基于形态小波的高精度重力仪信号快速滤波算法

为了有效抑制高精度重力测量信号中的各种强噪声以获得高精度重力信息,在分析形态小波滤波算法的基础上,结合FFT算法提出了一种快速形态小波滤波算法,并应用于高精度重力仪信号处理中.在滤波过程中,首先在常规小波分解算法各层间增加形态滤波器,以提高小波算法抑制脉冲干扰的能力.然后,将常规小波分解和重构算法进行重组,并参考FFT算法规则设计了一种快速形态小波分解重构算法,以提高小波分解和重构的计算效率.最后,通过仿真试验,将快速形态小波滤波算法与传统小波滤波算法进行性能对比.理论分析和仿真试验结果表明.快速形态小波算法的滤波效果优于传统小波滤波,其运算速度优于Mallat算法.     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分...     

基于组合形态滤波与自适应广义形态滤波的ECG去噪算法

针对ECG信号中存在的基线漂移和高频干扰,提出了一种传统线性组合形态滤波与自适应广义形态滤波相结合的新的去噪算法。该算法首先采用传统线性组合形态滤波器滤除基线漂移,然后将无基漂的信号送入采用不同结构元素级联而成的自适应广义形态滤波器滤除高频干扰,最后得到无噪声的ECG信号。结果验证了本文算法的有效性。     

一种高斯噪声组合滤波方法

为了有效滤除高斯噪声,提出了一种组合滤波方法.该方法首先通过定义新的维纳滤波模板进行预处理,以滤除一部分噪声;然后将图像进行二维小波分解,保留低频成分,对高频成分根据其噪声分布特征设计出新的形态学滤波模板分别进行滤波,并进行小波系数重构;最后通过设计一种新的小波增强函数,以提高图像的清晰度,最大限度保留图像细节信息.实...     

多小波处理图像压缩时前滤波器的设计

在应用中,对于单小波可以直接利用分解与重构公式对信号进行滤波。但是多小波是用矢量滤波器组对信号进行分解、重构。滤波对象必须是满足一定要求的矢量信号。因此,在进行多小波分解前必须通过前置滤波器对原始离散信号进行预处理得到初始矢量,然后才能进行多小波变换。同样,对重构后的数据也要进行后处理才能得到需要的结果。不同的多小波有不同的预处理和后处理方法。以GHM多小波为例,设计了多小波新的前滤波器,并将多小波通过前滤波后用于图像压缩,将其结果与单小波相比较,获得较好的结果。     

小波变换在模拟滤波器选型问题中的应用

傅里叶变换基的固有缺陷导致传统滤波器选型分析方法在实际应用场合中经常不能有效地选择出最优滤波器。小波分析方法可以实现从多种不同滤波器中选择出阻带信号抑制最强,通带内波纹最小的滤波器。针对一型微弱信号检测装置,确定出两型较优的滤波器,利用小波伪频率确定小波分解所需分解层数,根据小波分解重构算法对滤波器输出信号的高频细节进行分析研究。仿真结果与模拟电路实验表明,与快速傅立叶变换的分析方法相比,小波分析可以提供清晰的对比分析结果,得到了在不同频率范围内,不同滤波器作用之后的差异明显的滤波效果,最终选择出滤波效果最佳的模拟滤波器。     

结合小波变换和中值滤波实现肝储备功能分析的信号消噪方法

针对无创肝储备功能检测中,光电容积脉搏波带宽有限,频率范围易受到外界干扰和噪声影响的特点,提出利用小波分析方法结合中值滤波算法对光电容积脉搏波消噪处理,滤除系统干扰和噪声,以克服外界环境对肝储备功能测量准确性的干扰和影响.小波滤波算法采用Sym8小波函数,3层分解、重构,以滤除光电容积脉搏波高频干扰和高斯白噪声,同时结合中值滤波算法实现信号突发干扰造成的基线漂移的滤除.实验证明,该方法有效地消除了系统噪声和突发干扰的影响,提高了系统的抗干扰能力和测量精度,保证了肝储备功能测量的准确性和稳定性.     

基于PSO-ADMMF和WPE的发电机转子匝间短路故障诊断

针对常规的数学形态滤波器对定子电流信号滤波效果不理想,提出粒子群算法改进的数学形态滤波器。引用粒子群算法寻找最优的数学形态滤波器中开-闭和闭-开运算的权系数,建立自适应数学形态滤波器模型,对定子电流信号进行滤波处理。结合小波包理论和信息熵理论,提出小波包熵作为故障特征的故障诊断方法。仿真实验对比了PSO算法改进的自适应数学形态滤波器和常规数学形态滤波器的滤波效果,计算了滤波后的不同状态信号的小波包熵,并以此进行了转子匝间短路故障诊断,仿真验证表明本方法是有效的。     

基于小波分析理论及其数字滤波的应用研究

系统分析了小波变换的物理意义和特点,包括积分小波变换、二进小波变换和小波的分解重构.并进一步将小波变换原理应用于微机保护数字滤波器. 可得出基于小波变换的微机保护数字滤波器具有傅里叶变换不可比拟的优越性,可以准确地滤除信号中的直流分量和高频分量.     

