基于信号奇异性分析的小目标检测方法

提出了一种新的基于信号奇异性分析的小目标检测方法,该方法将图像中的小目标看作是图像信号中的奇异点(突变点),利用小波变换模极大值点同信号奇异点之间的对应关系,结合信号奇异性与模极大值在多尺度上的变化规律,实现噪声抑制和信号增强,然后通过区域分析,检测图像小波变换模极大值,进而实现小目标检测。实验结果证明该方法是行之有效的。     

小波分析在信号奇异性检测中的应用

研究了信号的奇异性检测问题。给出小波变换和信号奇异性的关系,实现小波分析对信号各类奇异间断点的有效检测,利用小波分析构造故障诊断所需的特征因子（或直接提取对诊断有用的信息）,从而将该方法推广到各类冲击响应信号的奇异性检测中。最后给出一个实例进行验证。     

奇异信号消噪中小波消失矩的选取

信号小波变换模的局部极大值和信号奇异性之间存在对应关系，利用信号和噪声小波变换模极大值在不同尺度上表现出的截然不同的性质，可以对奇异信号进行消噪。本文讨论了小波消失矩的阶数与信号Lipschitz指数间的关系，分析了消失矩对奇异信号检测的影响。实验结果表明，为了有效地检测奇异信号的各种奇异性特征，需要根据信号奇异性选择具有不同消失矩的小波。     

基于小波二维重建的强噪声光栅信号奇异点检测

机械传动轴扭矩信号的奇异点携带重要信息,准确而有效地检测出信号的奇异点,对于故障分析和保障系统安全具有重要意义.实际采集的光栅传感信号含有很强的噪声,干扰了奇异点的检测.传统的小波频域或其他滤波方法,会同时光滑信号奇异点.根据信号和噪声在小波变换下的不同特性,提出了一种将小波滤波与奇异值检测相结合的方法,通过将噪声频段的分解系数置0,实现信号的小波时-频二维滤波重建,它能在滤去噪声的同时很好地保持信号的奇异信息,适合强噪声下的信号奇异性检测与分析.实验中对含噪声光栅信号进行了对比处理,结果表明,该方法能在强噪声干扰下有效地检测到信号的奇异点.     

小波分析在信号奇异性检测中的应用

小波变换突破了传统傅里叶变换等信号处理方法的限制,在时域和频域上可同时对信号实现局部化处理,因而在检测信号奇异性等方面具有广泛的应用价值.现介绍了小波变换的基本理论以及在检测信号奇异性中的作用.并在Matlab下进行了两种奇异信号仿真试验,取得了一定的效果.实验结果表明,小波变换在奇异信号的检测中是有效的.     

基于小波的信号Lipschitz指数分析和应用

奇异信号往往带有一些重要信息,一般用Lipschitz指数来描述信号的奇异性。在Mallat等人的基础上讨论了奇异信号Lipschitz指数定义和相关理论基础,同时研究了小波变换与信号奇异性关系和Lipschitz指数的计算。利用信号和噪声奇异指数不同的特点应用于去噪声,文中提出了一种对噪声模极大值对应点周围的小波系数进行非线性压缩后重构信号新方法,仿真实验结果表明,这种方法有着较好的去噪效果。     

基于小波变换的瞬态压应力信号分析

黄土振动压实的压应力信号是一个含噪的非平稳瞬态突变信号.为了分析信号的联合时频特性,提出基于小波变换去噪和奇异值检测的信号分析方法.利用多分辨小波分解,选择性的提取有用频段信号并抑制某些高频段噪声,可以有效实现信噪分离.利用小波变换奇异值分析方法,通过检测小波高频系数时序信号的2种模极大值,可以获得压应力开始出现时刻、抵达峰值时刻点,从而可计算出压应力从出现到抵达峰值的历经时间,这对于进一步研究压应力在土体中的分布和传播规律具有重要意义.     

基于奇异性的小波消噪技术

在论述了小波分析、信号奇异性与小波变换模极大值性质关系的基础上，本文给出了一种基于小波变换模极大值的信号去噪算法。仿真结果表明了该算法的有效性，既能有效的消除噪声，又能较好地保留了原始信号的突变信息。     

频率编码信号去噪的一种新方法

对频率编码信号直接进行小波去噪难以达到提高信噪比的目的,为了有效提高频率编码信号的信噪比,提出一种新的去噪方法。对接收到的频率编码信号,首先进行奇异点的检测,根据奇异点的位置将频率编码信号划分为不同的单载频信号,然后利用小波去噪方法对单载频信号进行逐个处理,最后将去噪后的多个单载频信号按编码规律进行组合,进而达到有效去噪的目的。仿真验证了新方法有效可行。     

自适应小波阈值去噪方法

针对未知含噪信号的小波去噪理论,提出了一种新的阈值方程,并基于斯坦恩无偏估计(SURE)优化算法和阈值方程寻找最优门限值,以确保去噪后的信号是对未知原信号的最优估计。同时,注意到使用正交小波去噪,容易在信号奇异点处产生Gibbs振荡。为解决该问题,在信号分解和重构时使用了平稳小波变换算法。最后,应用以上方法与基于SURE的正交小波去噪方法对2种含噪信号进行去噪分析,结果令人满意。