基于动态规划提取信号小波脊和瞬时频率

提出一种基于动态规划提取信号小波脊和瞬时频率的方法,其基本思路是：对信号进行连续复Morlet小波变换,由变换得到的小波系数的局部模极大值初步提取其小波脊;为降低噪音影响,在初步提取的各小波脊附近选取部分小波系数,通过施加罚函数平滑噪音干扰引起的小波脊变化的不连续性,将小波脊的提取问题转变为最优化问题,采用动态规划方法计算得到新的小波脊;根据小波尺度与频率的关系由提取的小波脊识别出信号的瞬时频率。将提出的方法运用于含噪调频信号进行数值模拟分析和实测索冲击响应信号分析。研究结果表明,基于连续小波变化的模极大值可以有效提取信号小波脊和瞬时频率;采用施加罚函数的方法可有效降低噪音的影响;基于动态规划的方法可有效提高计算效率。     

基于小波变换的高分辨率地震信号瞬时参数

小波变换在时域以及频域具有良好的局域化特征,可用来实现对地震信号瞬时振幅、相位、频率等瞬时参数的提取。由于小波变换具有去噪的功能和分频处理的特点,在小波域提取的瞬时特征具有很好的抗噪性和可靠性。本文对小波变换提取地震信号瞬时参数的方法进行改进,通过对地震信号求导来增加其主频,对求导后的地震信号进行小波变换,从而得到高分辨率地震信号的瞬时参数。     

基于小波变换的高分辨率地震信号瞬时参数提取方法

小波变换在时域以及频域具有良好的局域化特征,可用来实现对地震信号瞬时振幅、相位、频率等瞬时参数的提取.由于小波变换具有去噪的功能和分频处理的特点,在小波域提取的瞬时特征具有很好的抗噪性和可靠性.对小波变换提取地震信号瞬时参数的方法进行改进,通过对地震信号求导来增加其主频,对求导后的地震信号进行小波变换,从而得到高分辨率地震信号的瞬时参数.     

独立分量分析联合小波变换的多分量信号调制识别研究

对复杂电磁环境下多分量信号进行调制识别,可通过准确估计接收信号的瞬时频率来分析其脉内细微特征。本文联合独立分量分析和小波变换技术,对多分量辐射源信号进行了盲源分离和调制识别的研究。在无先验信息条件下,采用Fast ICA对混叠信号分离,将时频混叠信号分解成一系列独立分量。对分离后的单分量信号分别做小波变换处理,由小波系数的局部模极大值提取其小波脊线。针对不同调制类型雷达信号,用最小二乘法对时频小波脊线进行直线拟合,获取特征参数,通过计算特征值判决出信号的调制类型。通过仿真实验表明,该方法可以分离混叠信号并有效提取信号小波脊和瞬时频率,进而识别出信号的调制类型,并在低信噪比情况下仍有较高的识别概率。     

基于小波脊的超声信号处理

根据超声信号通常是单频载波脉冲信号,具有渐近信号的特性,提出了一种基于小波脊的超声信号处理算法．首先利用渐近小波变换提取超声信号的小波脊,计算小波脊的移动熵,然后通过移动熵实现缺陷信号与噪声的分离和缺陷定位,最后利用小波反变换重构出缺陷信号．该算法充分利用了超声信号的时域、频域和相位信息,不仅消噪性能好,而且缺陷定位准确     

微弱信号提取中的小波方法研究

针对于实际应用中的小信号特别是完全被噪声淹没情况下的微弱信号提取的问题，本文依据白噪声信号的小波变换系数相对比有用信号的小波系数小的特点，利用小波变换对信号进行消噪来提取微弱信号，仿真结果表明：小波变换能够有效的消除噪声，将有用微弱信号从受噪声污染的信号中提取出来。     

基于小波变换的语音信号的特征提取

本文将小波变换用于语音信号目标特征的提取,利用小波变换对语音目标进行小波包分解后提取各频带内的能量特征作为特征向量。实验表明,小波变换使信号的频率特征得到增强,且压缩了特征空间的维数,具有很好的语音信号分类效果。     

