基于小波变换的图像边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征，利用小波变换系数模局部极大值来提取图像的边缘特征。实验结果说明了这种特征提取方法能够较准确地提取图像的边缘并有效地降低噪声。     

基于小波分析的微弱信号处理

应用离散小波变换对微弱数字信号进行分析及处理．离散小波变换具有时频分析特性，能将信号的细微变化反映出来．对实验获取的微弱信号进行小波变换分析的结果表明：离散小波分析可明显提高数字信号的信噪比，有利于从噪声中提取微弱信号。     

基于小波多尺度乘积的信号去噪算法

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于小波多尺度乘积的信号去噪算法,该算法首先对信号进行多尺度二进制小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数：再利用模极大值小波系数进行小波逆变换得到去噪后的信号。实验仿真表明：该算法在有效去除噪声的同时,也能保留信号的重要特征。     

微弱振动信号的谐波小波频域提取

为解决设备故障检测和故障预报中某些微弱振动信号难以提取出来的问题,在介绍谐波小波变换的优良特性及其基本原理的基础上,给出了谐波小波变换的实现技术.在不减少信息点数的情况下,用谐波小波变换成功地对微弱振动信号实现了频域提取与时域重构,并且实现了强噪声下微弱周期振动信号的频域提取.通过算例和工程实例,说明谐波小波方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波方法和傅里叶分析方法,且在混有强噪声的信号提取中消除了二进小波包仍然存在的噪声泄漏,同时也显示了谐波小波变换的频域保相特性.     

小波变换在信号降噪中的应用研究

分析了小波变换的基本原理,采用小波变换和傅里叶变换方法,降噪处理了noisdopp信号并对比了处理结果,结果表明,小波阈值降噪在降噪的同时,能很好保存有用信号中的尖峰部分和突变部分.计算机仿真了实时采集的语音信号,结果表明,小波变换能从强噪声背景中提取有用信号,并能保留信号的大部分能量,且与原始信号有较好的相似性,能极大提高信号的信噪比,具有一定的工程应用价值.     

一种提取含噪声信号中重叠峰位置的新方法

以二阶B-样条小波为分析小波，提出了一种提取分析化学中含噪声重叠峰位置的新方法——连续样条小波变换法．在合适的尺度下，处理后的信号类似于信号的四阶导数．结果表明，采用连续样条小波变换法能使峰变窄，并能提高信号的信噪比，同时还能从含噪声重叠信号中直接得到重叠峰的数目及其相应的峰位置．     

小波变换在噪声信号处理中的应用研究

基于噪声信号处理的故障诊断技术中的一个重要内容就是如何从大量、繁杂的噪声信号中提取有用信息．在讨论了基于噪声信号处理的故障诊断技术特点的基础上,重点介绍了如何利用小波变换中的多分辨分析和小波包分析来对噪声信号进行处理的原理、方法以及基于Matlab小波分析工具箱的噪声信号特征提取技术。     

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。     

小波变换的多分辨性及在电力信号分析中的应用

文章介绍了小波变换的多分辨分析理论及其在电力信号特征提取和消噪方面的应用。通过对仿真结果分析可知，小波分解得到的高频系数能够清晰地反映信号中的细节特征，通过对高频分量的处理和重构可以得到信号中有用的特征量或除去信号中的噪声。     

一种基于小波的白噪声消除方法

介绍了小波变换的基本理论，研究了信号和白噪声在小波变换下的不同特性，在此基础上提出了一种新的基于小波变换的白噪声消除方法．仿真结果证明，这种方法具有很好的去噪声效果．     

基于局部投影和小波降噪的弱冲击特征信号的提取

综合局部投影算法及小波变换两者的优点,提出了基于局部投影和小波降噪的弱冲击信号的提取方法.实验结果表明,局部投影算法可以将背景信号和特征信号分解到不同的子空间上,小波降噪可以有效地用于包含尖峰或突变信号的降噪,结合局部投影和小波降噪的弱冲击信号的提取方法对于微弱特征信号的提取是非常有效的.     

