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。     

信号的多分辨率分析在消噪中的应用

介绍了小波变换的多分辨分析理论及其在消噪方而的应用.通过分析可知,小波多分辨率分析能够将信号在不同的尺度上展开,具有对信号按频带进行处理的能力.在信号小波分解后,抽取有关频带进行重建,以达到降低噪声、提高信噪比的目的.文中给出了信号多分辨率分析在信号消噪方面的具体应用实例.     

用小波变换谱均衡法提高地震资料的分辨率

谱均衡方法是提高地震资料分辨率的一种有效方法.通常,谱均衡方法是通过傅立叶正变换在频率域实现的,但是,傅立叶变换存在着先天不足的缺陷,即时-频局域性差,它不能分析信号的局部频率特性.小波变换方法的时-频局部性要优于傅立叶变换,它克服了傅立叶变换的不足,既能保证变换是可逆的,又可以分析信号的局部频率特性.文中充分利用小波变换与谱均衡的优点,利用小波变换与谱均衡相结合的方法,对不同尺度的分解结果进行谱均衡处理,以达到提高分辨率的目的.     

小波变换用于数字图像相关法位移场的平滑处理

基于小波多分辨率分析，对数字散斑相关法获得的位移场进行平滑处理。将含噪声的位移场进行小波分解，获得在不同尺度上的小波系数；根据位移和噪声在频率上的区别，消除属于噪声的小波系数，从而实现噪声滤除；讨论了小波基的选择和去除属于噪声的小波系数关键技术问题，实验结果表明位移场的噪声得到了很好的滤除。此方法尤其适用于非平稳位移场噪声的平滑处理，小波变换在噪声滤除方面具有一定优势。     

小波分析技术在数据预处理中的应用

在工程实际中,从被测对象上检测到的信号,往往混有不同程度的噪声。利用小波分析可以过滤掉弱信号或无用信号,得到用户真正需要的信息。介绍了小波变换、小波包分解,以及运用小波包分解进行数据预处理的方法,并最终选择应用小波包分解进行消噪和小波多尺度分解,完成数据预处理,提取了故障特征。     

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.     

小波神经网络在海底石油管道漏磁缺陷检测中的应用

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷的漏磁信号识别缺陷的形态参数,噪声消除和缺陷识别是其中的关键问题。利用噪声信号和测试信号在各个尺度上波谱的不同特征,基于小波变换来消除管道漏磁检测中的噪声信号,并根据正交小波多尺度多分辨率特点,把信号分解成各相互独立的频带,构建一个小波神经网络系统,通过输入漏磁信号的特征量识别缺陷的参数。漏磁检测数据处理实验表明该小波变换能较好地去除检测信号中的主要噪声,所建立的缺陷识别小波神经网络系统具有收敛速度快、逼近精度高等特点。     

小波变换在信号去噪中的应用

本文基于目前常用的小波去噪方法,通过对第三种阈值方法的分析,以及结合小波多分辨率分解的特性,提出了一种基于梯度自适应学习算法计算阈值的去噪方法。仿真分析了对含噪信号在不同尺度下分解的小波变换系数进行阈值处理,得到了很好的还原效果。     

小波神经网络在海底石油管道漏磁缺陷检测中的应用

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷的漏磁信号识别缺陷的形态参数,噪声消除和缺陷识别是其中的关键问题。利用噪声信号和测试信号在各个尺度上波谱的不同特征,基于小波变换来消除管道漏磁检测中的噪声信号,并根据正交小波多尺度多分辨率特点,把信号分解成各相互独立的频带,构建一个小波神经网络系统,通过输入漏磁信号的特征量识别缺陷的参数。漏磁检测数据处理实验表明该小波变换能较好地去除检测信号中的主要噪声,所建立的缺陷识别小波神经网络系统具有收敛速度快、逼近精度高等特点。     

小波分析在气缸密封性故障诊断中的应用

论述了从检测燃机起动电压波形来分析气缸密封性的实验方法；并解决了轻微气缸密封性故障不易诊断的难题。通过小波多尺度分解，剖析了起动电压信号的本质，并对其进行除噪和重构。选择代表性Gaussian小波对除噪后的信号进行连续小波变换，利用小波系数绝对值分布灰度图和高阶代频逼近信号来实现故障辨识。     

