小波分析及其在弱信号处理中的应用

应用离散小波分析进行数字弱信号分析及特征提取。离散小波分析具有时一频分析特性，能将信号的细微变化反映出来。对实时获取的数字弱信号作离散小波变换分析的结果表明；离散小波分析可明显提高数字信号的信噪比，十分利于从噪声中提取微弱信号。     

小波分析及其在弱信号处理中的应用

应用离散小波分析进行数字弱信号分析及特征提取.离散小波分析具有时—频分析特性,能将信号的细微变化反映出来.对实时获取的数字弱信号作离散小波变换分析的结果表明;离散小波分析可明显提高数字信号的信噪比,十分利于从噪声中提取微弱信号.     

一种基于离散傅里叶变换的小波变换的快速算法

小波理论中的多分辨率分析和Mallat算法近年来已在数字信号处理中得到了广泛的应用．但如果直接按照上述算法计算信号的小波分解和重构,其计算量将是很大的．通过对离散傅里叶变换及Mallat算法原理的分析,针对离散小波变换算法结构特征,对其结构进行了重组,在此基础上利用快速傅里叶变换,提出了一种快速离散小波变换算法,并从理论上进行了分析和论证;与直接算法相比,可有效降低运算量．     

小波变换技术概述

小波变换具有良好的时频局部化特性,通过小波变换可以将一个时域信号进行多分辨分解,因此小波变换技术就常被应用到数字水印中来。文章对小波变换理论及其相关知识进行了研究,论述了离散小波变换、多分辨率分析等理论。     

基于小波分析的齿轮箱故障诊断

对测取的齿轮箱振动信号进行了离散小波变换，提取了齿轮箱螺栓拉断的故障信息。结果表明，小波变换或小波分析为判断、预防同类事故提供了一种有效的分析手段。     

离散小波变换在电力系统故障检测中的应用

传统的傅立叶分析难以处理电力系统故障时产生的暂态信号.小波变换具有良好的时频局部化特性,为分析非平稳、突变信号提供了有效的途径.通过多尺度分析,将连续小波变换离散化,得到适合数字信号处理的快速算法——离散小波变换.最后给出了应用离散小波变换进行输电线路故障测距的实例,通过仿真分析证明该方法可以极大地提高测距精度.     

一种离散小波变换的快速分解和重构算法

通过对实序列的快速傅里叶变换算法的推导及Mallat算法原理的分析，根据离散小波变换（DWT）算法结构特征，提出了一种离散小波变换的快速分解和重构算法；给出了相应的算法步骤，从数学理论上对该算法进行了论证。结果表明与原有的快速小波算法（Mallat算法）相比，可显著减少信号与滤波器长度N较大（大于16）时小波变换的实乘次数（分解仅为（5log2N 7)N次，重构仅为4N（1 log2N)次）提高了运算速度，且该算法有着良好的并行性，易于数字信号处理器（DSP）的快速实现。     

基于离散小波变换与小波包分解的语音增强算法

提出了一种基于离散小波变换（DWT）和小波包分解（WPD）的语音增强算法.该算法首先将带噪语音进行离散小波变换,并分别对离散逼近信号和离散细节信号采用不同的基小波进行小波包分解,再按照不同的规则选取阈值进行去噪,最后对去噪后的语音信号完成重构.计算机仿真表明,在计算量相当的情况下,该算法优于离散小波变换法去噪和小波包分解法去噪.     

离散小波变换的探讨

在Ｍａｌｌａｔ的基础上，讨论了从连续小波变换到离散小波变换的过程，得出离散过程要受诸多因素的限制，其中信号ｆ（ｔ）的离散同样必须满足Ｎｙｑｕｉｓｔ抽样定理。     

小波变换数字算法及其在高压输电线保护中的应用

从电力系统继电保护应用的角度，结合香农采样定理，深入探讨了连续信号和离散信号的小波变换的关系，给出了离散信号的积分小波变换和离散小波变换的数字计算方法。从理论上研究了信号小波变换的误差与尺度函数和小波函数的关系。结果表明：小波变换的误差来源一是信号在尺度空间的投影与抽样空间的投影转换，二是小波以及尺度函数的选择。小波的时频定位特性越好，即时间频率窗的面积越小，计算误差越小。阐述了小波分析在电力系统高压输电线路的行波保护以及单端暂态量保护中的应用。     

离散小波变换（DWT）在语音处理中的应用

针对语音处理问题对离散小波变换及其性质进行了研究，给出了作为语音处理的小波函数及时间因子（ａ，ｂ）必须满足的条件，利用离散小波变换对语音信号的基音提取、频谱分析和清／浊音分割进行了分析，结果表明，小波变换能准确地提取基音和清／浊音分割，并具有较好的稳健性。     

基于离散小波变换的超宽带信号检测

在超宽带通信系统中,满足FCC频谱功率限制的信号的功率谱密度极低,类似白噪声,这对非合作侦收方而言,加大了其对信号的检测难度.针对这一问题,本文提出一种基于离散小波变换的检测方法.首先对仿真出来的OFDM-UWB信号在噪声干扰条件下进行小波变换与傅里叶变换,然后在不同的信噪比条件下对信号的两种变换进行对比仿真.仿真结果...     