基于小波变换的调制自动识别新方法研究

在小波分析的理论基础上,提出使用高斯(Gaussian)小波进行连续小波变换,进而提取信号的小波变换后的幅度,获取其瞬时特征,达到识别MPSK(M-ary Phase Shift Keying)与MFSK(Multi-Frequency Shift Keying)信号的目的,从而在不需要先验知识的情况下识别接收信号的调制方式的目的.验证该方法较现有文献利用Haar小波变换识别信号方法具有更好的性能,而且克服了现有文献采用Haar小波变换识别调制信号的漏检问题,提高了运算速度和性能,并有效增加了小波变换识别调制信号方法的适用性.通过理论分析和计算机仿真证实了新方法的有效性和优越性.     

一种新的小波基函数及其在雷达信号特征提取中的应用

为进一步准确估计雷达信号的瞬时频率，在现有Morlet小波基函数的基础上，提出了一种新的Morlet小波基函数（New-Morlet）用于小波脊线的提取。通过深入分析小波脊线原理以及正确提取小波脊线对小波基函数的要求，利用Morlet小波基函数提取雷达辐射源信号的小波脊线特征，从而可以估计出辐射源信号的瞬时频率。将New-Morlet小波与现有的Morlet小波进行对比得出New-Morlet小波具有更好的时-频综合特性。同时，分析了利用小波脊线原理估计信号瞬时频率的迭代算法。仿真结果表明：基于New-Morlet小波基函数的特征提取性能优于现有的Morlet小波基函数，且具有良好的抗噪性能，其方法是有效的。     

小波变换用于提取MLAEP信号

中潜伏期听觉诱发电位（MLAEP）与麻醉深度紧密相关,本文利用小波变换实现提取MLAEP信号。本文首先研究了小波变换与信号奇异性的关系,再根据小波变换模极大值的变化特性来检测信号的局部奇异性,利用信号和噪声不同的尺度特性实现去噪。仿真结果表明此方法对MLAEP的提取具有较好效果。     

小波域内瞬时频率提取方法研究

根据振动信号本身的特征,由小波系数模极大值与小波函数的关系,提出了一种在小波域内提取瞬时频率的方法,这种方法比较适合于频率随时间变化的振动信号,把方法用于由碰摩转子模型生成的振动信号,可得到一条锯齿状的瞬时频率曲线,而用短时Fourier变换对该信号,是不能检测出这样的特征,这证明了该方法在瞬时的提取中是很有效的,对实测碰摩信号获得的瞬时频率也显示了这种方法的有效性,在故障诊断和特征提取中有广阔的应用前景。     

线调频小波变换及其应用

线调频小波变换是一种新的线性时频分析方法.在介绍线调频小波变换的基础上,比较了短时傅里叶变换、连续小波变换、线调频小波变换在瞬时频率计算方面的优缺点.最后给出了在石油勘探开发中利用线调频小波变换对沉积旋回信号进行分析的一些初步应用.     

无线电监测中调制信号特征提取算法

针对传统调制信号特征提取算法在噪声环境下存在识别准确度低、分类效果差等问题,基于已有的调制 信号处理方法,提出一种新的无线电监测中调制信号特征提取算法。首先构建无线电监测中各类调制信号的 数学模型,以此为基础通过仿真得到信号瞬时幅值、瞬时相位及瞬时频率的特征。分析当前信号调制方式识别 各类算法的优缺点,采用小波变换完成调制信号的降噪处理与突变边界特征提取算法的设计,利用零中心归一 化瞬时幅度的谱密度最大特征提取算法以及核判别分析算法对各类调制信号进行逐层提取,实现了各类调制 信号的完整分类与提取,提升了噪声环境影响下的特征信号提取精度、且分类效果较好,为无线电监测中调制 信号特征提取提供了有利科学依据。     

