被加型噪声污染的信号的线性时频表示

讨论了噪声对确定性信号的线性时频表示的影响,通过理论分析和计算机仿真,证明了被白噪声污染的信号可以用短时傅里叶变换ＳＴＦＴ和小波变换ＷＴ来分析;而被脉冲噪声污染的信号可以用ＳＴＦＴ来分析,而不宜用ＷＴ来分析。     

基于谐波小波分析的管道小泄漏诊断方法

在长输管道泄漏诊断过程中,复杂噪声背景下的管道小泄漏信号往往难以检测,更无法准确提取小泄漏负压波信号拐点进行泄漏点定位,为此提出基于谐波小波分析技术的小泄漏信号识别与负压波拐点准确提取方法.介绍r谐波小波分析的基本原理及其快速算法,利用谐波小波时频图、时频等高线图以及时频剖面图挖掘管道泄漏敏感特征,准确提取负压波拐点,实现了对长输管线小泄漏的故障诊断.现场采集复杂噪声背景下的输油管道小泄漏信号,分别采用Daubechies小波与谐波小波进行分析对比.试验结果表明,谐波小波泄漏检测法在噪声干扰下对小泄漏信号识别的准确率较高,为长输管道安全输送提供了可靠的保障.     

小波理论及其在光纤陀螺信号分析中的应用

分析了Ｆｏｒｉｅｒ变换、短时Ｆｏｕｒｉｅｒ变换和小波变换的不同特点以及光纤陀螺信号噪声产生的原因。根据光纤陀螺信号零点漂移的非平稳随机性和非正态分布特性,提出了利用小波变换所具有的时频局部化优点对其随机过程进行功率谱分析,在此基础上给出了随机过程的时－频功率谱的分析方法,选用具有良好紧支性的Ｍｅｘｏ帽小波为母小波对光纤陀螺随机噪声有序列进行处理,仿真结果表明,基于小波理论的时－频功率方法对光纤陀螺信号随机过程分析的有效性。     

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.     

基于小波分析的数据平滑处理算法研究与应用

本文针对含噪声数据平滑问题提出了基于小波分析的数据处理方法。对于含噪声数据的噪声强度未知时，可以通过小波高频分解系数估计出噪声的强度进行数据滤波。该方法简单且去噪效果好。同时用实例证实了小波变换在处理非平稳信号中的优势。     

应用小波分析研究信号消噪

噪声的去除一直是信号处理中较为关键的技术之一。小波变换在时，频两域都具有表征信号局部特征的能力，突破了传统Fourier分析的局限性，很适合检测信号的奇异现象。用Daubechies小皮分别对信号本身的奇异性，噪声的奇异性进行分析，结果表明，二者具有较大的不同。因而，将小波用于信号消噪具有重要的参考价值。     

基于小波空域相关的船舶轴频电场检测方法

为了提高对船舶水下轴频电场的远程探测能力,在充分分析实验室轴频电场信号的基础上,提出了一种基于小波空域相关的船舶轴频电场检测方法.首先使用小波空域相关对噪声和信号进行分离,并给出一种针对轴频电场的噪声阈值估计方法;然后,提取信号特征频率范围内的能量作为特征值,对信号进行滑动功率谱检测.对比分析结果表明,该算法在低信噪比情况下具有更高的稳定性和更好的检测效果.

     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪。     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪.     

混沌噪声背景下弱谐波信号的GRNN检测

针对BP(Back Propagation)神经网络方法存在训练时间长,收敛性能不理想;RBF(Radial BasisFunction)神经网络的隐层结构对鲁棒性影响大的问题,将广义回归神经网络GRNN(GeneralizationRegression Neural Network)引入混沌背景下的弱谐波信号检测中,提出了一种提取混沌噪声背景下微弱谐波信号的GRNN检测方法.该方法利用GRNN建立噪声混沌背景的最优一步预测模型,再结合频域处理预测误差提取微弱信号,以Duffing系统产生混沌时序作为混沌背景,使用该方法用MATLAB6.1验证在没有噪声、存在高斯白噪声和存在色噪声情况下的混沌背景下的弱谐波信号检测.实验结果表明,谐波对混沌的信噪比达到-36dB时仍然可以检测出谐波.     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力，是描述和检测信号局部性质的有效手段；利用小波变换模极大值能检测出信号上的所有奇异点，根据小波变换模极大值随尺度的增、减规律，去除噪声对应的极值点，再由模极大值重构信号，提出了小波变换基于奇异信号的消噪方法，并应用于对一瞬时心率信号进行消噪。     

供电系统中谐波干扰的小波分析方法

针对电力系统中的谐波干扰,提出一种基于正交小波变换分析方法,以Matlab仿真为基础,给出分析各次谐波特点的仿真结果.结果表明,小波变换不仅可以精确地分析谐波的特点,还可判断信号奇异性.这为抑制谐波干扰提供了理论依据,从而可使谐波分析准确度更高,误差更小.     

小波去噪及其在信号检测中的应用

基于信号和噪声在小波变换下表现出的截然不同的性质，提出了一种非线性的消噪方法．该方法与传统的消噪方法不同，它并非等价于信号通过一个低通或带通滤波器，而是根据信号与噪声的奇异点性质不同进行滤波，因而在改善信噪比的同时，又保持相当高的时间分辨率．理论分析和实验表明该方法特别适合于弱信号的检测和定位     

基于小波变换的电力信号奇异性检测

电力信号奇异性是分析事故时间和原因的重要依据,小波变换能在时域和频域上同时对信号实现局部化处理,能准确的定位信号的奇异点,因而在信号的奇异性检测方面有广泛的应用价值.本文介绍了小波变换对电能质量信号检测的基本原理和方法,并通过MALAB仿真实验验证.     

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.     

小波分析及其去噪性能研究

小波变换是一种具有一定时间和频率分辨率的分析方法．为了寻找更有效的去噪方法，对连续小波变换(CWT)、离散序列小波变换(DTWT)和正交小波变换(QWT)作了理论分析。结果表明：CWT对噪声具有良好的抑制作用；DTWT在通过域值处理的同时，也考虑了因噪声造成的某些信号细节的丢失；而QWT则能有效地提取淹没在噪声中的微弱信号。与传统的傅里叶变换(FT)相比较，具有显著的优点，值得关注。     

强混沌背景中频带内谐波信号提取

针对强混沌背景中频带内信号难以提取这一问题,提出了基于正交小波变换与小波软阈值滤波相结合的方法.以Lorenz混沌背景为例,对强混沌背景中的谐波信号进行提取.仿真试验结果表明,该方法比较适合于混沌背景中弱信号的检测与估计,与现有的相空间处理方法相比,简单直接,计算步骤少,可以实现对信号的实时处理.另外,该方法具有普适性,在混沌背景中信号提取领域有一定的发展前景.