小波变换在多层复合材料的超声波检测中的应用

针对多层复合材料深层界面脱粘检测中回波信号信噪比低和难以分辨的难题,将小波变换引入到回波信号的超声波检测中来;分析了小波变换及多分辨率分析的理论依据,针对回波信号首先进行小波去噪,然后提取小波变换后各频段的信号能量作为特征,为缺陷分析及识别提供依据;实验结果表明:小波阈值去噪算法的改进方案明显要比单纯的硬阈值和软阈值方法降噪效果好,信号分析方法并可有效提取信号的特征,并将缺陷识别、定位。     

改进小波包阈值算法在振动信号去噪中的应用

针对传统小波包降噪只考虑加性噪声,而无法去除乘性噪声的问题,提出了一种基于小波包系数阈值降噪的改进算法。该算法通过两次小波包分解和重构对信号降噪,第一次按照传统小波包去噪法去除加性噪声;第二次将分解后的小波包系数进行对数运算并采用阈值去噪法消除信号中乘性噪声。将改进算法应用于火箭发射塔架层2的振动信号去噪中。实验表明,改进算法相比于传统算法信噪比提高了2.2dB,且均方根误差降低;结合傅里叶变换,改进算法较好地保留了原始信号的能量特征及细节特征,为发射塔架在发射过程中承受的振动强度评估提供依据。     

一种改进的鱼雷电磁引信目标信号实时小波消噪算法

针对Mallat小波变换在算法原理上不具备数据流动性,无法满足连续采样信号实时消噪处理要求的问题,介绍了一种基于Mallat算法改进的垒墙式小波变换算法,分析了该算法所具有的数据流动性,推导了数据流动性与小波分解层数的关系,并将该算法运用到被加性高斯白噪声污染的鱼雷电磁引信目标信号的实时消噪处理中,选取双正交样条小波作为小波元,并对目标信号做两层小波分解与重构。通过MATLAB环境下的仿真试验,验证了采用该算法实现连续采样信号实时消噪的可行性。消噪后的目标信号具有失真度较小,波形平滑的特点。     

基于提升小波的改进半软阈值降噪方法

针对小波变换下的传统阈值降噪方法的缺点,提出了一种基于提升小波变换的改进半软阈值方法,通过提升小波变换对含噪声信号进行分解降噪,并利用改进的半软阈值方法对分解过程中的高频信号进行阈值降噪处理.对提升小波变换下的传统阚值和改进半软阈值方法的仿真试验进行比较,证明了后者在信号降噪时,相比传统的阈值方法能够获得更高的信噪比增益,且运算速度较快,更适合于实际应用.     

基于小波变换的射弹序列图像混合噪声去噪

提出了一种基于小波变换的混合噪声去噪方法。首先对图像进行二维多尺度小波变换,得到低频子带图像和高频子带图像;然后对低频子带图像采用改进的邻域平均滤波进行去噪处理,对高频子带图像采用改进的小波阈值算法进行去噪处理;最后对处理后的各子带小波系数进行小波重构,得到降噪后的图像。结果表明,该算法在有效去除图像混合噪声的同时,较好地保留了图像边缘和细节。     

基于小波隐马尔科夫树模型的遥测数据去噪

给出一种基于小波域隐马尔科夫树（HMT）模型的滚转弹遥测数据去噪算法。小波HMT模型能较好地把握小波系数的本质特性及其相互关系，从而可获得更为良好的去噪效果。HMT模型含有大量的待定参数，需通过期望最大值（EM）算法训练而定，此过程需要大量数据，一般采用参数“绑定”的方法解决。由于滚转弹滚转产生的调制效果，遥测信号产生了极强的相似性，其小波系数同样具有类似的属性。若将上述属性引入HMT模型，即将多路信号的模型参数予以“绑定”，以更好地反映信号之间的相关特征，则可获得更佳的去噪效果；使用一种改进的EM算法降低了数据下溢的风险。仿真结果验证了算法的有效性。     