基于变步长随机共振的弱信号检测技术

针对绝热近似小参数随机共振难以满足工程实践中大参数下的弱信号检测，以及单一频率的共振分析在实际应用中的局限性问题，提出了一种变步长随机共振数值算法．该方法通过调整计算步长，使随机共振理论同时适用于犬、小参数条件下的弱信号特征提取．计算机仿真结果表明，对变步长随机共振后的信号作幅值谱和小波分析，均能准确得到低信噪比信号中的多个有用成分，充分证明该算法在大参数条件下可对弱信号中的多个特征频率产生共振输出．同时，变步长随机共振也可以有效抑制信号小波分解中由强噪声引起的边频干扰，提高小波分析在低信噪比信号检测中的可靠性．     

微弱信号检测的一种改进小波分析方法

针对小波变换去噪时对微弱信号不敏感,特别是在信号分类检测时检测效果不理想的问题,提出了采用小波熵应用于信号检测的技术.该技术的主要原理是利用小波分析矩阵相应稀疏程度去抑制信号的无关成份,其中小波系数熵确定噪声阈值,小波相关系数熵确定边界轮廓,实现信号准确定位.最后通过数值试验证明其效果好于常规小波变换模极大值的信号检测法,证明了该方法检测微弱信号边缘特性更切实有效.     

基于混沌理论和小波变换的微弱周期信号检测方法

根据小波变换具有多分辨率,混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性,通过对小波阈值去噪方法和混沌Duffing振子方程的改进,提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法.该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波分解尺度确定阈值去噪深度,然后把重构的信号作为周期策动力的摄动并入混沌系统,采用混沌振子阵列实现在噪声背景下微弱信号的检测,并采用梅尔尼科夫方法作为混沌判据.该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状态与周期态区别的模糊性:同时能检测多种频率的信号.仿真测试表明:该方法直观、高效,检测精度高,检测的最低信噪比达到-100dB,频率误差为0.04％左右,改善了湮没在强噪声下的微弱信号检测技术.     

涡流检测自然裂纹与信号处理

在用涡流检测(Eddy Current Testing,ECT)法评价设备缺陷时,缺陷信号由于受到探头提离及设备结构变化引起的非缺陷信号及环境噪声的影响而恶化,直接影响到对缺陷的正确评估.采集了自然裂纹 ECT 信号并根据其特点,采用小波变换对其进行了去噪处理.首先将 ECT 信号进行小波分解,去除非缺陷信号及白噪声信号分量,然后对小波系数进行反变换,重构缺陷信号.对一维和二维 ECT 信号处理结果表明这种信号处理技术对提取湮没在非缺陷信号和自噪声中的缺陷信号非常有效.     

基于SVD/小波的MEMS陀螺误差分析及降噪处理

陀螺仪作为导航系统的核心传感器,其输出信号的精度对导航结果有着重要的影响。针对微机电系统(micro electro mechanical system,MEMS)陀螺成本低、应用广泛但精度低、噪声大的使用现状,选取小波分析方法对MEMS陀螺信号进行误差分析,针对误差分析结果提出了一种小波分析结合奇异值分解(singular value decomposition,SVD)的降噪方法以剔除微弱噪声信号。针对小波分析存在的小波分解层数和小波系数难以选取的问题,提出一种自适应选取小波分解层数和变换小波系数的改进小波算法;通过引入SVD以改进小波变换检测微弱信号中噪声的劣势问题,设计双轴电动转台的静、动态试验,静态试验进行信号的误差分析,动态试验验证改进算法的精度,得出改进算法比之传统小波算法降噪性能提升的结论。     

基于改进EMD的地震信号去噪

压制随机噪声是地震数据处理过程中的一个重要环节,目前大多数去噪技术都不同程度存在去噪效果差、易损伤有效信号等问题。利用经验模态分解可将信号自适应地分解为不同特征尺度固有模态函数的优点,及小波变换模极大值滤波方法对噪声的依赖性较小且适合于低信噪比信号去噪的优势,构造了一种经验模态分解与小波变换模极大值相结合的新的去噪算法,该算法很好地实现了地震有效信号与随机噪声的分离,有效提高了地震数据信噪比。将该算法应用于仿真实验和实际地震数据处理,结果都表明该方法明显优于常规经验模态分解去噪效果。     

钢筋混凝土材料损伤的声发射信号处理

针对钢筋混凝土材料试件进行了加载破坏试验,采用小波变换对现场采集到的混凝土断裂过程中的声发射信号进行分析处理。试验结果表明用小波变换进行消噪处理,噪声消除效果显著,提高了声发射信号对结构健康监测的准确性,为实际监测钢筋混凝土材料的损伤提供了依据。