基于分数阶小波的频谱感知算法

针对非平稳信号在低信噪比下使用能量感知算法感知效果差的问题,提出了一种基于分数阶小波的频谱感知算法。首先对接收信号进行分数阶小波变换达到能量聚集与去噪处理的目的,之后对重构信号进行能量感知。仿真结果表明,该算法相比于传统的能量感知算法以及基于小波变换的能量感知算法,可以提高在低信噪比下对非平稳信号的感知效果。在感知概率为0.3时,基于分数阶小波的能量感知算法比传统的能量感知算法和基于小波变换的能量感知算法分别提高了6 d B和2 d B的信噪比增益;在虚警概率恒为0.1时,基于分数阶小波变换的频谱感知算法的感知概率为0.867,明显高于传统能量感知算法0.287的感知概率和基于小波变换的频谱感知算法0.628的感知概率。     

一种基于小波包熵的频谱检测算法

为了解决能量检测算法在低信噪比条件下频谱检测性能差的问题,提出了一种基于小波包熵的频谱检测算法.首先采用小波包变换对接收信号进行多层分解,并计算最后一层各节点的重构信号;然后计算各个节点重构信号的小波包熵值;最后选取熵值最小的重构信号作为检测信号进行能量检测.理论分析及仿真结果表明,在低信噪比情况下,该算法可以有效地抑制噪声影响,提高频谱检测性能.     

基于小波包能量谱及SVM算法的轴承故障检测

针对小波分析在故障诊断时的局限性,将小波分析和支持向量机算法相结合,提出基于小波包能量谱及支持向量机算法(SVM)的故障检测方法.该方法以振动信号小波包分解后各子频带的能量作为故障检测特征,利用SVM算法对轴承故障进行检测实验.结果表明:小波包能量谱能有效地反映轴承信号特征,并对故障进行检测.该方法同基于Lipschitz指数熵、单奇异点检测,以及小波包能量谱与神经网络相结合的故障检测方法进行比较,检测率均优于其他三种常用方法.     

一维信号小波压缩的能量动态自适应阈值算法

提出了一种基于小波系数能量的动态自适应阈值算法,用离散小波变换对信号进行多尺度分解,依据小波系数在各层的能量分布以及每层小波系数的能量集中度,获取每层小波系数的压缩阈值。通过这种方法,可保留大部分小波系数能量,并兼顾压缩率性能。经仿真验证,本文阈值算法在多种小波和不同的分解尺度上的压缩性能稳定,与Birge-Massart策略阈值和全局阈值比较,在压缩率和保留能量综合性能评价上优于Birge-Massart策略阈值和全局阈值算法。     

基于小波尺度相关的船舶轴频电场检测方法

为了提高低信噪比下对海水中被衰减的轴频电场信号的检测能力,提出一种基于小波尺度相关的船舶轴频电场检测算法.首先,使用小波变换对信号进行分解,并对噪声能量进行估计;然后,利用小波尺度相关对噪声和信号进行分离,并采用均值滤波降低小波系数平移的干扰;最后,提取最大尺度的相关系数作为特征值,对信号进行滑动检测.通过该算法和小波熵算法对实测数据和仿真数据进行处理和对比分析,结果表明:此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。     

基于小波包分解的整循环征兆提取与故障识别

为了检测内燃机气阀漏气的气密性故障,利用小波包分解改进算法,通过对柴油机完整工作循环内的缸盖振动信号进行小波包分解,从小波包分解系数中提取柴油机振动诊断的整循环征兆.由整循环特征向量图表明,正常状态时柴油机气缸盖振动信号中低频部分能量相对较大,高频部分能量相对较小;漏气状况时振动信号中的低频部分能量减小,而高频部分能量增加,由此实现了故障的识别.这说明基于小波包分解的整循环征兆提取与故障识别方法有效、可行.     

