基于小波和先验信噪比维纳滤波的语音增强

描述了先验信噪比估计的维纳滤波算法,分析了小波多分辨率分析在信号频谱划分中的作用,提出一种小波和先验信噪比维纳滤波相结合的改进算法.通过小波变换对带噪语音信号进行多尺度分解,然后对不同尺度的小波系数采用维纳滤波,用滤波后的小波系数重构得到增强语音信号.通过计算机仿真实验,将提出的算法与传统维纳滤波算法进行比较.实验结果表明改进算法在低信噪比情况下有效提高了增强效果,对语音成分的影响较小,提高了语音质量.     

基于小波变换的多分辨率语音消噪

根据多分辨率分析的原理 ,提出了一种基于小波变换的语音增强方法。通过小波多分辨率分解 ,将受噪声污染的语音信号在不同尺度上展开 ,并对特定频段上的信号细节进行分析和处理 ,从而使对听觉影响最严重的频段上的噪声被有效地滤除掉 ,滤波后的语音信噪比得到较大的改善 ,其方法简便有效。     

正交小波多尺度阵列观测声信息融合预处理算法

在声阵列信号处理中,为了提高窄带声信号的信噪比,降低信号的失真率,提出了基于q带正交小波多尺度分析的阵列观测声信息融合预处理算法。首先,该算法将多通道阵列声信号随机分组,基于正交小波多尺度分析得到阵列信号的细节信号矩阵函数及近似信号矩阵函数;其次,构建了各组细节信号的互相关函数,给出了细节信号互相关矩阵,以细节信号的均值互相关函数为细节阈值,得到了融合细节信号集合;再次,基于融合细节信号集合和近似信号矩阵函数重构了声信号。最后,通过静态半实物仿真试验及能量比、标准差、相关系数、信噪比四个方面的统计分析,表明融合预处理算法后的观测信号不仅保留了初始观测信号90%的声能,降低了初始观测信号的波动程度,而且还保持了初始观测信号90%的相似度,提高了信噪比,降低了信号的失真率。     

小波变换在信号滤波中的应用

概要地叙述了小波，小波包理论，提出了一种用小波包分解和信号重构进行信号滤波的方法，先用小波包分解把信号分解到相邻的不同频率段上，然后用信号重构方法各个频率段上的信号进行重构，以电机的振动信号为例，说明这种方法可以有效地用于信号的滤波。     

基于多分辨率相干融合的管道小泄漏识别方法研究

成品油管道内径小、站间距大使得泄漏信号小而难以识别。本文将小波多分辨率分析与相干分析相结合,提出了基于多分辨率相干融合的小泄漏识别方法。通过对信号的小波多分辨率分析,得到不同尺度下的信号,然后将小泄漏信号和干扰信号序列在细节尺度上的重构信号进行相干融合分析。利用模糊C均值聚类得到细节尺度上的频率相干特征向量,解决小泄漏识别难题。现场应用结果表明该方法的有效性。     

基于SVD与改进EMD联合的泄流结构工作特性信息提取

针对泄流结构振动信号非平稳性和特征信息被强噪声淹没的实际问题,提出基于奇异值分解(SVD)和改进经验模态分解(EMD)联合的特征信息提取方法.首先,对一维泄流振动信号时程进行相空间重构,运用SVD分解技术提取振动信号的奇异值信息,并通过奇异熵增量定阶理论滤除泄流振动信号中的高频噪声,实现信号的初次滤波;其次,对初次滤波信号进行正交化EMD分解,运用频谱分析方法筛选包含主要结构振动信息的各IMF,滤除低频水流噪声,实现信号的二次滤波;最后,将包含结构振动信息的IMF分量重构,得到泄流结构的工作振动特征信息.通过数值信号仿真验证本文方法的正确性,可有效滤除高频和低频噪声,凸显结构振动特征信息.结合三峡5号坝段泄流振动实测数据,运用本文方法进行坝体特征信息提取,并与ERA辨识结果进行比较,进一步说明本方法在泄流结构振动信息分析中的优越性,可为泄流结构在线监测和安全运行提供依据.     

基于小波分解的痕迹灰度图像边缘检测

针对痕迹图像边缘检测的特征，给出了一种新的基于小波多尺度分解的分层图象边缘检测方法，其基本思想是先对源图像进行小波多尺度分解，其次在不同尺度的子带图像上进行基于局部区域特征的软阈值滤波。最后再进行小波重构，以提取图像的边缘。实验结果表明，该算法比其它算法提高了痕迹图像边缘的检测精度，是十分有效的。     

基于奇异值分解的高精度重力仪信号处理方法

在分析基于矩阵奇异值分解理论的滤波算法基础上,将其应用到高精度海洋重力仪系统信号处理中.在信号处理过程中,首先采用延迟法理论重构系统的相空间,得到吸引子轨迹矩阵,然后对轨迹矩阵进行奇异值分解,用部分奇异值重构有用信号的最佳逼近矩阵,并与自适应卡尔曼滤波进行了对比分析,以实际信号与处理后信号的信噪比作为衡量2种信号处理方法好坏的依据.理论分析和仿真实验表明,奇异值分解滤波方法和自适应卡尔曼滤波都能在一定程度上消除干扰噪声对重力异常信号的影响,但在相同背景条件下,奇异值分解滤波的性能优于自适应卡尔曼滤波.     

