基于小波变换和归一化自相关的基音检测算法

通过对小波变换的多分辨率分析和抗噪特性的研究,提出了一种基于小波变换和归一化自相关的基音周期检测算法。该算法能精确地从含噪语音中分离出包含基音信息的低频子带信号,并且对基音周期的突变能够很好地纠正。实验表明:该算法要优于现有的自相关基音检测算法,具有较高的精度、可靠性和抗噪性。     

基于小波变换和归一化自相关的基音检测算法

通过对小波变换的多分辨率分析和抗噪特性的研究，提出了一种基于小波变换和归一化自相关的基音周期检测算法。该算法能精确地从含噪语音中分离出包含基音信息的低频子带信号，并且对基音周期的突变能够很好地纠正。实验表明：该算法要优于现有的自相关基音检测算法，具有较高的精度、可靠性和抗噪性。     

一种实时基音检测算法

针对目前基音周期检测实时性的要求,提出了一种基于小波变换的语音基音周期实时检测算法.该算法在提取小波系数极大值过程中利用了小波变换极值与信号突变点之间的关系,将小波域波形与时域波形相结合,采取每次搜索以前一个小波系数极值点作为新的基准的自适应基准方式,并利用了平均能量、过零率、历史峰值幅度、当前峰值估计等多特征参数.实验结果表明,该算法在2.5 ms时间内可以准确捕捉并检测到新的基音脉冲位置,而且对语音和残差信号均取得了较好的结果.     

一种实时基音检测算法

针对目前基音周期检测实时性的要求,提出了一种基于小波变换的语音基音周期实时检测算法,该算法在提取小波系数极大值过程中利用了小波变换极值与信号突变点之间的关系,将小波域波形与时域波形相结合,采取每次搜索以前一个小波系数极值点作为新的基准的自适应基准方式,并利用了平均能量、过零率、历史峰值幅度、当前峰值估计等多特征参数．实验结果表明,该算法在2.5ms时间内可以准确捕捉并检测到新的基音脉冲位置,而且对语音和残差信号均取得了较好的结果。     

基于小波包自相关的能量算子旋转机械故障诊断

针对在强噪声背景下轴承振动信号的非线性,非平稳性以及信号出现的复杂调制现象,提出一种基于小波包熵与自相关函数相结合的能量算子解调故障诊断方法。该方法首先根据信号的小波包熵值对信号小波包降噪,其次用自相关函数分析的方法进一步抑制噪声对提取特征频率的干扰,最后对降噪处理过的信号进行能量算子解调,从而实现提取轴承的故障信号的幅值和频率信息。对机械故障振动信号进行实验分析表明,相对于单纯的小波包分析预处理存在的降噪效果不理想以及普通Hilbert解调法的运算精度满足不了诊断需求的情况,该方法能够有效解调出故障频率信息,实现对故障类别的推断。     

基于小波分析的罗兰－C信号周期识别新方法

提出了一种用小波分析方法提取罗兰－C信号特征并实现其周期识别的新方法。理论分析和计算机模拟结果表明新方法比传统的方法更能够抗噪声、抗连续波干扰，并能够有效地扩大罗兰－C导航系统的作用距离。     

基于二进小波变换的基音检测算法

为了克服目前诸多基音周期检测算法精度低、计算复杂度高、鲁棒性差的缺点,研究了一种采用二进小波变换模极大值进行基音周期检测的算法。仿真结果表明,该算法在强背景噪声下仍可以准确提取基音周期,并且具有复杂度低、分辨率高和实时性好的特点。     

融合灰色马尔科夫理论的二进小波图像的复制－粘贴篡改检测算法

提出了一种二进小波图像的篡改检测算法,对待测图像进行二进小波图像分解,然后提取其每个图像分块的高低频子图特征值进行分析。为了使该算法能够在大量图像篡改检测过程中保证其检测率、错误率,使用基于灰色理论与马尔科夫链的融合模型对该算法的检测率、错误率进行预测,将预测值进行均值计算得到平均检测率与平均错误率。通过与文献算法比较检测率、错误率均值,证明了该算法在避免偶然的情况下,提高了检测率并降低了错误率。     

基于B样条小波的图像边缘检测

提出了一种检测图像边缘的方法。该方法在满足Canny提出的边缘检测3个准则的基础上，构造二维可分离滤波器组，利用B样条小波对图像函数进行小波变换，提取图像边缘，较好地解决了图像边缘的提取精度与图像噪声的抑制能力之间的矛盾，并采用了多孔算法防止图像质量丢失。实验证明了B样条小波检测图像边缘的有效性、正确性。     

基于小波包分解的数据融合损伤识别方法

目的为了充分利用来自多传感器的冗余、带噪声数据，提高结构损伤识别的精度．方法利用小波包良好的时一频特性，首先用小波包分解对结构响应进行处理．提取信号的不同特征参数，然后利用不同的特征向量对结构分别进行损伤识别，最后应用融合技术对不同的识别结果进行融合处理．并用一个七层钢结构框架的多损伤识别验证了该方法的有效性．结果结果表明，该方法能够极大地提高了结构损伤识别精度．结论运用小波包分析提取信号的特征参数与数据融合技术进行损伤识别．并使二者有机的结合是结构健康监测与检测的有效途径与发展趋势．     

