一种基于自适应提升小波变换的GNSS多径抑制方法

在卫星导航定位系统中,多径干扰是影响定位精度的重要误差源之一。在分析研究现有多径抗干扰方法和小波理论的基础上,提出了一种基于自适应提升小波变换(Adaptive Lift Wavelet Transform,ALWT)的多径抑制方法。该方法利用小波分析在时频域将待处理信号局部放大的特性,将待分析信号通过提升小波变换进行自适应多级分解,通过最小方差准则(Least Mean Square,LMS)自适应确定分解级数,在一定的阈值条件下将多径信号排除过滤掉,从而达到多径抑制的目的。Matlab7.0仿真实验中,与窄相关技术和传统小波变换方法(Traditional Wavelet Transform,TWT)相比,该方法通过多级小波级数分解,将多径信号进行局部时频域放大,选取合适阈值判别条件过滤多径信号,再通过小波逆变换还原直接信号,实验证明使用ALWT方法多径抑制效果显著提高。     

一种基于局部方差相似度的自适应图像融合算法

针对现有多光谱和全色图像融合算法空间和光谱特性难以兼顾的问题,文章提出了一种基于局部方差相似度的自适应图像融合算法,通过局部方差相似度自适应选择融合规则来改善现有问题。首先对多光谱图像主成分分析(principal component analysis,PCA)变换后的第一主分量和全色图像进行小波变换;其次根据系数矩阵局部方差相似度在2选1和加权平均之间自适应选择小波系数融合策略;最终由对应的逆变换获取融合图像。实验采用Landsat7和QuickBird卫星数据进行算法验证,并与基于PCA变换、小波变换(wavelet transform,WT)、基于局部算法的改进小波算法和自适应IHS(intensity hue saturation)算法进行比较分析。实验结果表明,该方法在提高融合图像空间和光谱质量上,综合性能优越。     

基于EWT和SVD技术的齿轮故障诊断方法研究

本文基于经验小波变换(EWT,empirical wavelet transform)和奇异值分解(SVD,singular value decomposition)技术提出了一种齿轮的故障诊断方法.首先采用EWT方法将齿轮的振动信号分解为若干个本征模态分量(IMF),并利用这些IMF分量形成向量矩阵.而后对初始向量矩阵进行奇异值分解,根据奇异值分解的三大特性,将求得的特征向量矩阵的奇异值作为齿轮振动信号的模式特征向量.最后通过建立马氏距离判别函数判断齿轮的振动情况和故障类型.通过对实际实验数据的分析,证明了该方法在齿轮故障诊断中有效性.     

基于小波包变换的自适应多用户检测

在分析传统自适应多用户检测的基础上，提出了一种基于小波包变换的自适应多用户检测算法．该算法用小波包变换进行前处理，然后再通过最小均方(LMS)算法实现自适应多用户检测．与通常的自适应多用户检测算法相比，该算法利用了小波包变换对小波空间进行分解，信号经小波包变换后自相关性会下降，收敛速度提高．同时在此分解过程中，根据信号与白噪声小波包变换完全不同的特性进行信号消噪．理论分析和仿真结果表明，该算法与传统LMS自适应多用户检测算法和基于小波变换的自适应多用户检测算法相比，算法收敛速度更快，且计算量较少，易于实时实现，还具有良好性能．同时仿真结果表明该算法收敛速度与小波基和分解级数的选择有关，分解级数越大，收敛速度越快；对于同一小波基系列，小波基正则性越好收敛速度越快。     

一种改进的小波变换信号消噪方法

根据小波阈值消噪方法的步骤及特点提出一种新的消噪方法——小波系数放大法,并对该方法进行仿真对比实验。该方法在运用小波变换对含噪信号进行消噪前,先对信号进行小波级数分解,对其中的低频系数和高频系数进行适当的放大,然后对信号采取阈值消噪法进行消噪,最后运用小波变换对所得到的小波系数进行适当的宿小,并将其重构。仿真实验结果表明,小波系数放大法消噪后信号的均方根误差有很大的降低,信噪比提高。该方法优于一般的消噪方法。     

复小波变换-自适应滤波算法抑制局部放电窄带干扰

针对干扰频率多和信噪比低这两大局部放电窄带干扰抑制中难以解决的问题,提出一种复小波变换一自适应滤波算法.首先,利用复小波变换分频特性将信号分解到不同的频段内,使各个频段内的窄带干扰数少且频率接近,然后进行逐层自适应滤波;采用一种实部与模平方乘积的新复合信息以提高对低信噪比信号的提取能力以及对信号形状的保持能力.研究结果表明;复小波变换一自适应滤波算法在信噪比δ0=0时能对4种局部放大脉冲模型分别获得信噪比δ为22.22,16.16,17.16和21.75和波形相似度η为0.909 2,0.942 7,0.668 8和0.657 0的滤波效果,与传统的小波去噪和自适应滤波相比有较大改进.     

