基于小波逼近和尺度变换的非参数辨识方法

提出一种以非正交小波为基函数并应用小波多尺度分析的系统脉冲响应辨识方法，该方法以小波级数的形式逼近脉冲响应过程．从理论上证明了经小波尺度变换后系统随机噪声的方差值减小，即噪声得到有效的抑制，从而大大提高了辨识精度．应用实例验证了所得结果的正确性和算法的实用性．     

一种基于多分辨分析的脉冲响应辨识方法

提出了一种基于正交基展开方法的脉冲响应辨识方法--正交尺度变换法.这种 方法以正交尺度函数展开的形式表示脉冲响应函数,对信号进行正交尺度变换,并使用最小 二乘类参数辨识方法估计参数.仿真结果验证了理论的正确性和方法的可行性.     

混合小波包与最佳基

混合正交小波基是一种包含多个正交小波函数的正交基，本文在混合正交小波基的基础上构造出混合小波包.传统的小波包可以细化频谱窗口以解决正交小波基在高频区频谱局部性差的缺点，混合小波包不仅具有传统小波包的特点，而且可以在不失正交性的情况下改变小波包函数的形状，从而获得更好的细节匹配.小波包的分解可以在频域上进行，通过使用FFT而达到快速的目的.     

基于小波神经网络的系统辨识方法

神经网络由于具有良好的自学习和自适应能力，在非线性黑箱建模或系统辨识中有着广泛的应用，这些辨识模型有：多层感知器、径向基函数网和反馈网络等等。文中提出了基于小波神经网络模型的系统辨识方法。由于小波变换或分解所表面的良好的时频局部化特性，以及多尺度的功能，我们用规范正交的小波函数作为基函数网络中的基函数，得到所谓的小波神经网络。通过计算机仿真证实了该方法的良好的辨识效果。     

时变非线性分布参数控制系统的小波辨识算法

基于正交函数逼近理论,在Haar小波正交规范基的基础上,总结并推导出了其积分运算矩阵、微分运算矩阵、乘积运算矩阵及其运算性质,并应用于一类时变非线性分布参数系统的辨识.借助于正交小波函数逼近方法对分布参数系统进行辨识,经正交小波逼近变换转化为代数矩阵方程,因此该方法可以不考虑初始条件和边界条件,较其他辨识方法要简单得多.该算法简单、计算量小、简化了分布参数系统辨识的求解过程,应用在分布参数系统辨识中不失为一种有效的分析方法.     

基于小波算法的二阶线性定常分布参数系统的辨识

本文基于正交函数逼近方法,借助于小波变换,并利用其运算矩阵及其运算性质,研究了分布参数系统的辨识问题。将Haar小波正交基应用于分布参数系统的辨识中,经正交小波逼近变换,将原偏微分描述的分布参数系统转化为代数矩阵方程,并且,考虑了初始条件和边界条件,获得了算法简单、计算方便、具有较高精度的辨识算法,简化了分布参数系统辨识的求解过程,应用在分布参数系统辨识中不失为一种有效的分析方法。仿真实例表明了本文所提出的算法的有效性。     

基于脉冲响应函数的正交小波变换系数的故障检测方法

提出了一种基于连续系统脉冲响应函数的正交小波变换系统的故障检测方法。该方法无需对象的数学模型,具有计算量小、故障判决过程简单、实时性较好等优点。     

优化小波神经元的辨识算法

以小波理论为基础,讨论了小波径基函数网络非线性辨识的基本原理,并提出从全部小波基中选出对辨识最起作用的一部分小波基的正交优化方法,以解决小波神经网络隐层神经元数量过多的问题。用推广Ｋａｌｍａｎ滤波方法训练小波网络,大大加快了它的收敛速度。仿真结果表明了该方法的可行性和有效性。     