小波变换与主元分析相结合的模拟电路检测方法

针对容差、非线性、建模复杂等造成的模拟电路故障检测困难以及现有故障检测方法需要根据经验设置检测阈值的缺点,提出了一种小波变换和主元分析相结合的模拟电路故障检测方法,给出了利用该方法进行故障检测的具体过程.利用三角波信号作为激励源,采集和分析被测电路的输出响应;利用小波变换提取输出响应的故障特征,能够同时利用时域和频域信息;利用主元分析融合故障特征进行故障检测,能够避免设定检测阈值的困难.将其应用于模拟滤波器的故障检测,结果表明,该方法能够有效地利用时频域信息进行故障检测,优于单纯的时域分析方法或频域分析方法.     

基于脊波变换的SAR与可见光图像融合研究

脊波(R idgelet)作为一种新的多尺度分析方法比小波更加适合分析具有直线或超平面奇异性的信号,而且具有较高的逼近精度和更好的稀疏表达性能。将脊波变换引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息,在融合过程中抑制噪声的能力也比小波变换更强。因此,提出了基于脊波变换的SAR与可见光图像融合方法,并采用偏差指数与等效视数指标对融合效果进行评价。实验结果表明,该方法在保留合成孔径雷达SAR(synthetic apertureradar)与可见光图像重要信息、抑制噪声能力方面均优于小波变换方法。     

基于小波变换的人脸检测

提出了一种基于二维离散小波变换的人脸检测算法。该算法采用Haar小波计算小波脸,导出了提取人脸特征向量的相应公式,利用感知准则训练线性分类器进行分类判决。在4个不同的人脸数据集上与特征脸方法进行了比较。结果表明,该算法的计算效率和检测精度均优于特征脸方法。     

基于分形盒维数的跳频信号跳周期快速估计方法

针对通信对抗中跳频信号参数估计问题,提出一种基于短时分形盒维数的跳频信号跳周期快速估计方法.首先对信号采样序列分段,计算短时分形盒维数,结合小波变换检测盒维数曲线的奇异点,然后采用谱分析的方法提取奇异点的变化周期,进而估计出跳频周期.仿真实验表明,该算法运算复杂度低、跳频定位精度高,在-10dB就能有效估计出跳频周期,与基于STFT的时频分析方法相比,具有计算量更小的优点.     

用改进的小波分析识别焊接缺陷

以小波分析为基础，针对焊件缺陷实时检测图像信息的梯度表征特点，在边缘提取算子上加入一个新的对边缘信息的判断算法，提出一种具有抗噪声干扰、实时性好、能够识别出微小的缺陷边缘信息、边缘定位准确的分析方法，在焊件质量检测的应用中，提高了焊件图像的缺陷识别精度。     

不用同步信号的相干平均弱信号检测法

提出了将周期性信号从噪声中提取的数据处理方法，该方法用分段自相关算法快速计算周期性弱信号的自相关函数的估值，用其自相关函数求出周期性弱信号的周期。采用相干平均的方法提高信号的信噪比，提取真实信号，其方法不需额外的硬件设备和同步信号，适用于不能提供同步信号的应用，并利用此方法编制了实用程序，实际运行表明，该方法能提高信号细节的分辨能力。     

基于EMD的非线性信号自适应分析

根据EMD分解原理,提出通过选择平均包络中的突变点确定自适应滤波器截止分量阶,以此构造时空滤波器组进行非线性信号自适应分析的方法,成功应用于分析波音737飞机涡轮轴振动信号。从噪声中自适应地提取随转速变化的信号分量和低频振动分量,与小波分析方法相比,在轴向位移检测中取得了更为满意的效果。该方法不仅改进了涡轮轴振动信号分析方法,也适用于解决其他非线性信号的分析问题。     

TWACS调制信号时频分析方法的研究

研究在干扰较强的工业电网中提取双向工频自动通信系统(TWACS)调制信号特征的几种时频分析方法,对每一种检测方法的原理和实现过程都进行了分析,并给出了计算机仿真结果,比较了各种方法的检测指标和适用条件．结果表明：复值小波变换在几种时频分析方法中是最佳方案．     

基于整数小波系数的纹理图像检索方法研究

提出了一种用整数小波系数检索纹理图像的方法，纹理图像的主要特征表现在细节部分，而高频部分的小波系数体现了图像的细节，所以从这些小波系数中提取的特征，能够表征纹理图像的主要特性；实验结果表明，用该方法检索纹理图像，能够达到较好的检索效果，并且对亮度不敏感，这一特点是传统的纹理分析方法难以达到的。     

改进的相控阵雷达信号检测方法

针对传统雷达信号检测方法对相控阵雷达信号检测概率较低的问题,提出了一种结合小波降噪和极值序列法的信号检测方法。该方法采用小波阈值降噪法对雷达信号进行预处理,以提高侦收信号的信噪比,利用极值序列法在高信噪比下检测精度较高的优势,完成对信号的准确检测和参数的精确估计。仿真结果表明,与传统检测方法相比,该方法在低信噪比下对相控阵雷达信号的检测概率平均提高21.8%。