改进的辅助粒子多Agent系统信息融合滤波算法

为克服多Agent系统的非线性问题,提高多Agent系统对信息的协同合作能力,提出一种改进的辅助粒子信息融合滤波算法。该算法通过分析多Agent系统的结构,根据正交小波多尺度分析理论对系统内Agent的信息进行分解、重构,给出以Agent信息为重要采样密度函数的辅助粒子滤波算法,并对滤波结果进行特征融合,得到多Agent系统融合特征。将此算法应用到机动目标跟踪领域,并与传统的滤波算法进行对比,仿真结果验证了该算法的有效性。     

a尺度正交双向小波的Mallat算法

研究了a尺度正交双向小波的Mallat算法.引入了正交双向加细函数及a尺度正交双向小波的概念,在此基础上利用a尺度正交双向多分辨分析,得到了正交双向小波的分解与重构的Mallat算法,并给出其矩阵表示,推导了信号分解后完全重构的充要条件.该算法对于能量有限的离散信号的分解与重构有一定的实用价值.     

基于多尺度边缘的血管内超声图像增强算法

血管内超声图像同时具有低对比度和低信噪比的特征,传统的图像增强算法会明显放大噪声.为此,提出一种基于边缘表示的算法来增强血管内超声图像的对比度,采用平滑函数的导数作为小波函数对图像进行二进小波分解,使用小波系数在各尺度间的局部极大值来刻画图像的多尺度边缘,通过拉伸小波系数极大值再重构图像来增强灰度图像的对比度.实验结果表明,本文提出的增强算法在有效增强图像对比度的同时避免了放大噪声,并且可以通过调节不同尺度的拉伸因子来获得不同的增强效果,同时提高了运算速度.     

心电信号小波分析

心电信号是一种非平稳并具有很多奇异点的微弱信号。小波变换中的模极大值消噪法具有非线性及自适应性,小波的这种特性对于类似于心电信号这种非平稳微弱信号是十分适用的。针对传统的消噪方法在处理心电信号时的局限性,研究了小波变换的时-频局部化特性及基于多分辨率分析的信号小波分解和重构算法———Mallat算法。采用小波分析的模极大值法实现对QRS波R峰值点的检测,以及对心电信号的消噪处理。通过试验研究可知,运用小波进行QRS波检测,QRS波的识别率高达99.9%,经过消噪重构后的心电信号信噪比较原始信号有较大提高。     

用小波变换去除多普勒频率估计野值点的方法

研究去除多普勒频率估计野值点的方法．在分析野值点统计特性及小波域分布特性的基础上，通过利用野值点和多普勒频率在小波域上系数的不同，首先对各尺度系数进行分段，然后对不同段的系数设定不同阈值进行处理，从而达到去除野值点和恢复多普勒频率的目的．实验结果表明，去除野值点后的结果与原数据的残差中不包含多普勒频率的趋势分量，对后续的脱靶量参数估计没有任何不利影响，去除了随机测量误差与野值点的影响。     

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。     

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。     

离散正交小波包及其在噪声抑制中的应用

研究有限长序列的小波包处理和噪声抑制的方法,方法用正交共轭滤波器构造有限维内积空间的正交值和分解及有限长离散小波包,分析了噪声的小波包分解系数的特性,并提出小波包变换域降噪的方法。     

小波神经网络在海底石油管道漏磁缺陷检测中的应用

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷的漏磁信号识别缺陷的形态参数,噪声消除和缺陷识别是其中的关键问题。利用噪声信号和测试信号在各个尺度上波谱的不同特征,基于小波变换来消除管道漏磁检测中的噪声信号,并根据正交小波多尺度多分辨率特点,把信号分解成各相互独立的频带,构建一个小波神经网络系统,通过输入漏磁信号的特征量识别缺陷的参数。漏磁检测数据处理实验表明该小波变换能较好地去除检测信号中的主要噪声,所建立的缺陷识别小波神经网络系统具有收敛速度快、逼近精度高等特点。     

基于小波分析对信号噪声的处理

分析了信号处理中噪声的小波分析特性,用一维小波分别对平稳信号和非平稳信号进行了分析和研究;并通过Matlab软件仿真实现了基于小波域的消噪处理,验证了小波分析方法对信号噪声处理的有效性.     

一种改进的小波变换信号消噪方法

根据小波阈值消噪方法的步骤及特点提出一种新的消噪方法——小波系数放大法，并对该方法进行仿真对比实验。该方法在运用小波变换对含噪信号进行消噪前，先对信号进行小波级数分解，对其中的低频系数和高频系数进行适当的放大，然后对信号采取阈值消噪法进行消噪，最后运用小波变换对所得到的小波系数进行适当的宿小，并将其重构。仿真实验结果表明，小波系数放大法消噪后信号的均方根误差有很大的降低，信噪比提高。该方法优于一般的消噪方法。