基于小波能量谱和ReliefF算法的雷达辐射源无意调制特征提取

为了获取更加有效的雷达辐射源无意调制特征并进一步降低特征的维度,以提升低信噪比下雷达辐射源个体识别的准确率,从时频分析角度出发提出了一种基于小波变换能量谱和ReliefF算法的无意调制特征提取方法.首先对辐射源信号进行小波变换并获取小波能量谱,然后采用ReliefF算法对小波能量谱值进行权重分析,筛选出区分能力较强的高...     

金属罐形容器罐底声发射信号的检测研究

基于小波包分析和神经网络的声发射信号缺陷检测方法,提出采用区间小波包分解与能量距相结合作为声发射信号的特征向量,取代了传统的“小波包-能量“特征提取方法,并以金属罐形容器罐底缺陷诊断为例验证了该方法的有效性.结果表明,基于区间小波包能量距的神经网络特征提取方法更好地利用了缺陷信号的主要频带和小波包分析的时频信息,与传统方法相比,能大大简化检测系统的复杂度,提高容器的检测识别率.     

一种认知无线电联合检测算法的改进

为了改进在不同信噪比情况下多个认知用户联合检测的性能,在已提出的两个用户基于能量检测的联合检测算法基础上,提出了具有分组思想的多用户基于能量检测的联合检测算法。根据接收信号能量对各组用户的判决门限进行调整,提高各组的联合检测概率,以此提高整体的联合检测概率。通过实验仿真,表明本文所提出的多用户联合检测算法,能够提高联合检测性能。     

城市快速路交通拥挤事件检测与程度辨识

基于小波包变换和二项分布理论,选取占有率作为检测指标,利用小波包变换的时频高分辨率特性,通过对采集信号的分解和重构,以能量方式识别占有率指标的突变和异常状况,进而识别交通拥挤,同时给出了拥挤程度的积分定义和基于二项分布理论的拥挤概率预测模型,以便分析拥挤状态的时间效应,并对某城市快速路进行VISSIM仿真以获取交通流数据。分析结果表明:小波包变换可有效识别结点能量分布的突变区间,据此可有效判别交通拥挤事件的发生;该方法原理简单,数据采集简单易操作,检测响应时间短,可为交通管理及控制提供依据。     

一种基于小波系数方差的语音端点检测方法

首先分析讨论了小波变换的原理,在此基础上提出了一种利用小波系数方差识别含噪语音信号中静音与语音的新算法。算法首先对含噪语音进行小波分解,观察各层小波系数的统计特性,提取它们的方差作为检测特征,从而进行语音端点检测。对该算法进行了仿真实验,并与传统的基于能量与过零率的端点检测算法进行了比较。实验结果表明:该算法在低信噪比条件下也能够有效分割语音。     

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。     

基于数学形态学和小波分解的QRS波群检测算法

为了解决心电图 QRS波群检测的问题 ,研究了一种基于数学形态学及小波分解相结合来检测 QRS波群特征点的算法。数学形态学算法是基于信号局部特征的 ,可以有效地突出信号的峰谷点 ;小波分解对信号做多分辨率分解 ,可以突出信号的特征信息 ,便于 QRS波群检测。实验结果表明 :两种分析方法的结合可以有效地消除基线漂移 ,低频干扰 ,以及大 T波的影响。其 QRS波检出率达到 99.86 % ,从而提高了波形的信噪比     

基于EEMD和改进功率谱熵的船舶轴频电场检测

为了提高强海洋背景噪声中对微弱的船舶轴频电场信号的检测性能,提出了一种基于集合经验模态分解(EEMD)和窄带功率谱能量峰值熵比(EPER)特征的检测算法.首先,利用EEMD方法从含噪信号中分解出一组有效固有模态函数(IMF),并对其功率谱进行子区间划分;其次,定义并计算了各子区间的一种改进功率谱熵特征——EPER;最后,通过分析轴频信号和环境噪声物理特征上的差异,结合K-均值聚类方法进行线谱子区间的提取,继而进行滑动检测.选用实测数据,与小波包熵滤波算法、小波阈值去噪算法、特征频段功率谱算法进行对比,处理结果表明所提算法具有更好的自适应性和检测性能.     

