基于小波多分辨率分析的信号消噪

小波变换是近10年来迅速发展起来的学科，它与傅立叶变换、Gabor变换相比，是一个时间和频率的局部变换，因而能有效地从信号中提取信息。通过对信号进行多尺度细化分析，解决了傅立叶变换不能解决的许多问题。利用噪声信号小波变换的极大值随尺度的加大而显著减少的特点，运用小波多分辨率分析进行信号噪声的消除，仿真结果表明:小波多分辨率分析的效果，优于传统的傅立叶变换。     

二维非平稳信号的小波谱均衡分析方法

小波变换对信号的分时分频的精细表达和多分辨率的全面把握，使我们能更深入地认识信号和噪声的特性，便于基于小波域进行更有效的高分辩率的处理工作；而谱均衡处理技术是提高信号纵向分辨率的有效方法．本文结合上述两种处理手段，提出了一种小波谱均衡方法：先将二维非平稳信号进行小波分频处理，得到不同尺度的信号；然后将各尺度上的信号分别进行谱均衡处理，再将经谱均衡处理的不同尺度信号进行重建，从而得到高分辨率信号．利用小波谱均衡进行实际信号处理，处理结果表明该方法的处理效果要好于常规的谱均衡方法，它既能提高二维非平稳信号的纵向分辨率，同时又能保持原信号的固有特征．     

小波变换在跳频通信中的应用研究

小波变换是信号的时间一频率分析方法,它具有多辨分析的特点,它能有效地检测和识别跳频信号,在跳频通信中有极其重要的作用.按照跳频信号的数学模型分析,小波变换(WT)与快速傅立叶变换(FFT)、短时傅立叶变换(STFT)相比较,具有明显的优越性.通过对中频信号的有限个采样点的分析处理,提取出跳频信号的特征参数,并运用Matlab语言设计出仿真程序,可以证明小波分析跳频信号具有可行性.     

小波-傅立叶变换综合法的车桥耦合振动分析

将小波变换与傅立叶变换相结合,提出一种处理非平稳信号的新方法小波-傅立叶变换综合法。并用于分析不同车速下桥梁跨中挠度的动力响应曲线,得到完整的时频信息。分析结果表明了该小波-傅立叶变换综合法在非平稳信号时频分析领域有良好的应用效果。     

基于改进S变换的语音信号时频分析

STFT分辨率固定,小波变换会出现局部相位信息且时间-尺度关系不适合直观视觉分析。提出基于改进S变换的语音信号时频分析。样条小波作为小波变换母小波乘以相位因子得到改进S变换,具有多分辨率和相位因子,并适合直观视觉分析。仿真实验得到的时频分布结构图与STFT、小波变换分布比较,显示改进S变换时频结构更加细致。     

用小波分析函数的正则性

信号中的不连续性和瞬变现象常常携带着重要的信息．霍尔德(H)条件是用来描述函数正则性的．傅立叶变换是分析信号奇异性的传统方法．然而它只能反映信号正则性的整体状况，而不能确定奇异性的位置和大小．由于小波具有时．频局部性，因此与频域方法相比，小波方法更能有效地分析函数的局部正则性．     

小波变换在电压闪变分析中的应用及其DSP实现

傅立叶变换不具有时频分析能力，对含有短时高频分量和长时间低频分量的电能质量信号进行分析时具有局限性．基于小波变换具有良好的时频局部化特性析，提出一种更为有效的电压闪变分析方法．利用小波变换的多分辨率分析方法，对电压闪变信号进行检波与分解，提取出电压波动信号的频率和幅值，从而得出反映电压闪变的参数．仿真实验证明：对比傅立叶变换，小波变换是一种更为有效的电压闪变分析方法．最后提出了小波变换在数字信号处理中的实现方法．     

傅立叶变换的复奇偶性

傅立叶变换是信号处理中的基本时-频变换工具,它有许多基本性质.本文从傅立叶变换的实奇偶性出发,对复时间信号的傅立叶变换及其幅频和相频特征函数的奇偶性做了详细的推导与论述,其结果有助于我们进一步理解信号在时域与频域之间的联系.     

心音信号的短时傅立叶变换分析

心音信号是一种典型的非平稳信号,短时傅立叶变换(STFT,又称窗口傅立叶变换)是用于对非平稳信号进行时频分析的有效工具.在用STFT分析心音信号时,窗口宽度的选择是非常重要的.一方面,要使用尽可能窄的窗口来保证信号的局部平稳性,另一方面,要选用较宽的窗口来提高频率分辨率.如何处理这一矛盾就成了问题的关键.通过调整滑动时间窗的宽度,达到了比较满意的效果.首先用窄时间窗进行分析,频谱图具有高时间分辨率,得到了心动周期等时域特征参数.进而逐渐加宽时间窗,最后得到高频率分辨率的频谱图,可以看出各心音成分的频谱特征.实验结果表明,不同时频尺度的STFT分析可以很好地描述正常心音信号的时域和频域特征.     

