基于多尺度极值的一维信号趋势项快速提取方法研究

现有1维信号趋势项提取算法效率低、并且缺乏适应性和灵活性。该文提出基于多尺度极值的1维信号趋势项快速提取方法,充分利用时间序列信号极值点信息,建立信号极值点的二叉树结构,避免了传统经验模式分解(EMD)方法逐层筛选求取内蕴模式函数(IMF)分量的耗时过程,在获得与现有方法趋势项提取精度相当的情况下,极大地提高了计算速度,并且可以直接提取不同层次的趋势。仿真和实际数据实验结果表明：与传统EMD趋势分解方法和趋势滤波方法相比较,计算速度可提高1到2个数量级。     

脉搏信号滤波方法研究

为了降低噪声对人体脉搏信号的干扰、提高采集精度,提出了一种改进的滤波算法。从脉搏信号及其噪声特点出发,采用与经验模态分解法结合的方法,选择适当的小波基并改进小波阈值函数,构造模态系数对脉搏信号进行滤波。经过理论分析与实验验证,取得了理想的实验数据。结果表明,改进的阈值算法不仅克服了软、硬阈值的局限性,并能有效克服傅里叶变换后产生的边缘效应问题;同时,与经验模态分解法相结合,削弱了低频噪声滤除的误差,增强了小波变换的自适应性,较传统的滤波方法能更好地抑制噪声,有助于提高信噪比。     

MEMS陀螺仪随机序列趋势项提取算法

MEMS陀螺仪目前广泛应用于水下航行器中,但由于在测量数据中含有趋势项,导致序列非平稳,无法应用ARMA模型等时间序列分析方法对其进行分析,因此,需要探究有效的趋势提取方法提取序列趋势项。本文提出了应用平滑先验算法提取MEMS陀螺数据趋势算法,同时介绍了多项式趋势拟合及经验模态分解趋势提取算法,应用三种算法分别对同一实测数据进行趋势提取,选用正态性检验方法,对趋势提取后残余数据的平稳性进行判断,以此判定其趋势提取效果。数据处理结果证明,三种方法均可实现对MEMS陀螺数据的趋势提取,但是各种方法均有其应用的优劣性,需根据其不同应用条件进行优化选择。      

一种基于Morlet小波的振动信号包络提取方法

本文分析了Morlet小波的性质,定义了小波包络的概念,进而提出了一种振动信号的小波包络提取方法,理论分析和实验表明,在振动信号的包络提取中,该方法优越于希尔伯特变换方法。     

信号包络提取方法从希尔伯特变换到小波变换

本文分别讨论了希尔伯特变换和小波变换的原理、性质和在提取信号包络方面的应用,并进行了分析、对比;说明了小波变换(采用已调高斯小波)除了能够对信号实现正交、提取包络外,还具有带通滤波的功能;从而能提取出优于希尔伯特变换的信号包络。     

一种改进的基于经验模态分解的小波阈值滤波方法

经验模态分解是一种新的信号分解方法,该方法可将非线性非平稳信号分解成若干个单分量的本征模态函数,使得每个本征模态函数都具有一定的物理意义。本文探索了该方法在语音增强方面的应用.在文献[8]的基础上,对其方法进行了有效改进。首先将带噪语音进行经验模态分解,得到六个本征模态函数和一个余量信号,对这七个信号分别进行小波阈值滤波,并由滤波后的七个信号重构语音。结果表明,该方法的滤波效果明显优于对带噪语音直接采用小波阈值滤波的方法,并且较之文献[8]的滤波方法也具有一定的优势。     

方差平稳随机信号的一种处理方法

该文提出了一种方差平稳随机信号的处理方法－－信号分解法。通过信号分解法对待处理信号进行分解,可得到方差平稳随机信号的趋向性序列，其余部分便是方差平稳随机信号中剔除趋向性后的零均值的平稳随机信号，它可用平衡随机信号模型来研究。该方法简单、通用，是处理方差平稳随机信号的一般方法。该方法得到的趋向性序列能更准确地逼近非平稳随机信号的趋向性曲线。     

基于小波变换的断路器振动信号降噪方法

本文提出了一种基于小波变换的断路器振动信号降噪方法。该方法将振动信号分解到不同的时间尺度上,并剔除高频噪声分量,再对其余分量进行重构从而获得降噪后的振动信号。实验证明,该方法对振动信号等非平稳信号的高频噪声具有良好的降噪效果。     

基于经验模态分解的激光干涉信号处理

为了去除激光干涉测速系统提取的小波脊的大量高频噪声,提高系统测量精度,采用一种基于经验模态分解的小波脊优化的方法,对高频噪声强度进行了很好的抑制,测量误差为原来未优化误差的42.3%,较大幅度提高了激光干涉测速系统的测量精度.结果表明,该方法对经过时频分析的信号去噪有重要的实用价值.     