基于WPD-PSO算法的整流电路故障诊断

针对电力电子电路故障类型多、诊断正确率低的问题，提出基于小波包分解和粒子群算法优化概率神经网络的方法。建立三相桥式全控整流电路仿真模型，利用小波包分解技术对故障电压信号进行三层小波包分解与重构，提取特征值，并对数据进行归一化处理；用粒子群算法优化概率神经网络寻找合适的平滑因子，对数据进行训练和诊断；将该方法与未优化的概率神经网络作对比。仿真结果表明，该方法在训练效果和诊断正确率上都要优于未优化的概率神经网络。     

基于MDFT滤波器组的两步检测算法

认知无线电(Cognitive Radio, CR)在解决频谱资源匮乏问题和提高频谱资源利用率方面被寄予厚望。频谱感知的循环特征检测算法复杂度较高,而能量检测算法在信噪比比较低的情况下检测性能不理想,针对这种情况,在改进离散傅里叶变换(MDFT)滤波器组结构的多载波调制系统中,提出一种基于MDFT滤波器组调制的两步检测算法。该算法结合了循环特征检测较强的抗噪声干扰特性以及能量检测算法复杂度低的优势。仿真结果表明：所给出的两步检测算法在较低信噪比时相对于MDFT能量检测、OFDM循环特征检测等其他算法,其检测性能有明显改善,同时较MDFT循环特征检测算法可有效降低算法复杂度。     

基于EVD变换的鲁棒音频水印算法

常见的数字信号处理往往会改变音频信号的高频分量并引入随机噪声,并且易造成数字水印信息的位置改变. 提出了一种新的数字音频水印算法. 在该算法中, 原始音频被分为两部分: ① 运用量化索引调制来嵌入伪随机序列生成的二值同步码; ② 利用特征值分解(eigenvalue decomposition, EVD)方法先对离散小波变换(discrete wavelet transform, DWT)低频系数进行变换, 然后在生成的对角阵中用量化索引调制嵌入水印信息. 实验结果表明, 在确保不可感知性和较强鲁棒性的前提下, 可大幅度提高水印嵌入容量, 达到172 bit/s.     

基于改进离散傅里叶变换滤波器组的两步检测算法

认知无线电(cognitive radio,CR)在解决频谱资源匮乏问题和提高频谱资源利用率方面被寄予厚望。频谱感知的循环特征检测算法复杂度较高,而能量检测算法在信噪比比较低的情况下检测性能不理想;针对这种情况,在改进离散傅里叶变换(MDFT)滤波器组结构的多载波调制系统中,提出一种基于MDFT滤波器组调制的两步检测算法。该算法结合了循环特征检测较强的抗噪声干扰特性,以及能量检测算法复杂度低的优势。仿真结果表明:所给出的两步检测算法在较低信噪比时相对于MDFT能量检测、OFDM循环特征检测等其他算法,其检测性能有明显改善;同时MDFT循环特征检测算法可有效降低算法复杂度。     

基于能量和鉴别信息的语音端点检测算法

为提高实时通信中语音端点检测系统的性能,提出了一种基于能量和鉴别信息的端点检测算法。该算法利用帧信号的能量、子带信号的能量等参数,计算该帧信号与噪声帧基于子带能量分布概率的鉴别信息。算法通过利用鉴别信息,能够在包括语音帧在内的所有帧中更新噪声的能量,从而更准确地跟踪噪声能量的变化。实验结果表明:与基于能量的端点检测算法相比,该方法在信噪比变化比较剧烈的情况下仍然能够较准确地进行端点检测,在0~10 dB范围内变化的坦克噪声环境中,准确率比后者提高约24%。