基于小波变换的信号特征与突变点检测算法研究

采用小波分解可以很好地研究信号的自相似性.小波变换能够分析信号奇异点的位置及奇异性强弱,即通过小波变换后的局部极大值在不同尺度上的衰减特性来衡量信号的奇异性.介绍了小波变换的基本概念,对信号特征和突变点检测算法进行研究,利用小波多分辨分析将突变信号进行多尺度分解,通过分解的信号确定突变点位置.通过Matlab实验,分析了信号奇异点定位和小波检测的结果,当小波变换尺度越精细时,检测突变点位置越精确,验证了小波变换是分析信号自相似性和突变点检测的有力工具.     

采用IEWT-SAE算法的配电变压器故障诊断方法

为识别配电变压器运行过程中存在的潜伏性故障,提出一种基于改进经验小波变换(improve empirical wavelet transform,IEWT)及堆栈自编码器(stacked auto-encoder,SAE)算法的故障诊断新方法. 首先,利用顺序统计滤波包络法来改进经验小波变换完成对振动信号的分解,得到一组经验小波分量并计算其与原始信号之间的K-L散度值,以剔除干扰分量. 然后,选取K-L散度值低的经验小波分量作为SAE的输入数据进行特征的自适应提取,再用Softmax分类器完成故障诊断,并在堆栈自编码器训练过程中引入樽海鞘群算法实现参数寻优. 最后,在10kV油浸式变压器上搭建数据采集平台进行故障模拟及分类测试. 实验结果表明,所提方法的分类精度达99.5%,在识别准确率、诊断时间上均优于对比方法.     

CEEMDAN-SE-WT降噪方法在航空发动机燃油流量信号中的应用

燃油流量信号是反映发动机状态和计算飞机排放物排放量的重要信号,但飞机飞行过程中传感器采集信号时不可避免地会受到外界环境以及内部因素干扰。提出一种结合样本熵(sample entropy,SE)的完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with Adaptive Noise,CEEMDAN)与小波变换(wavelet transform,WT)的联合降噪方法。首先使用CEEMDAN对燃油流量信号进行分解得到本征模态分量,利用样本熵筛选含噪分量,并用相关系数与方差贡献率进行复核。对于含噪分量使用小波阈值降噪进行处理。最后将未处理的模态分量和完成降噪的模态分量重构得到最终燃油流量信号。通过与其他方法比较,CEEMDAN-SE-WT方法拥有最高信噪比为85.287,降噪后燃油消耗总量与飞机总重变化最为接近,可以认为该方法较大程度保留了燃油流量信号中的有效特征,为后续计算民机排放物排放总量提供了良好的数据支持。     

基于冗余字典的扰动OMP算法研究

在测量矩阵受扰动和加性噪声情形下,利用离散余弦变换(discrete cosine transform,DCT)和小波变换(wavelet transform,WT)两种不同的冗余字典,对冗余字典的扰动正交匹配追踪(orthogonal matching pursuit,OMP)算法的鲁棒性和稳定性进行了讨论.在不同扰动水平、不同采样数以及不同部分扰动下,通过数值仿真实验验证了信号能够被鲁棒重构.     

基于Haar小波提升的2.4kbit/s CWI语音编码算法

提出一种基于Haar小波提升的2.4 kbit/s特征波形内插(CWI)语音编码算法.将特征波离散时间傅里叶级数(DTFS)得到的幅度谱转化为离散余弦变换(DCT)系数,用Haar小波提升实现特征波的多级分解与重建.利用相位谱间距的均值和基音周期增益联合判断浊音度标志,用于进行相位选择和离散余弦变换系数的选择性量化.主观A-B听音实验表明,该语音编码算法音质优于传统的3.8 kbit/s CWI编码器,在较低码率上获得较为满意的合成音质,且Haar小波提升特征波形分解与重建方法解决了传统小波变换CWI算法延时较大的问题.     