基于小波变换的雷达信号特征提取方法

基于小波变换,提出了一种提取雷达信号特征的方法。通过对雷达信号进行小波分解,设置门限,将小波变换系数转换为二进制,然后将二进制小波系数再转换为十进制,这样就得到了雷达信号的特征。通过目标识别实验,证明本文提出的方法是有效的。     

基于平稳脊波变换的图像降噪

有限脊波变换在Radon变换域中用正交小波处理点奇异,而正交小波变换不存在冗余性,因此在应用有限脊波变换进行图像降噪时会产生Gibbs现象。为了解决Gibbs条纹干扰问题,本文在有限脊波变换的基础上提出一种新的基于平稳脊波变换的图像降噪方法,其关键是引入一维平稳小波变换来代替正交小波变换对Radon系数矩阵进行处理。实验结果表明,与基于有限脊波变换的图像降噪方法相比,本文提出的算法具有更优的降噪性能,可使图像降噪后保持更好的边缘特征和视觉效果,振铃效应得到改善。     

一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数模不同的变化特征,提出了一种边缘检测方法,该方法通过对图像的小波变换域中由噪声引起的小波变换系数模进行处理,再利用小波变换系数模局部极大值来提取图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提取出图像的边缘。     

小波变换在地震瞬时属性提取中的应用

本文介绍了运用小波变换求取地震信号瞬时属性的基本原理。分析了适合做小波变换的信号特征,讨论了小波变换与希尔伯特变换在求取地震瞬时属性的联系与区别。然后,分别给出了小波变换和希尔伯特变换在实际地震资料中提取瞬时属性计算结果,并进行了比较分析。通过理论分析和实际资料的应用表明,应用小波变换求取地震信号瞬时属性能取得较理想的效果。     

基于小波脊的超声信号处理

根据超声信号通常是单频载波脉冲信号,具有渐近信号的特性,提出了一种基于小波脊的超声信号处理算法．首先利用渐近小波变换提取超声信号的小波脊,计算小波脊的移动熵,然后通过移动熵实现缺陷信号与噪声的分离和缺陷定位,最后利用小波反变换重构出缺陷信号．该算法充分利用了超声信号的时域、频域和相位信息,不仅消噪性能好,而且缺陷定位准确．     

小波变换时频特性的信号识别

研究了小波变换时频特性的信号识别及其在复合材料损伤检测中的应用．根据小波变换的框架重构理论及时频相空间理论,提取信号的时频域特征,通过比较原信号的时频空间和小波变换相空间的相同部分,得到能反映同样时频特征的小波级数展开项和的个数,并用误差函数的最小化提取能反映时频性质的小波系数．以此作为小波神经网络的学习参数,经过学习后,使之能对信号进行识别．应用此方法对复合材料试验过程中的复杂曲线进行了实验识别,效果很好．从小波时频特性提取的信号特征,在时间和频率方面都能体现原信号所包括的本质信息,供助Ｂ样条小波神经网络的识别结果,达到了预期目的．     

小波变换在通信信号调制识别中的应用

空间传播的通信信号采用了不同的调制方式。在许多应用中,需要监视通信信号的活动情况,区分信号的性质,甚至截获其传输的信息内容。调制方式是区分不同性质通信信号的一个重要特征,而要截获通信信号的信息内容,就必须知道信号的调制方式和调制参数。给定一段接收的通信信号,调制识别的目的就是在未知调制信息内容的前提下判断出通信信号的调制方式,并估计出相应的调制参数。随着通信信号体制及调制样式的多样化和复杂化,信号环境越来越密集,识别难度越来越大。小波变换具有良好的时间,频率局域化特征和多分辨率分析的特性,所以小波变换是一种能有效地从不同调制类型的信号中提取瞬时特征的技术,而且不需要已调信号任何的先验知识。不同类型信号的小波变换系数的明显不同非常适合对调制信号的调制类型进行识别。本文在学习MFSK调制信号的基本特征的基础上,分析研究了三种类型的小波变换。