基于小波包变换的信号去噪方法研究

信号去噪在信息学科领域一直是研究的重点之一。传统的信号去噪方法局限在频域范围内,无法表述信号的时域局部性质。而小波变换是一种信号的时频分析,利用小波方法去噪是小波分析应用于实际工程的一个重要方面。介绍了小波包降噪原理及方法,并通过仿真研究与目前的小波去噪方法进行对比,仿真结果证明了该方法去噪的有效性。     

基于提升小波变换对音乐信号压缩的研究

用提升方法构造传统小波,并将构造后的提升小波用于音乐信号压缩中。对一段音乐信号通过提升小波分解。并分别基于提升格式下的haar,dbN,symN小波对音乐信号进行压缩。观察仿真结果,对比基于提升小波进行压缩后的效果．得出压缩的较佳方案。再通过小波变换对音乐信号的压缩,得出基于提升小波变换的优点。     

基于振动信号的电力变压器铁心状态监测方法研究

传统的电力变压器状态监测容易受到干扰影响而导致精度差,不能满足实际工程需求。通过对变压器铁心振动信号进行快速本征模态分解(FIMD),得到一组能够反应铁心压紧力的固有特征模式函数,并利用希尔伯特(Hilbert)变换对其进行频谱分析来求得铁心压紧力的固有特征矢量,并计算对应的特征矢量长度值,实现对电力变压器铁心状态的在线监测。试验证明,所提测试方法能够精确地实现铁心压紧力固有特征矢量,具有较高的监测精度。     

软阈值小波消噪在电磁泄漏信号中的应用

在对环境或者电子设备的电磁泄漏信号检测中,由于混杂有噪声,使得信号检测和后面的信号处理与分析产生误差,甚至错误。文中针对带宽很宽的噪声,传统的傅立叶变换消噪解决不了,采用了小波变换中的软阈值消噪,可以有效的解决改问题[1]。     

基于连续小波变换的瞬态位移干涉仪信号处理

提出一种连续小波变换(CWT)用于频率急剧变化的瞬态位移干涉仪信号处理的方法.连续小波变换利用对不同频率具有不同分辨本领的特性,对信号进行时频分析,计算出信号频率,进而恢复出信号的速度.当在可变时间窗口宽度内小波的中心频率和信号局部频率相等或接近时,小波变换系数幅值最大,据此能判断出信号的频率.用连续小波变换方法对计算机模拟的化移干涉信号进行处理,恢复的速度相对误差在3%,从爆轰实验的光纤位移干涉仪信号中也能够准确地恢复出物体的速度历史.     

基于小波变换的音频信号基频提取

通过对小波变换表征信号突变原理的研究，给出了基于小波变换的音频信号基频提取的原理和算法。在算法的实现过程中，利用信号在时域和频域的对应关系提出了一种动态确定小波变换最佳尺度的方法，克服了固定变换尺度在检测基频变化范围大的声音信号时的不足，并将数学统计方法引入到极大值点的提取。在音频信号的实时基频检测实验中，该算法较准确地定位最佳尺度和极大值点，取得了较好的基频提取结果。     

应用于信号处理的Fourier变换与小波变换

在分析Fourier变换与小波变换异同点的基础上,对它们在不同类型信号的处理过程中的应用进行了探讨．并给出一个检测故障点的仿真实例,证明了小波变换的优越性．     

脑电信号预处理方法研究综述

脑电信号是一种复杂且重要的生物信号,被广泛应用于类脑智能技术和脑机接口领域的研究。文中介绍了干扰正常脑电信号的常见非生理性伪迹和生理性伪迹的类型及特点,并对生理性伪迹的产生原因进行了详细分析。通过对各种脑电信号去除伪迹方法的回顾以及应用现状的分析,比较并总结了传统去除伪迹方法和新型去除伪迹方法的研究进展,并进一步分析去除伪迹方法的优缺点。部分方法已经成功应用于处理脑电信号中的眼电、心电和肌电等伪迹中。文中还针对目前脑电信号去除伪迹的需求及所面临的问题给出了应对策略,并对未来的研究方向进行了分析和展望。     

一种基于子波变换的信号滤噪改进方法

对子波变换多尺度下信号与噪声的不同性质进行了研究,提出了一种在子波域不同尺度上选取不同的滤噪方法,该方法将经典的软阈值滤噪与子波变换的模极值传播特性在一定尺度上有机结合起来处理信号.在改善信噪比的同时,也尽可能地保持原信号的边缘信息和精细特征.通过仿真验证了该方法的实用性和优越性.