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WPD-LMD和排列熵的结构损伤识别方法

为了直接从结构响应提取损伤敏感参数,对激励未知情况下的结构损伤模式进行识别,提出了基于小波包分解-局部均值分解方法(wavelet packet decomposition-local mean decomposition,WPD-LMD)和排列熵的结构损伤检测方法.该方法首先对结构振动响应进行小波包分解,将振动信号分解为一系列窄带信号,然后对窄带信号进行局部均值分解,能有效提取低能量分量.通过计算损伤前后分量信号的排列熵,对结构损伤进行了检测,最后通过计算测试数据和样本数据之间的相对排列熵,对损伤模式进行了识别.实验分析结果表明,所提出的方法能有效地对结构损伤进行识别.     

一种小波阈值的图像去噪的新方法

基于小波变换的图像去噪方法是在运用小波变换对含噪图像进行去噪前,先对图像进行小波级数分解,对其中的低频系数和高频系数进行适当的放大;然后对图像采取局部阈值去噪法进行去噪;最后运用小波变换对所得到的图像小波系数进行适当的缩小并将其重构。     

基于提升小波的轧辊偏心信号提取及自适应控制

由于基于频域的经典小波变换运算时间较长,不能很好地满足轧辊偏心信号在线实时控制的要求,提出了用提升结构小波变换对偏心信号进行不同分辨率下分解处理的新方法.通过对轧制力信号和厚差信号的分析,利用提升和对偶提升原理将偏心信号从干扰信号和噪声信号中提取出来并通过参数自校正控制实现对轧辊偏心的在线动态控制.仿真结果表明,该方法获得了比较理想的效果,并且在同样数据长度下,提升小波变换运算速度比经典小波变换至少提高1倍以上.     

基于NSCT变换的SAR图像融合的算法

首先分析了小波变换在进行图像处理时不能有效表示直线／曲线的奇异性问题,然后研究了能够很好表示二维或更高维奇异性的非采样Contourlet变换（Nonsubsampled Contourlet transform,NSCT）的基本原理。接着讨论了将NSCT变换应用于图像融合的可行性,提出了经NSCT变换分解得到的不同的频域子带系数,在选择低频子带系数时,提出了基于局部梯度的尺度系数融合的方案,在对带通方向子带系数进行融合时,采用了自适应尺度系数融合的方案。同时,对主客观性能比较进行了仿真实验,结果表明,提出的新方法比其它几种方法传统的基于小波变换的图像融合效果要好得多。     

一种新的基于小波变换的图像消噪方法

一种新的基于小波变换的图像消噪方法是在运用小波变换对含噪图像进行消噪前，先对图像进行小波级数分解，对其中的低频系数和高频系数进行适当的放大；然后对图像采取局部阈值消噪法进行消噪；最后运用小波变换对所得到的图像小波系数进行适当的缩小并将其重构．仿真实验证明这种方法比一般的诸如中值滤波和维纳滤波等图像消噪方法有很大的改进，特别是图像均方差(MSE)有很大的降低，而图像的信噪比也有较为明显的提高。     

BOR多小波域水印信息单层嵌入的分析与实现

为研究多小波域内数字水印算法的优越性和灵活性,对精确重构(BOR:Balanced Optimal\|Reconstruction)多小波分解系数进行了详细分析,提出了图像多小波变换的分层性(不同于分解的级数)观点\.根据这一特点,待隐藏的信息可分层嵌入图像BOR多小波域。通过仿真实验对可读的自适应盲水印信息嵌入BOR域单层子图算法与小波域算法进行比较的结果表明,前者拥有优良的不可感知性和更强健的抗图像处理攻击能力。     

基于改进EWT的超高层建筑模态参数识别

文章基于改进经验小波变换(empirical wavelet transform,EWT)、自然激励技术(natural excitation technique,NExT)及归一化的希尔伯特变换(normalized Hilbert transform,NHT),发展一种超高层建筑的模态参数识别方法.该方法首先使用基...     

基于提升小波包最优基变换的缸盖振动信号降噪研究

给出了一种基于提升小波包最优基变换的发动机缸盖振动信号降噪方法,给出了提升小波包变换公武,介绍基于最佳基分解的闭值降噪方法,并介绍了阚值的具体选择方法.将信号通过提升小波快速分解,对小波包系数进行阈值量化,用阈值量化后的系数对原信号重构,达到降噪的日的.通过计算仿真和实验,验证了方法的有效性.