基于小波变换自适应滤波方法的ECG信号消噪

为了减少在用小波变换方法进行心电信号消噪时所产生的心电信息损失,本文在对心电信号进行离散正交小波变换的基础上,进行自适应滤波处理,即以具有最大QRS波能量的尺度上的高频细节信号作为自适应滤波器的参考输入,以噪声干扰对应的分解尺度上的“细节”分量及最大分解尺度上的近似分量所重构的信号作为原始输入.实验证明这种改进的滤波方法可以在有效抑制心电信号中噪声干扰的同时,较好保持心电信号的波形特征及有用的心电信息,达到较好的滤波效果.     

胸阻抗信号中的呼吸波的去除

胸阻抗 (TEB)的测量无论是对心血管功能的研究还是对临床诊断都有很重要的意义。然而 TEB信号总是被淹没在很强的呼吸干扰信号中。传统的信号处理方法 ,如数字滤波器 ,信号平均 ,自适应处理等对去除呼吸成分都有一定的局限。对于单通道测量系统 ,论文使用了小波去噪的方法。对于多通道系统 ,使用了独立分量分析的方法 ,分析的结果显示 ,对于单通道系统 ,基于离散小波变换的方法是一种快速的、有效的、容易实现的方法。对于多通道系统 ,基于独立分量分析的方法可以不失真地将阻抗波提取出来。基于独立分量分析的方法基本上解决了去除 TEB中的呼吸干扰的问题。     

基于平移不变离散小波的多普勒血流信号杂波抑制

针对由血管壁和慢速运动组织产生的杂波会严重影响超声多普勒低速血流成分频谱估计的准确性问题，根据超声多普勒血流信号及杂波的特征，提出基于平移不变离散小波变换的抑制杂波方法，分别对仿真和实际超声颈动脉血流信号进行实验，并与高通滤波和离散小波变换方法进行比较，结果表明：经过平移不变离散小波变换方法抑制杂波后，信号的声谱图质量及性能指标均有明显改善，其中低速血流相对误差仅为4．86％，与高通滤波方法的相对误差10．28％和离散小波方法的相对误差7．26％相比，相对误差分别减小了5．42％和2．4％，低速血流成分频谱估计的准确性得到了提高。     

基于混沌理论和小波变换的微弱周期信号检测方法

根据小波变换具有多分辨率,混沌系统对噪声的强免疫力和对周期微弱信号的敏感性等特性,通过对小波阈值去噪方法和混沌Duffing振子方程的改进,提出小波阈值去噪和混沌系统相结合的微弱周期信号检测新方法.该方法利用小波变换的平滑作用对包含噪声的信号进行有限离散处理,并根据小波分解尺度确定阈值去噪深度,然后把重构的信号作为周期策动力的摄动并入混沌系统,采用混沌振子阵列实现在噪声背景下微弱信号的检测,并采用梅尔尼科夫方法作为混沌判据.该检测方法克服了以往小波分解对尺度确定的盲目性和阈值选择的不合理性以及对混沌临界状态与周期态区别的模糊性:同时能检测多种频率的信号.仿真测试表明:该方法直观、高效,检测精度高,检测的最低信噪比达到-100dB,频率误差为0.04％左右,改善了湮没在强噪声下的微弱信号检测技术.     

微弱振动信号的谐波小波频域提取

为解决设备故障检测和故障预报中某些微弱振动信号难以提取出来的问题,在介绍谐波小波变换的优良特性及其基本原理的基础上,给出了谐波小波变换的实现技术.在不减少信息点数的情况下,用谐波小波变换成功地对微弱振动信号实现了频域提取与时域重构,并且实现了强噪声下微弱周期振动信号的频域提取.通过算例和工程实例,说明谐波小波方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波方法和傅里叶分析方法,且在混有强噪声的信号提取中消除了二进小波包仍然存在的噪声泄漏,同时也显示了谐波小波变换的频域保相特性.     

基于RBF神经网络的混沌背景下瞬态弱信号检测

针对海杂波背景下瞬态弱信号检测的问题,采用海杂波混沌模型,基于神经网络重构混沌序列相空间,提出了基于RBF神经网络预测混沌时间序列和瞬态弱信号检测方案。理论分析和仿真结果表明这种方法能够有效实现混沌背景噪声中瞬态弱信号的检测。     

过套管电阻率测井微弱信号检测时域方法

过套管电阻率测井是一项重要的测井技术,该项目的一个难点为微弱信号的检测.采用了一种微弱正弦信号检测时域处理方法,并详细阐述了时域法微弱信号检测的测量原理,同时给出了过套管电阻率测井微弱信号检测的仿真试验结果.研究结果表明:在该领域,用时域方法处理信号在最低信噪比工作门限达到-20dB时,可以达到很高的检测精度.     

随机共振技术检测弱信号的两种方法的比较研究

详细介绍利用随机共振技术检测微弱周期信号的原理,采用增加噪声强度及调节系统参数2种方法提取周期弱信号,相应的给出了数值模拟仿真实验,由此得出2种方法具有协调统一性．