基于小波分析理论及其数字滤波的应用研究

系统分析了小波变换的物理意义和特点,包括积分小波变换、二进小波变换和小波的分解重构。并进一步将小波变换原理应用于微机保护数字滤波器。可得出基于小波变换的微机保护数字滤波器具有傅里叶变换不可比拟的优越性,可以准确地滤除信号中的直流分量和高频分量。     

小波域中值滤波器在陀螺寻北仪中的应用

研究了利用小波变换消除陀螺干扰漂移的方法．通过对陀螺寻北仪两位置寻北方案的分析，表明陀螺随机干扰信号是影响系统精度的主要误差源．为此将中值滤波与小波阈值去噪相结合构造了小波域中值滤波器，并应用于陀螺数据处理中．寻北试验结果表明，该滤波器在有效对白噪声滤波的同时也能较好地去除脉冲噪声，与传统的去噪方法相比，寻北精度提高20％，对陀螺各种干扰信号具有很好的抑制作用．     

一种基于小波包变换和中值滤波的球团矿图像去噪方法

在球团矿粒度在线检测系统中，球团图像采集过程的干扰噪声主要是脉冲噪声和白噪声。中值滤波对脉冲噪声有较好的滤波效果，对于白噪声降噪效果较差；小波包技术可以很好的消除白噪声，但对脉冲噪声滤波效果不理想。提出了一种将小波包变换和中值滤波相结合的球团矿图像去噪方法。实验表明，这种综合方法具有良好的消噪效果，满足球团矿图像后续更高层次处理的要求。     

小波分析技术在数据预处理中的应用

在工程实际中,从被测对象上检测到的信号,往往混有不同程度的噪声。利用小波分析可以过滤掉弱信号或无用信号,得到用户真正需要的信息。介绍了小波变换、小波包分解,以及运用小波包分解进行数据预处理的方法,并最终选择应用小波包分解进行消噪和小波多尺度分解,完成数据预处理,提取了故障特征。     

多尺度分解下的自适应滤波器组的构建方法

通过分析自适应滤波和小波变换的多尺度分解滤波的原理与方法,建立了非平稳信号的多尺度分解下自适应滤波器组的构建模型和滤波方法.将小波变换分离出来的噪声成分作为自适应滤波器的输入,通过自适应滤波器组,能实现多种噪声成分的自适应滤波.通过模型验证和工程实例的应用,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计.通过自适应滤波器组,能同时实现对多种噪声成分的最佳滤波,具有优良的滤波性能.     

基于时间轴小波变换的运动对象分割算法研究

对时间轴一维小波变换的视频运动对象分割算法进行了研究。将视频序列进行时间轴一维小波变换，利用变换后的高频帧信息提取出初步的运动掩模图像；进行数学形态学后处理，以消除各种噪声的影响和对象的不连通性，得到理想的运动掩模图像。实验结果表明该方法分割效果较好，分割出的运动对象可直接应用于基于对象的视频编码，且算法耗时较少。     

基于时间轴小波变换的运动对象分割算法研究

对时间轴一维小波变换的视频运动对象分割算法进行了研究。将视频序列进行时间轴一维小波变换，利用变换后的高频帧信息提取出初步的运动掩模图像；进行数学形态学后处理，以消除各种噪声的影响和对象的不连通性，得到理想的运动掩模图像。实验结果表明该方法分割效果较好，分割出的运动对象可直接应用于基于对象的视频编码，且算法耗时较少。     

基于小波变换的高压开关柜监测信号消噪方法

为消除智能化高压开关柜监测装置采集信号中的“毛刺”,并克服传统低通滤波方法去除“毛刺”的同时也去掉了有用的高频成分的问题 ,该文提出了一种具有时域选择性的消除“毛刺”的方法。该方法通过利用小波变换具有时频局部化的特点 ,可以准确地检测“毛刺”出现的位置并加以消除 ,从而在消除“毛刺”的同时保留了有用的高频成分。通过对线圈电流的处理结果 ,可看出小波变换对传统低通滤波方法的优势。利用小波检测信号突变点的优势 ,还设计了检测信号起止点的算法     

基于高斯小波滤波器的语音识别特征提取方法

把小波理论应用于抗噪语音识别特征提取,提出了基于高斯小波滤波器的语音识别特征提取方法,通过对人耳听觉特性的研究,按照人耳临界带宽设计了一组高斯小波带通滤波器。详细讨论了高斯小波滤波器的尺度参数选择方法。使用RBF识别网络,仿真实现了使用新特征与原特征的识别结果,证明了新特征具有较高的识别率和优良的抗噪性能。     

FFT复小波及在设备故障信号分析中的应用

提出一种在频域用数字滤波器定义复小波和展缩小波基,用FFT实现复小波变换的算法。该算法可通过控制滤波器的频率截止特性来生成不同特性的小波函数;通过控制滤波器截止频率位置来改变离散小波变换的频率分辨率。     

液压系统故障信号的小波包检测方法

提出了一种利用小波包检测调速阀故障信号的方法.通过小波的小波包分析将信号按一定的尺度进行划分,不同频率的信号被划分到不同的频段中.由经过预处理的信号经过小波包分解与重构后,可以得到小波包重构图,由图中可以获得故障产生的时间点和频率,再对故障的严重程度进行了量化分析.实验结果表明用小波包理论进行故障检测是可行的.