基于贝叶斯估计的平稳小波去噪

提出了一种基础平稳小波变换的图像自适应去噪方法.以Laplace分布作为图像平稳小波系数的分布模型,利用贝叶斯最大后验估计原始图像的小波系数达到去噪的目的.实验结果表明,用该方法去噪能得到较高的峰值信噪比和较好的视觉效果.     

基于平稳小波变换的陀螺仪信号去噪方法

针对传统小波去噪效果的局限性，分析了平稳小波与经典小波之间的关系，首次将平稳小波用于陀螺仪信号去噪，并与经典小波的去噪结果进行比较。实验结果表明，陀螺仪信号经平稳小波去噪后的寻北精度明显优于经典小波，进一步验证了平稳小波变换具有较好的去噪效果。     

SAR图像平稳小波变换相干斑抑制方法

提出了一种基于平稳小波变换的合成孔径雷达 (syntheticaperturradar,SAR)图像相干斑噪声抑制方法 ,即通过对SAR图像进行多层平稳小波变换 ,对平稳小波变换的细节图像信号进行阈值处理 ,以达到相干斑噪声抑制的目的 .实验结果表明 :此方法除了对相干斑噪声有很好的抑制作用外 ,还保留了尽可能多的目标特征和图像细节 ,有着较好的图像视觉效果 .     

基于离散平稳小波变换的心电信号去噪方法

本文提出一种基于离散平稳小波变换的心电信号去噪方法,通过对心电信号进行多层离散平稳小波变换,根据噪声的不同来源及其频带分布特点,对变换后的细节信号采用不同的去噪方案。该方法能有效克服传统离散正交小波变换去噪时容易产生Gibbs现象,从而达到保持心电波形特征且抑制噪声的双重目的。     

基于平稳脊波变换的图像降噪

有限脊波变换在Radon变换域中用正交小波处理点奇异,而正交小波变换不存在冗余性,因此在应用有限脊波变换进行图像降噪时会产生Gibbs现象。为了解决Gibbs条纹干扰问题,本文在有限脊波变换的基础上提出一种新的基于平稳脊波变换的图像降噪方法,其关键是引入一维平稳小波变换来代替正交小波变换对Radon系数矩阵进行处理。实验结果表明,与基于有限脊波变换的图像降噪方法相比,本文提出的算法具有更优的降噪性能,可使图像降噪后保持更好的边缘特征和视觉效果,振铃效应得到改善。     

基于小波分析的非平稳FD过程分形指数估计

提出了一种非平稳FD过程分形指数估计的新方法。首先对过程进行平稳小波变换以获得各个尺度下的子过程。随后给出这些子过程方差的无偏估计;最后建立方差与尺度的函数关系,并在对数意义下对方差和尺度作线性回归,从而完成估计。计算机仿真表明该方法具有较高精度。     

图像分割与平稳小波变换法融合红外与可见光图像

为改善红外与可见光图像融合后的视觉效果,提出一种基于图像分割和平稳小波变换的图像融合方法。首先,结合最大类间方差方法与边缘检测方法,将红外图像分割为背景部分和目标部分;然后利用平稳小波变换对红外图像的背景部分与可见光图像分别进行多尺度分解,低频部分采用区域空间频率取大融合准则,高频部分采用绝对值取大融合准则,对多尺度分解后的各层进行融合,再利用平稳小波逆变换得到融合结果;最后,对该融合结果与红外图像的目标部分采用加权求和的融合准则进行融合,得到最终的红外与可见光融合图像。实验结果表明,通过提出的方法进行红外与可见光图像融合,不仅很好地突出红外图像的目标信息,还较好地体现可见光图像的场景细节信息,视觉效果明显改善;其标准差、信息熵、互信息均优于拉普拉斯金字塔变换和小波变换等传统的融合算法。实验结果验证了方法的有效性。     

非平稳随机激励下线性系统模态识别的小波方法

通过对非平稳随机激励下的线性时不变系统的响应x(t)进行小波变换.利用各级小波系数的正交性,对其中的某些平稳小波系数进行合成,得到满足结构动力学方程的新平稳信号y(b),用其代替原始的结构响应x(t),结合其他各种平稳随机激励下的模态识别的方法,进行非平稳随机激励下系统参数的识别.仿真结果表明,该方法可以在一定程度上消除非平稳随机激励所引起的响应信号的非平稳性.     

基于平稳小波变换的邻域依赖自适应软阈值图像降噪

传统正交小波变换降噪方法会引起图像边缘失真,针对其不足,研究了平稳小波变换图像降噪。平稳小波变换去除了下抽样处理,包含在小波系数中的信息是冗余的,同时结合贝叶斯估计的自适应软阈值,提出了一种新的图像降噪算法。通过仿真实验将该方法与Winner2,VisuShrink,BayesShrink方法进行比较,试验结果表明,该方法不仅有效地去除了噪声,而且提高了图像的峰值信噪比。     

电力电子装置周期性故障波形小波矩阵分类法

提出一种基于平稳小波变换和奇异值分解的电力电子装置周期性故障波形的分类方法.该方法利用平稳小波变换的冗余性和奇异值的稳健性.其步骤为:对周期性故障波形进行平稳小波变换,将信号分解到多个小波子空间;将平稳小波变换后的小波系数矩阵奇异值进行分解,即采用K-L变换对子信号进行特征压缩,并以奇异值向量作为特征向量;按照向量的空间距离对故障波形进行分类实现故障的分类诊断.以精确的半导体器件模型建立的PSPICE逆变器故障波形为例,分别用该方法和小波子带能量法对逆变器的IGBT开关故障进行分类.研究结果表明,与采用小波子带能量法相比,采用所提方法能够精确地对22种逆变器断路故障进行诊断,且受小波分解层数的影响较小,分类边界较清晰,其类间距与类内距之比是小波子带能量法的2.5倍,抗噪性能好,正确识别率高5%.     

