一种基于小波模极大值的信号去噪算法

研究了小波变换中噪声和信号的次要的模量极大值曲线对定位信号特征点造成干扰的问题,提出一种基于小波模阈值和模极大值曲线长度阈值的去噪算法,并把该算法与传统小波阈值去噪算法进行了对比。仿真结果表明,该算法可以明显地去掉噪声和信号中次要的模极大值曲线,保留信号主要的模极大值曲线,在定位信号特征点上优于小波阈值去噪算法。     

基于小波变换奇异信号检测的研究

奇异信号中的奇异点及不规则的突变部分经常携带有比较重要的信息 ,它是信号重要的特征之一。用李氏指数 (Lipschitz)来描述信号的局部奇异性。证明了小波变换确实能用来检测信号的局部奇异性。而利用小波变换模的局部极大值和信号奇异点之间的关系 ,同样可以对信号的局部奇异性进行分析 ,而且运算量较小。证明了小波变换模极大值能够检测信号奇异性 ;分析了奇异信号检测时小波基的选择的条件。最后给出实例分析的结论 :为了有效地检测奇异信号的各种奇异性特征 ,小波基消失矩必须具有足够的阶数     

基于小波窗口的模极大值去噪算法

在相关去噪和模极大值去噪的基础上,提出了一种基于小波窗口相关的模极大值去噪算法.即先用小波窗口相关法时最大尺度的小波系数进行预处理,再用模极大值法去除各层系数的噪声.该算法不仅克服了通常相关去噪算法中小渡系数对偏移敏感的缺点,避免了阙值选择受噪声影响的问题,同时,它也解决了模极大值算法中由于小尺度上噪声影响较大而造成的对信号小波系数定位不准的问题,减少了模极大值法的累积误差.仿真实验验证了新方法的有效性,特别是信噪比较低时,该方法的效果尤为显著.     

小波域模极大值的激光信号滤波方法研究

针对用传统滤波方法滤除激光陀螺随机噪声性能低的缺点,提出了一种基于波域的模极大值滤波方法。该算法利用小波变换模极大值滤波方法对激光陀螺零漂数据进行处理,获取模极大值点,通过交替投影算法重构信号,并采用Allan方差法对波效果进行定量分析。通过实验验证了该方法滤波效果优于基于时间序列模型的卡尔曼滤波方法,能有效减小随机误差,提高测量精度。     

一种改进的小波去噪中模极大值处理的方法

基于多尺度分析，引入Mallat提出的补偿因子削减非连续二进尺度对小波系数造成的影响：利用信号和噪声奇异指数不同的特点判断噪声模极大值，并对其所在选通域进行直线平滑处理：把阈值去噪和Witkin的尺度跟踪理论结合，有效恢复了1尺度细节系数。仿真实验结果表明，这种改进后的方法能保护信号的原有信息，有着更好的去噪效果且计算量较小。     

基于双尺度连续小波变换的二相编码信号识别

针对信号和噪声小波变换的模极大值在不同尺度上表现出截然不同的性质,提出一种利用粗细定位相结合的思想对二相编码信号奇异点实现精确定位的方法。该方法采用大尺度上的模极值点进行粗略定位奇异点出现的范围,并据此去除小尺度上的伪极值点,用小尺度上的模极值点精确定位奇异点出现的时刻。实验仿真比较了几种不同小波基函数下的算法性能,结果表明,该方法在采用db3小波基下对二相编码信号突变点的识别具有很好的效果。     

一种基于子波变换模极大值的信号重建方法

本文首先介绍了子波变换的局部时频分析法。基于子波变换系数模极大值同信号奇异性之间的关系，给出了一种利用该极大值信息的信号重建方法。由模拟结果可以看出，这种重建方法的精度在－３５ｄＢ以上。     

基于重排小波-Radon变换的LFM雷达信号参数估计

小波变换是一种兼顾时频分辨率的线性变换,对多分量情况不会引入交叉项。针对此问题,提出基于重排小波-Radon变换的多分量线性调频信号的参数估计法。该方法先将小波尺度图转为时频分布图,为提高聚集性引入了时频重排,再将重排图进行Radon变换以进行参数估计。对单分量和双分量的情况进行了仿真,结果表明,该方法有效提高了时频分布图的聚集性,大大节省了后续Radon变换的时间,同时也抑制了噪声干扰,辨识效果明显提高。     

提升类小波变换加速的模基参数估计算法

将提升类小波变换(lifting wavelet-like transform, LWLT)应用于矩量法（method of moment, MOM）快速求解电场积分方程（electric field integral equation, EFIE）,对生成的稀疏化线性系统采用模基参数估计（model based parameter estimation, MBPE）算法求解,可获得小波域的宽带解,结合小波逆变换,最终实现目标电磁散射特性的宽频分析。通过不同三维散射体的计算分析,验证了算法的正确性。与传统模基参数估计算法相比,所提算法在计算时间和内存耗费上均有很大改善。     

