分解非线性和非平稳信号, 改进小波阈值函数具有高阶可导特性, 能够克服硬阈值、软阈值函数各自存在的问题。两种方法结合, 可以更有效地去除噪声。首先, 对回波信号进行CEEMD分解, 得到若干固有模态函数(intrinsic mode function, IMF)。其次, 通过相关系数法计算IMF分量与信号的相关系数, 确定相关分量和不相关分量。最后, 对不相关分量使用小波改进阈值法进行去噪, 对相关分量使用粗糙惩罚法进行平滑, 再重构信号。基于实测数据的实验结果表明, 所提算法比CEEMD去噪法和CEEMD结合原改进阈值去噪法, 信噪比分别提升了2.65 dB和0.58 dB。     

一种基于小波变换的多普勒胎儿心率信号去噪算法

为了有效的从超声多普勒胎儿心脏回波信号中提取胎心率,分析了多普勒回波信号的特点,通过空域相关法估计了原始噪声方差,提出了一种自适应去噪阈值计算方法,该算法能根据实际信号的强度、噪声的方差以及分解的层数,自适应的得到不同尺度的去噪阈值.最后通过对实际超声多普勒回波信号的处理,能有效地降低噪声,提取出胎儿心音信号,较准确地计算出胎儿心率值.     

提升小波在SINS分段快速对准中的应用

提出了一种利用提升小波进行消噪的捷联惯性导航系统(strapdown inertial navigation system, SINS)分段快速对准新方法。该方法首先进行水平精对准,然后利用提升小波算法对陀螺仪的输出信号进行消噪后,快速计算出方位失准角并进行修正,完成对准过程。理论分析和实际系统试验表明:提升小波算法对于光纤陀螺信号具有良好的消噪效果,新方法与传统的Kalman滤波对准方法具有相同的稳态精度,但方位精对准过程中,不需要进行捷联惯导的力学编排,精对准的时间可以缩短至30 s左右。该方法弥补了传统Kalman滤波精对准方法中方位失准角估计速度慢的缺陷,大幅度提高了SINS的初始对准速度。     

小波域模极大值的激光信号滤波方法研究

针对用传统滤波方法滤除激光陀螺随机噪声性能低的缺点,提出了一种基于波域的模极大值滤波方法。该算法利用小波变换模极大值滤波方法对激光陀螺零漂数据进行处理,获取模极大值点,通过交替投影算法重构信号,并采用Allan方差法对波效果进行定量分析。通过实验验证了该方法滤波效果优于基于时间序列模型的卡尔曼滤波方法,能有效减小随机误差,提高测量精度。     

改进小波空域相关滤波的脉冲星微弱信号降噪

脉冲星信号具有极低信噪比,传统降噪算法难以在抑制噪声的同时保留微脉冲等细节信息。为此,提出一种基于改进小波空域相关滤波的脉冲星极弱信号降噪算法。从小波阈值和空域相关算法在极弱信号降噪中的缺陷出发,以保留细节信息和提高信噪比为目标,结合脉冲星辐射信号的严格周期性、相邻周期间的相关性、极低信噪比和窗口辐射等特性,改进了小波空域相关滤波算法。采用Parks射电天文台和罗希（Rossi）X射线时变探测器的脉冲星观测数据进行实验。结果表明,改进小波空域相关滤波算法可以保留更多微脉冲等细节信息,在提高信号的信噪比方面优于现有算法。     

基于自适应窗的小波域图像去噪算法

提出了一种利用自适应窗的小波域双重局部维纳滤波图像去噪算法。综合考虑小波分解后各个子带中能量分布的方向特性和图像本身的边缘和纹理特性,该算法首先估计每个子带中信号的能量分布进而在每个子带中确定自适应窗,然后利用自适应窗估计出的能量分布对含噪图像进行双重维纳滤波来去除噪声。实验结果表明该算法对含噪图像去噪的效果优于已有的采用二维可分实小波进行图像去噪的算法。     

贝叶斯估计和尺度空间滤波相结合的滤波方法

提出了一种贝叶斯估计和尺度空间滤波相结合的滤波方法。信号的小波系数表现出很强的非高斯统计特性,其密度函数可以用推广的拉普拉斯先验分布建模。利用贝叶斯估计能够较好地提取出信号的小波系数,再由小波逆变换恢复信号。贝叶斯估计较好地保留了信号的边缘信息,但滤波信号尚不够平滑。尺度空间滤波在保留信号边缘的同时,还有很好的平滑作用。两者相结合有很好的滤波效果。     

基于提升静态小波变换的自适应消噪方法

基于离散小波变换的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了基于提升静态小波变换的自适应消噪方法,它首先根据DWT的提升方法,得到SWT的提升和对偶提升实现方法,然后通过SWT的提升方法将信号分解为多个子带,利用引入更多动量因子的权系数的迭代公式进行自适应匹配.并对匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.     

动中通系统中陀螺信号小波滤波算法

在动中通系统中,陀螺检测的载体扰动信号的精度直接关系到整个系统的精度和性能。针对陀螺噪声信号的特点,提出了一种将3σ模平方阈值和平移不变小波变换(translation invariant discrete wavelet transform, TIDWT)相结合的滤波算法,能够有效地抑制陀螺噪声信号和由小波变换产生的失真现象。仿真和实验结果表明,该滤波算法效果优于传统的小波滤波算法。     

基于小波去噪和TLS算法的全姿态寻北

为提高捷联寻北仪在动态干扰下的寻北精度,同时解决寻北过程中需要人工调平而耗时较长的问题,结合全姿态多位置寻北模型,提出采用小波去噪处理陀螺输出信号和总体最小二乘寻北算法的组合滤波方法。针对硬阈值函数和软阈值函数去噪的局限性,使用改进阈值函数处理陀螺噪声,能够更好滤掉动态干扰;根据多位置寻北解算特点,创新性引入总体最小二乘寻北算法,有效补偿了寻北仪的静态误差。仿真数据和实验结果表明,该组合算法能显著提高寻北仪的抗干扰能力,实现全姿态高精度寻北。     

SAR image denoising based on wavelet-fractal analysis

Wavelet-fractal based SAR （synthetic aperture radar） image processing is one of the advanced technologies in image processing. The main concept of analysis is that after wavelet transformation, multifractal spectrum of the signal is different from that of noise. This difference is used to alleviate the noise produced by SAR image.The method to denoise SAR image using the process based on wavelet-fractai analysis is discussed in detail. Essentially, the present method focuses on adjusting the Hoelder exponent α of multifractal spectrum. After simulation, α should be adjusted to 1.72-1.73. The more the value of α exceeds 1.73, the less distinctive the edges of SAR image become. According to the authors denoising is optimal at α=1.72-1.73. In other words, when α =1.72-1.73, a smooth and denoised SAR image is produced.