一种新的小波阈值去噪算法

雷达一维高分辨距离像对噪声极为敏感。研究一种新的小波去噪算法得到高信噪比的雷达一维高分辨距离像是实现精确目标识别的关键。文中对比分析了小波模极大值去噪算法和小波阈值去噪算法,并在经典小波阈值去噪算法的基础上改进了阈值函数,提出了一种新小波阈值去噪算法。实验证明新的算法能够更好的提高雷达一维高分辨距离像的信噪比,有效抑制噪声敏感性。新算法结合了软、硬阈值算法的优点,灵活度高。     

直升机与树林复合测试目标识别算法研究

针对直升机目标与树林背景复合信号开展了目标识别算法研究。通过各算法对实测数据识别概率的比较，基于小波包的识别算法对于小尺度的识别距离其识别性能较好，采用小波包频谱法截取频谱较低的前两阶频谱，选择频谱宽度、峰值位置等参数可获得较高的目标识别概率。     

小波分析在末敏弹探测信号处理中的应用

为了获得末敏弹红外/毫米波敏感器探测信号真实波形特征,提高目标识别率,针对高塔抛弹实验所获数据,结合红外/毫米波复合探测原理及信号特征,采用小波分析法,选取合适的小波函数、分解尺度以及阀值完成了去噪工作,得到了较为真实的探测信号波形。处理结果表明小波去噪可以很好的对末敏弹复合敏感器原始探测信号进行平滑处理,去噪后的真实波形特征可以为末敏弹目标识别模板提供数据依据。     

噪声目标的边缘检测算法研究

在传统的小波多尺度边缘检测的基础上，利用相邻尺度上小波系数相乘的性质，提出一种噪声目标的边缘检测算法，同时对一般的小波阚值方法加以改进，得到一种自适应阈值方法，从而达到增强边缘．抑制噪声的效果，并相应提高了边缘检测的精度。对实际拍摄的含噪军事目标进行仿真试验的结果表明，该算法检测出的图像边缘轮廓清晰，细节突出，去噪效果好，因而在军事上具有一定的实用性。     

信号消噪的小波处理方法研究

在实际的工程应用中，采样信号不可避免地受到各种噪声和干扰的污染，通过对噪声特性的分析，应用小波的方法对信号进行去噪处理．在Matlab环境下对平稳信号及非平稳信号消噪做了详尽的对比仿真研究．并在选取四种不同的阚值情况下对实际人体脉搏信号进行了去噪对比实验，结果表明小波去噪具有更为优越的数据处理能力．应用小波的方法能更好地逼近真实信号。     

自适应提升小波在漏磁信号处理中的应用

为了解决在漏磁信号中的噪声抑制问题，采用提升小波变换的方法构造小波，在讨论了第二代小波变换基本原理及其特点的基础上，将自适应性引入提升方案中。提出了第二代小波的改进算法，用先更新后预测的改进提升方案解决自适应性引起的非线性问题。应用该算法对采集的漏磁信号进行消噪处理，并在阈值处理过程中引入了软硬阈值折衷法。仿真结果表明：与传统小波变换的去噪效果相比较，该文的信号降噪处理方法，不仅较好地剔除信号中的噪声，而且保留了原始信号中的有效成分，是一种可行的方法。     

空空导弹导引头小波降噪参数优选仿真研究

在对空空导弹导引头含噪信号实施小波阈值降噪时,以提高信噪比为规则,优选了降噪参数,并进行了离线降噪处理和实时降噪处理两种模式的仿真实验。在离线降噪模式下,通过对降噪参数的选择优化,从强噪声背景中得到了与实际的视线角速度高度一致的有用信号。在实时降噪模式下,考虑到算法的复杂性要求对降噪参数的限制,有针对性地选取了计算比较简单的降噪参数,降噪后提高信噪比仍能达到5 dB以上。研究表明,利用小波降噪技术能够克服传统导引头降噪技术的固有缺陷,可以为导引头滤波器的设计与实现提供支持。     