基于小波变换的分形图像编码

在分析小波变换后系数分布特点的基础上，提出了一种新的基于小波变换的分形图像编码算法．根据小波变换后能量集中于低频的特性，在传统的Jaquin分形编码方案的基础上，引入局部Harr小波变换，以低频子图代替原图进行值块、域块间的匹配计算以加快搜索过程，从而提高编码速度．结果表明，该算法在峰值信噪比下降很少的情况下。编码速度提高了100多倍，证明了其高效性．     

关于线性时序过程的小波变换问题的研究

本文通过对随机过程的小波变换的研究,将一般线性时序过程用小波方式表示.从而揭示了线性时序过程的小波变换及其特性,从中得出一些新的结果.     

基于小波分解的语音自适应压缩感知

根据语音信号经过小波分解后低频分量和高频分量的特点,提出分别对他们进行自适应压缩感知。首先对信号的低频分量用训练的过完备基进行稀疏分解,降低了稀疏分解过程中的计算量。然后详细描述了改进自适应观测矩阵的产生,以及对低频和高频分量分别进行自适应观测。最后通过OMP重构算法分别对低频和高频分量进行重构,通过小波合成还原出原始信号。实验表明,语音信号在基于小波分解的自适应压缩感知方案中具有良好的重构性能。     

运用小波变换实现听觉诱发电位的单次提取

论述了运用小波变换进行听觉诱发电位单次提取的原理,方法和实验分析。结果表明,对单次试验信号,经小波变换及相关分析后,可从带自发脑电干扰的信号中提取诱发电位信号。小波变换分析与传统的叠加平均方法相比,可减少试验次数,缩短检测周期。     

小波奇异性在钢结构损伤检测中的应用

根据小波奇异性检测理论,以应变能的损伤信号为结构损伤指标,分别以悬臂梁结构、平面桁架结构和空间网架结构为例进行数值模拟,将原始损伤信号和经过小波变换后的损伤信号进行对比,结果证明采用该方法不但对单一损伤而且对多损伤均能有效地识别出结构的损伤位置,表明了该方法的可靠性和实用性。     

基于脊波变换的手指静脉图像增强研究

针对人体手指静脉图像的结构和特点,提出一种基于脊波变换的图像增强算法.该算法对手指静脉图像小波域各高频子带系数进行脊波变换,利用非线性新脊域系数确定法对脊域系数进行处理,然后对各高频子带进行脊波逆变换和小波图像重构.该算法对手指静脉二维曲线奇异处理、边缘增强等具有较好的效果,克服了小波变换在高维曲线奇异和方向选择上的不...     

基于子波分析方法的信号特征的研究

采用子波分析方法对几种不同的但较典型,且具有代表性的信号作了分析,指出了周期性信号、脉冲式信号和分形信号,经子波变换后所具有的特征,并同时指出了使用子波方法时应注意的几个问题,它为一般信号特性的判别提供了分析的基础.     

基于小波包变换的模糊神经网络小电流接地系统故障选线

根据小波包变换和模糊神经网络的特点，提出了基于小波包变换模糊神经网络的一种小电流接地系统单相接地故障选线方法，即利用经过接地后零序电流训练的小波模糊神经网络来判别接地线路。该方法适用于任何小电流接地系统，并且不受负荷谐波、暂态过程、故障点过渡电阻等因素的影响，从理论上解决了传统方法选线准确率低的问题。EMTP仿真计算结果表明，该方法是准确和可靠的，具有实用潜力。     

一种抑制PD白噪干扰的有效复合信息技术

根据局部放电(partial discharge,PD)信号与白噪干扰经复小波变换后的不同特点,利用复小波变换后实部、虚部的简单信息构造出一种抑制白噪干扰的实、虚部组合序列的有效复合信息,分析该复合信息中序列幂指数对PD去噪性能的影响,并用去噪前后描述信号波形相似参数(normalized correlation coefficient,NCC),结合信噪比(signal to noise ratio,SNR),对用复小波变换去噪后的效果进行综合评价,给出不同的局部放电波形对应的复合信息序列幂指数值,最后,用所构造的db4复小波对仿真和实测PD信号进行了去噪。研究结果证明了在众多的复合信息中,复小波变换实、虚部组合序列的复合信息能有效抑制PD白噪干扰,畸变小,在-7 dB的强噪声中,提取PD信号的NCC和SNR仍高达0.918 6和17.42 dB,有利于PD检测。     

基于脊波变换的手指静脉图像增强研究(英文)

针对人体手指静脉图像的结构和特点,提出一种基于脊波变换的图像增强算法。该算法对手指静脉图像小波域各高频子带系数进行脊波变换,利用非线性新脊域系数确定法对脊域系数进行处理,然后对各高频子带进行脊波逆变换和小波图像重构。该算法对手指静脉二维曲线奇异处理、边缘增强等具有较好的效果,克服了小波变换在高维曲线奇异和方向选择上的不足。通过与传统的二维离散小波变换边缘增强法和自适应调整系数的脊波变换方法作比较,实验结果表明本算法具有更好的手指静脉图像效果。