一种基于小波包的多载波相位编码雷达信号

为了提高多载波相位编码(Multi-carrier Phase Coded,MCPC)雷达信号的抗干扰性与频谱利用率,在传统的基于傅里叶变换的MCPC的基础上,提出了一种优化方法。基于小波包变换来产生MCPC信号,利用小波包基函数的正交性和带限能力来获取更为灵活的雷达信号,从而改善信号的时频特性,提高抗干扰能力。仿真表明,小波包变换提高了MCPC信号的频谱利用率并改善了模糊函数,适合宽带雷达信号的设计。     

基于混合基函数分解的宽带连续谱信号分析

分析宽带信号时,对信号进行某种变换,准确而有效地分析信号是问题关键所在.提出了基于混合基函数的信号分解方法,通过引入过完备的分解基函数为成份复杂信号主要分量的提取创造有力条件,使得信号分解方法具备不同的分解特性,特别是结构性分解原则能够有效地提高结构紧密分量的分辨能力.选取过完备小波包基函数逼近连续谱主要分量,用余弦基函数逼近线谱主要分量,利用基追踪(BP)算法有效地提取了低频连续谱分量.通过对基函数的通带通性进行分析,选取合适的小波或小波包基函数.实验证实该方法通过引入稀疏性分解,仅使用少数小波包基函数就能够准确重构连续谱主要分量的时域信号形式.     

基于变尺度正交小波包变换的脉冲响应辨识方法研究

In this paper, by applying a group of specific orthogonal wavelet packet to Eykhoff algorithm, a new impulse response identification algorithm based on varying scale orthogonal WPT is provided. In comparison to Eykhoff algorithm, the new algorithm has better practicability and wider application range. Simulation results show that the proposed impulse response identification algorithm can be applied to both deterministic and random systems, and is of higher identification precision, stronger anti-noise interference ability and better system dynamic tracking property.     

水声信道盲均衡器优化设计与仿真

针对水声信道高速数据传输中的码间干扰问题,设计了一种基于小波包变换的分数间隔盲均衡器,优化均衡器性能,以提高水下通信质量。采用具有过采样性质的分数间隔均衡器,减少了波特间隔均衡器常数模算法（CMA）的稳态误差,又加快了其收敛速度;并利用去相关性较强的小波包理论,进一步加快了分数间隔盲均衡器算法（FSE-CMA）和小波分数间隔均衡器算法（WT-FSE-CMA）的收敛速度。水声信道的仿真结果,验证了该均衡器的良好性能。     

Hierarchical wavelet packet fuzzy inference system for pattern classification and system identification

This study presents a hierarchical Takagi–Sugeno–Kang type fuzzy system called hierarchical wavelet packet fuzzy inference system. In the proposed method, wavelet packet transform is applied on the input data to produce approximation and detail sub-bands of the input data and the output is used as the input vector of the proposed network. This network uses a hierarchical structure same as wavelet packet decomposition tree, in which adaptive network-based fuzzy inference system is used as sub-model. Also, gradient descent algorithm is chosen for training the parameters of antecedent and conclusion parts of the sub-models. In order to evaluate the capability of the proposed method, its applications in pattern classification, system identification and time-series prediction have been studied. The results show that the proposed method performs better than the other conventional models.     

基于阈值的小波域语音降噪新算法

提出了一种新的基于阈值的小波域语音降噪算法。采用小波包对含噪语音进行分解，克服了传统的正交小波变换的缺陷。采用自适应阈值的方法，对每一尺度上的噪声最大量进行去噪，保留有用信号，可以进一步提高信噪比，仿真实验表明，该方法有更好的去噪效果。     

基于快速小波包直方图技术的图像检索算法

提出了一种基于快速小波包直方图技术的图像检索新算法。此方法主要有图像的小波包分解,最主要能量频带的选择和小波包直方图的抽取及相似性度量三个步骤。首先,用一族正交小波基分解一幅图像并用小波包系数计算各个频带的能量;其次,选择几个最主要能量频带进行阈值化和非线性滤波;最后,抽取小波包直方图作为特征表示并应用直方图相交距离从图像数据库中检索被查询图像。由于该方法在特征抽取中应用较小的特征空间,因此需要较小的计算复杂性。实验结果表明,这些技术在图像检索中可以获得更好的性能。     