一种基于小波变换的毫米波雷达目标识别方法

在分析毫米波雷达目标散射特性的基础上,提出一种基于小波变换的毫米波雷达目标识别方法。这种方法既保留了小波多分辨分析理论在分析高分辨雷达回波信号中的优点,又克服了小波变换没有时移不变性的缺点;同时对小波特征作了抗噪处理。目标识别对比实验获得了满意的结果,证实了这一方法的可行性。     

基于最优小波包基的陀螺仪信号去噪算法研究

文中提出了一种基于Shannon熵准则的最优小波包基浮动阈值去噪算法,并将其应用于某型反舰导弹陀螺仪信号的去噪处理.仿真结果表明,该算法具有良好的去噪性能,并且消噪效果明显优于基于小波变换的去噪算法,将具有更为广泛的应用前景.     

小波阈值去噪在导引头信号处理中的应用

为从杂波和干扰背景中有效地提取出目标的特征信号．介绍了一种在小波阚值去噪基础上对阚值函数进行改进的方法．以达到滤除噪声的目的。该阈值函数克服了硬阈值函数值不连续的问题和软阈值函数存在恒定偏差的问题．同时新函数不需要进行参数选择。仿真实验结果表明．这种方法在有效消除高频随机信号和特定尺度噪声的同时又能很好地保留原有的有用信号，较其他阈值函数具有明显的优越性。     

基于导向重构与降噪稀疏自编码器的合成孔径雷达目标识别

为解决现有合成孔径雷达（SAR）目标识别算法泛化能力差和算法复杂度高等问题,提出一种基于导向重构与降噪稀疏自编码器的SAR目标识别分类算法。利用导向重构算法对SAR图像进行两尺度融合预处理,生成一维图像矢量并作归一化处理,以降低图像输出特征的维度,提高预处理的速度;采用减少降噪自编码器隐层神经元方式对图像进行低维特征抽取和识别;使用Softmax分类器进行分类处理。实验结果表明,通过导向重构与降噪稀疏自编码器的SAR目标识别算法,不仅提高了目标识别性能以及泛化能力,而且降低了自编码器的隐层神经元数量和计算复杂度,网络结构也得到改进和优化。     

基于小波域HMT模型的寻北数据去噪方法研究

提出一种基于小波域隐Markov树（HMT）模型的寻北数据去噪新方法。该方法利用HMT模型对信号小波系数的相关性进行建模，通过EM算法对信号小波域的HMT模型参数进行估计。然后进行信号去噪。对实测寻北数据进行去噪表明。该方法比用db4小波阈值法能获得更高的信噪比。     

一种微机电系统陀螺信号基于小波域的Karhunen-Loeve变换去噪方法

为了减少梳状音叉微机电系统(MEMS)陀螺的随机漂移误差,提出了一种小波域上的Karhunen-Loeve变换(KLT)的MEMS陀螺漂移信号的去噪方法。其主要思想是:先对分段的MEMS陀螺漂移信号进行小波分解;然后对各个中高频子带进行6抽头滤波,插值成和最高频带相同长度的样本点后,利用小波各尺度间的相似性进行高频分量的KLT变换,在一定程度上去除不相干噪声;最后对KLT降噪后的信号再进行小波阈值处理完成进一步的降噪。实验结果表明,所提方法相对于基于小波变换的各种阈值方法,陀螺输出信号的方差、零偏稳定性和随机游走误差都有了明显的改善。     

多普勒信号的小波域维纳滤波方法

针对多普勒信号检测的小波变换法阈值去噪方法对低频噪声的抑制不理想的缺点,提出一种小波变换阈值处理和维纳滤波联合的多普勒信号去噪方法。该方法在小波阈值法去噪的基础上,对信号的低频小波系数进行维纳平滑处理,然后系数重构得到多普勒信号。仿真验证结果表明,通过小波变换下对小波分解系数进行进一步的维纳滤波,在多普勒回波信号处理过程中得到了比较理想的结果,获得了更好的目标检测性能。