小波包技术在声谱图中的应用

本文根据小波包变换的多尺度特性,对声频信号分别用短时傅立叶变换和小波包变换方法进行了分析,绘制了相应的声谱图,提出了声频信号时频图分析的一种新途径．     

一种基于时频域归一化二次谱的信号特征检测方法

针对传统的基于傅里叶变换的信号特征检测方法在频率域内没有考虑时间分辨率，而基于小波变换的方法对缓变信号特征检测困难等问题，提出了一种基于时频域归一化二次谱的信号特征检测新方法．该方法首先在频率域内对原始信号的振幅谱进行傅里叶变换，再将其归一化，获得归一化二次谱，这种二次谱的自变量具有时间量纲，它既能反映信号的频率特征，也能反映信号的时间特征．然后，基于二次谱进行特征检测，同时可采用补零或加窗等方法对数字信号进行处理，以防止频谱泄露，从而克服了单纯频谱分析的不足．针对大型杆件与石油管线传导信号的特征检测结果表明，所提方法能对被测物的完整性做出准确、有效的诊断．     

三种时频分析方法在心音信号分析中的应用

文章介绍了一种新的时频分析方法—— Hilbert谱分析 ,并将其应用到心音信号的时频分析中 ,分析对比了短时 Fourier变换 ,小波分析和 Hilbert谱分析这三种方法在处理心音信号时的性能差异 .传统的基于 Fourier的方法不能有效的分析非平稳信号 .文章分析证明了这种新方法在分析像心音信号这种非平稳信号的有效性 ,它能对信号的时频分布做出比短时 Fourier变换和小波分析更为精确的描述 .用这种方法 ,我们能提取心音信号中频率变化的信息 .     

基于广义S变换的信号提取与抑噪

S变换结合了短时傅里叶变换和小波变换的优点,是非平稳信号时频分析的有力工具.为了提高S变换在应用中的实用性和灵活性,该文将S变换改造成时频分辨率可调的广义S变换.广义S变换具有多分辨率特性,利用其高质量的时频分布,在时频域中设计了两种时频滤波器.前者用来实现非平稳信号中特定信号分量的提取,也可滤除处于特定时频平面中的噪声;后者直接应用广义S变换的时频谱实现,用于含高斯白噪声信号的滤波,达到了突出有效信号和压制噪声的效果.几种信号模型的仿真试验显示了它们在信号提取和抑制噪声中应用的有效性.     

基于瞬时频率的窗宽递增寻优的短时傅里叶变换

讨论了窗函数在时频分析中的作用,分析了S变换的缺陷,指出了依据分析频率调整窗宽和使用窄窗均严重影响时频分析效果.以短时傅里叶变换为基础,提出了一种窗宽根据信号自身时变特征进行自主调节的时频分析方法,该方法以瞬时频率的变化作为判断信号频谱结构发生变化的依据,通过在瞬时频率变化之前逐次递增窗宽,使窗函数能够覆盖信号中的局部平稳区域的大部甚至全部,从而可对信号中的各局部平稳段得到最佳的时频分辨率.通过对线调频信号、时变信号和含噪声信号的分析和比较可知,本方法可准确描述信号的时间分布特征,并可同时获得最佳的频率分辨率,且对噪声不敏感,具有一定的先进性和实用性.     

Fourier变义换和Gabor变换与小波变换的比较研究

对Fourier变换、Gabor变换和小波变换进行比较。从Fourier变换的定义出发，进行分析阐述，指出了Fburier变换不具有局部化分析的功能以及时频完全分离的缺点：通过对Gabor变换的核函数进行时频两域分析，说明了它品质因数是不恒定的以及它的一些缺陷；最后对小波变换的核函数进行分析，论述了小波变换具有品质因数恒定和多分辨率分析等优点。     

基于Chirplet变换在地震勘探时频域地层旋回变化识别分析

针对地震波信号通常为非平稳信号，传统的傅里叶变换无法分析非平稳信号，同时不能反映局部时频分布关系的问题，本研究依次介绍了短时傅里叶变换、连续小波变换以及Chirplet变换在一次单分量、二次单分量、多分量瞬时频率分析非平稳信号的优劣差异，利用修改核函数对于Chirplet 变换进行一定改进，有效提高了待分析信号的时频域分辨率。 随着石油勘探开发难度的逐渐增大，对于薄互层的层间储层预测问题逐渐成为研究焦点，旋回型薄互层是其中的典型模式之一，同时也是层序地层的一种沉积组合。本研究改进的Chirplet变换在实际应用中相较于原始Chirplet变换以及传统小波变换在研究沉积旋回分析中更能清晰刻画地层旋回变化趋势，对后续解决一般性薄互层沉积旋回预测问题具有重要的研究意义。     

小波包时频分析方法的研究及应用

针对非线性、非平稳信号分析与处理方法不能满足某些特别的工程要求的问题,提出将小波包变换和短时傅立叶变换融合形成小波包时频分析技术。建立了一套较完善的小波包时频分析技术框架体系。给出了小波包时频分量谱与小波包时频分量幅度谱以及小波包时频谱与小波包时频幅度谱的算法。对小波包分解的直接算法、Mallat算法、混合算法在计算量和识别精度等方面进行了比较研究。应用Visual C++,OpenGL,photoshop等计算机软件工具和虚拟仪器技术开发了一套虚拟小波包时频分析仪,能实现任意信号的小波包分解和显示。最后将小波包时频分析应用于仿真测试信号与实测机械磨床振动信号,发现小波包时频分析在识别奇异、辨别信号深层次细节方面具有较好的性质。     

时变自回归模型在清醒大鼠局部场电位特征分析中的应用

同步和去同步状态是清醒大鼠脑活动的两种典型状态,分析不同状态下局部场电位(LFP)的时频特性差异是提取刺激响应特征的基础。针对LFP信号的非平稳特性,采用时变自回归(TVAR)算法建立LFP状态空间模型;并利用卡尔曼滤波迭代方法对模型系数进行动态更新。然后基于TVAR系数计算LFP的功率谱,对不同状态的LFP信号进行时频特性分析。研究结果表明,利用TVAR模型结合卡尔曼滤波算法获得的时频功率谱与基于短时傅里叶变换方法的结果相比,具有更高的时频分辨率,而且通过对LFP的时频分析可以有效捕捉大脑活动状态的动态变化,对于大脑功能机制的解析具有重要意义。