小波变换及其在图像处理中的应用

小波分析是对傅立叶变换的继承和发展,在数字图像压缩,图像的边缘检测,信号分析,医学影像以及计算机视觉等领域有着广阔的前景,本文首先介绍了小波变换的基本原理,特别是多尺度分析理论,作为应用,分析了基于小波变换的图像消噪技术,并给出实例。     

基于子波分析的信号噪声分离方法研究

信号或图象的子波变换是一种多分辨的分解,可以给出信号在不同尺度下任意位置的信息,上于变换核是支撑的,子波变换可以有效的描述信号的局部特性。本文在分析子波变换的基础上,结合信号中加性声的特点,给出了一种子波变换域的噪声滤波方法,通过对数据的分析处理结果表明,该方法行之有效。     

基于小波变换的信号奇异性检测

作者在该文中中介绍了基于小波变换的信号多分辨率分解,比较了信号和噪声在小波变换下的不同特性,给出了使用小波变换模极大化的信号奇异性检测算法。     

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.     

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．     

连续小波变换与几种具体信号的傅立叶变换的比较

列出门函数、单边指数函数和阶跃函数这三种具体信号的连续小波变换与傅里叶变换的表达式,并通过表达式对连续小波变换与傅里叶变换进行比较．结果表明：傅里叶变换是线性变换,具有统一性和相似性,但不具有局部化性质,不能作局部分析;小波变换也是线性变换,同样具有统一性和相似性,并且是稳定的,还具有时一频同时局部性和自适应性．由此说明了小波变换在分析和处理信号时比傅里叶变换更加灵活、更加全面和深入．     

基于小波变换的结构损伤检测

基于小波变换核心内容之一的多分辨分析,将小波变换应用于结构损伤检测中．实例分析表明,用损伤检测得到的回波信号的小波分解可排除噪声影响,准确地判定被捡构件中损伤的空间位置．     

应用多分辨率小波变换提取脑电信号异常节律

脑电信号是非平稳的随机信号，其中包含了大量的生理和疾病信息，对于医生判断脑都是否有器质性的病变具有重要作用。因此对脑电信号的分析和处理一直是人们努力研究的领域。考虑到小波变换良好的时频局部化特性，利用多分辨率小波变换方法来实现脑电信号异常节律的提取，脑电信号经多分辨率小波变换后所得到的各个尺度的信号不仅反映了信号的频率信息，即尺度越大，对应信号的频率越低，同时也反映了信号的时间信息，即反映此时的EEG状态，实验结果表明，选择合适的小波基，可以有效地提取脑电信号中的异常节律。     

脑-计算机接口系统中诱发脑电信号的小波分析

针对特定思维诱发脑电信号的特点,提出一种确定其分布情况及提取其波形的方法·首先采用离散小波变换对脑电信号进行分解,然后使用小波奇异点检测和小波统计分析相结合的方法进行特征分析,确定特定思维诱发脑电信号处于小波变换的哪个尺度上,并根据分析结果重构出诱发脑电信号·结果表明,这种方法能够有效地消除脑电信号中的常见噪声,尤其适用于对诱发脑电信号的提取·     

基于小波变换的轧辊偏心分析与仿真

为了提高热轧带钢厚度精度,针对以快速傅立叶变换为基础的轧辊偏心识别方法的固有缺陷,利用在小波变换下奇异信号和随机噪声在多尺度空间中的模极大值传递特性的不同,提出一种基于小波变换识别轧辊偏心的新方法,用于分析轧制力信号和厚差信号,并将信号从随机噪声中有效分离出,实现对轧辊偏心的动态补偿·仿真研究表明,小波变换补偿轧辊偏心优于快速傅立叶和其改进算法,可使轧辊偏心引起的厚度波动减少90%·设计基于小波分析的轧辊偏心补偿控制的方法,使补偿控制系统更有效地工作,对外界环境干扰具有很好的适应性和对偏心信号实行动态实时的补偿控制·