基于非线性多小波变换的信号去噪方法

介绍了一种基于非线性多小波变换的信号去噪方法。通常子波域去噪中使用的Donoho软阈值法是很有效的，但是，由于忽略了边缘检测，导致在重构信号时丢失了部分的边缘信息，着眼于上述不足，在非线性多小波变换的基础上，提出了一种边缘检测与软阈值去噪相结合的去噪算法，实验证明此算法对提高重构信号的信噪比是非常有效的。     

基于小波变换和凸集投影的数据恢复和建模算法

在过程控制中,当参数仅能以低采样率获得时,数据恢复就在建模中显得非常重要.本文提出了基于小波变换和凸集投影的数据恢复和建模算法.待恢复数据的先验知识采用凸集表达,并利用向凸集迭代投影(POCSProjection onto Convex     

基于小波变换的融合算法研究

目前许多关于图像融合算法的研究都在空域中进行,隐藏图像抗攻击的能力较差。采用了基于小波变换的图像融合技术,提出了基于小波变换的分块融合算法,使图像的鲁棒性得到很大的提高,尤其是抗JPEG压缩和抗噪声干扰的能力较强,算法可应用于数字图像的版权保护和信息隐藏领域。     

基于小波变换的子带自适应滤波算法及仿真

因为噪声总是影响信号检测的结果,所以低信噪比下的信号检测是目前检测领域的热点,而强噪声背景下微弱信号的提取又是信号检测的难点。自适应滤波器为检测信号提供了一种简单、实用的方法。可以在微弱信号的条件下,通过测量和学习,实现对微弱信号的最佳拟合。提出基于自适应小波变换的心电信号的检测,利用小波变换的子带编码理论,通过在多个子带权值的自适应匹配,合成后拟合微弱信号。仿真结果表明,该方法可进一步改善信号的检测能力,在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

基于Hermite插值的无陀螺惯导姿态解算方法

为了提高无陀螺捷联惯导(GFINS)的姿态矩阵解算精度,提出了一种新的姿态矩阵的解算方法.通常GFTNS姿态解算仅需依靠角速度信息,同时利用角速度和角加速度信息进行姿态求解,采用三阶艾尔米特插值方法进行离散角速度插值重构,利用重构后的角速度信息进行姿态矩阵求解.分析了新算法的基本步骤,并进行了典型圆锥运动仿真实验.结果表明,在仿真时间为5s,采样步长为0.00ls时,采用新方法求解姿态矩阵的精度提高45%以上.     

融合小波分析与矩特征的图像识别算法及应用

生物特征识别方法正逐渐成为近年来的研究热点,而人耳图像的识别更是其中一个新兴的研究方向.研究了小波变换模极大值、小波不变矩的原理及特点,提出了基于小波模极大值与改进小波矩不变量的特征提取方法,并将其应用于人耳图像的自动识别.识别过程中先对采集到的人耳图像进行小波模极大值去噪处理与边缘提取,再对处理后的图像求小波矩不变量,将其作为人耳识别特征量.通过这种方法提取的特征量不仅可以解决光照不均、光照变化、噪声干扰的问题,而且还有平移、旋转缩放不变性.将本文得到的特征量使用误差处理方法进行加权并利用BP神经网络方法进行分类,实验结果表明,这些特征量适合于人耳图像的分类,其识别率达到了97%以上.     

基于复数小波变换的景像匹配算法

讨论了一种基于复数小波变换的景像匹配算法 ,并以此算法为基础给出了一个高效的景像匹配模型。依据生物视觉的空间频域通路思想 ,利用复数小波移动不变性 (shiftinvariance)和实数离散小波快速算法 (Mallat快速算法 )将图像分解成多层 ,模拟生物视觉的感知过程 ,分别在高、低空间频域内进行了由粗到精的快速匹配。通过实验证明 ,与传统的景像匹配算法相比具有速度快、匹配概率高、抗干扰能力强等优点。     

基于DTW方法及Hermite插值的运动序列长度归一化

运动捕获设备采集的数据冗余量大,缺乏结构化信息,编辑重用难度大,需用运动编辑方法处理.运动融合作为运动编辑的关键子问题之一,首要步骤就是运动序列长度归一化.提出一种基于动态时可规整方法(Dynamic Time Warping,DTW)及Hermite插值的运动序列长度归一化的方法,首先基于改进的DTW算法将运动序列进行姿态对齐,找到运动序列的一组对齐帧;其次按照长度的需要对运动序列对齐帧进行位移插值和角度插值,对根位移进行Hermite插值,对关节旋转角度采取四元数球面插值;最后,实验结果验证了该方法可以生成新的平滑的角色动画,提高了数据重用性,以此实现了运动捕捉数据处理效率的提高.