基于小波包变换的非线性信道均衡器

针对严重线性失真和轻度非线性失真的数字信道，为了提高基于最小均方误差算法的判决反馈均衡器的收敛速度，首先提出用一族正交小波包基函数来表示非线性信道判决反馈均衡器厦其输出，然后给出基于小渡包变换的非线性信道自适应均衡算法。该算法实现了小波包与非线性信道模型的结合，在计算量增加不多的前提下，利用小波包对小波空间的进一步划分以厦比小波变换更强的去相关能力来减小输入信号相关阵的条件数。对典型非线性信道模型的仿真结果表明，该算法可有效提高均衡器的收敛速度。     

碳纤维复合材料缺陷的小波包分析

利用超声相控阵检测系统对含有裂纹、夹杂、分层三种缺陷的碳纤维复合材料实验板进行检测。对采集到的缺陷信号,在计算机中利用小波包变换进行分析。提出基于距离可分性测度的小波基评估准则,以确定最优小波基。对三种缺陷信号用sym8小波进行小波包的分解和重构,用"频率-能量"的方法提取各类缺陷信号的能量特征;结果表明,该方法对碳纤维复合材料的缺陷类型的区分具有较好的效果,从而为缺陷自动识别奠定了基础。     

Image denoising algorithm via best wavelet packet base using Wiener cost function

A new cost function, namely, the Wiener cost function, is introduced to find the best wavelet packet (WP) base in image denoising. Unlike the existing entropy-type cost functions in image compression, the Wiener cost function depends on both sparseness of image representation and noise level. Combining the Wiener cost function and the doubly local Wiener filtering scheme, a new image denoising algorithm is proposed using the best wavelet packet bases. Owing to unknown true image in denoising, a pilot image with less noise is required to find the best wavelet packet base, which is obtained by the existing denoising algorithms. From the pilot image, the best 2D wavelet packet tree is searched in terms of the Wiener cost function and the energy distributions of the image in the best wavelet packet domain are also estimated. Further, the image is recovered by applying the local Wiener filtering to the best wavelet packet coefficients of the noisy image. The experimental results show that for images of structural textures, for example 'Barbara' and texture images, the proposed algorithm greatly improves denoising performance as compared with the existing state-of-the-art algorithms.     

一种基于临界带宽的新小波包变换算法

针对传统语音短时分析技术容易出现丢失信息的现状,提出了一种基于临界带宽的小波包变换算法,该算法借鉴传统倒谱特征参数(MFCC)提取的过程并在该过程中引入临界带宽(Critical Bandwidth)的概念。在基于高斯混合模型的说话人识别系统中进行实验,结果表明在选取不同小波包函数的情况下,该算法所取得的识别率较MFCC参数均有提高。     

Lattice Dynamical Wavelet Neural Networks Implemented Using Particle Swarm Optimization for Spatio–Temporal System Identification

In this brief, by combining an efficient wavelet representation with a coupled map lattice model, a new family of adaptive wavelet neural networks, called lattice dynamical wavelet neural networks (LDWNNs), is introduced for spatio-temporal system identification. A new orthogonal projection pursuit (OPP) method, coupled with a particle swarm optimization (PSO) algorithm, is proposed for augmenting the proposed network. A novel two-stage hybrid training scheme is developed for constructing a parsimonious network model. In the first stage, by applying the OPP algorithm, significant wavelet neurons are adaptively and successively recruited into the network, where adjustable parameters of the associated wavelet neurons are optimized using a particle swarm optimizer. The resultant network model, obtained in the first stage, however, may be redundant. In the second stage, an orthogonal least squares algorithm is then applied to refine and improve the initially trained network by removing redundant wavelet neurons from the network. An example for a real spatio-temporal system identification problem is presented to demonstrate the performance of the proposed new modeling framework.