基于谐波小波包的微弱信号的频域提取

在工程中,在故障发生的早期,其信号一般比较微弱,为了能在故障发生的早期及时地发现潜在的危险故障并能提取微弱的故障信号,防止不必要的经济损失,利用谐波小波在频域连续分布且具有严格的盒形谱特性,通过对仿真信号的谐波小波包变换,实现了对微弱信号的频域提取.通过对不同方法的仿真分析比较,说明了谐波小波包方法在微弱信号的频域提取能力和精度上明显优于基于二进分解的小波分析方法和FFT方法,对于工程应用有重要意义.     

基于谐波小波的弱信号提取

谐波小波作为一类小波,存在确定的函数表达式,时频定位准确,算法实现简单.本文基于谐波小波变换,利用其良好的频域盒形谱特性,对多频信号中的弱信号及强噪声中的弱信号检测进行研究,并与原始的纯信号进行比较,模拟结果表明此方法是有效的.     

随机信号Haar小波包变换的性能研究

本文研究了Ｈａａｒ小波包库内各种正交基对应的正交变换用于对随机数字信号进行处理的问题，提出了一种小波包基的编码方案，并且从方差分布、均方误差、率失真函数的角度对各种Ｈａａｒ小波包基对就的正交变换在数据压缩、广义维纳滤波和变换编三中的性能进行比较，总结了其规律。     

利用小波包提取雷达信号特征的方法研究

提出了两种基于小波包理论的雷达信号特征提取方法,即基于小波包的最佳子空间熵特征和基于小波包的多尺度能量特征的提取方法,并详细阐述了这两种方法的基本原理和实现过程,最后通过对雷达信号的特征提取,验证了这两种方法的可行性。     

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。     

基于小波包分析的瞬时信号侦测研究

首先分析了瞬时信号侦测的难点，然后分析了小波(包)分析的原理和结构。对瞬时信号的小波包分析进行了详细仿真。最后对小波包分析的硬件实现作了估算。     

基于小波变换的局放信号检测与提取

为提高局放信号检测的准确度，确保电力设备故障诊断的有交性和可靠性，利用连续小波变换对背景噪声较强的的局放信号进行多尺度分解，在某些尺度下，使局放信号明显增强，用阀值比较就可以有效地检测并消除噪声干扰。实验和仿真结果表明，选取合适的小波函数就能有效地抑制噪声干扰并完成对局放信号的检测和特征提取。     

小波包变换及其在电力系统谐波电流检测中的应用

在此阐述了小波变换及小波包变换的基本原理。小波包变换是建立在小波变换的基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果表明,小波包变换方法能够正确地提取电力系统的谐波信号,将电流信号中的基波分量和高次谐波分量分离,验证了该方法的有效性。     

基于小波包变换的雷达辐射源信号识别

为了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需求,提出一种以小波包系数的能量比和标准差为特征的算法,并采用BP神经网络进行识别。仿真实验表明,该方法能在较低的信噪比条件下取得较好的识别率。     

基于小波包变换的非高斯噪声信号结构分析

该文利用小波包变换的时频局部分析能力,研究了非高斯分布平稳随机噪声的统计特性,揭示了 非高斯噪声信号的信号结构。在此基础上,将经典最优检测器的结论推广到背景噪声为非高斯分布的情况, 提出了一种基于小波包变换的非高斯噪声下的信号检测方法。仿真实验验证了该方法是正确的。     

谐波小波在TDLAS 信号分析中的应用

波长调制谱技术（WMS）在慢扫描信号基础上叠加上高频的调制电流,并加到半导体激光器的驱动电流上,于是激光频率在线性扫描的同时受交流调制。频率调制的激光束在通过吸收气体以后,其吸收线的强度也受到相同频率调制。采用谐波小波方法作为数据解调的手段,对WMS技术产生的信号进行处理并实现了2f信号的提取。采用这种方法对波数为7185.6 cm-1的水蒸气谱线进行测量实验,调制频率达到180kHz,对数据进行谐波小波处理后获得了高质量的2f信号,该2f 信号的峰值中心辨识度高,其数据光滑度、信号的抗干扰能力方面均优于数字锁相方法。     

Compression of biomedical signals with mother wavelet optimization and best-basis wavelet packet selection

We propose a novel scheme for signal compression based on the discrete wavelet packet transform (DWPT) decompositon. The mother wavelet and the basis of wavelet packets were optimized and the wavelet coefficients were encoded with a modified version of the embedded zerotree algorithm. This signal dependant compression scheme was designed by a two-step process. The first (internal optimization) was the best basis selection that was performed for a given mother wavelet. For this purpose, three additive cost functions were applied and compared. The second (external optimization) was the selection of the mother wavelet based on the minimal distortion of the decoded signal given a fixed compression ratio. The mother wavelet was parameterized in the multiresolution analysis framework by the scaling filter, which is sufficient to define the entire decomposition in the orthogonal case. The method was tested on two sets of ten electromyographic (EMG) and ten electrocardiographic (ECG) signals that were compressed with compression ratios in the range of 50%-90%. For 90% compression ratio of EMG (ECG) signals, the percent residual difference after compression decreased from (mean +/- SD) 48.6 +/- 9.9% (21.5 +/- 8.4%) with discrete wavelet transform (DWT) using the wavelet leading to poorest performance to 28.4 +/- 3.0% (6.7 +/- 1.9%) with DWPT, with optimal basis selection and wavelet optimization. In conclusion, best basis selection and optimization of the mother wavelet through parameterization led to substantial improvement of performance in signal compression with respect to DWT and randon selection of the mother wavelet. The method provides an adaptive approach for optimal signal representation for compression and can thus be applied to any type of biomedical signal.     

一种基于小波包的语音信号特征提取方法研究

为了提高语音信号的识别率,提出了一种基于小波包的语音信号特征提取方法。该方法先对语音信号进行适当尺度的分解,求得各尺度的频谱,在此基础上得到各尺度信号能量,再通过DCT变换获得最后的特征参数。通过仿真实验,说明了新特征参数取得了较高的识别率。     

Harmonic wavelet approximation of random, fractal and high frequency signals

The analysis of a periodic signal with localized random (or high frequency) noise is given by using harmonic wavelets. Since they are orthogonal to the Fourier basis, by defining a projection wavelet operator the signal is automatically decomposed into the localized pulse and the periodic function. An application to the analysis of a self-similar non-stationary noise is also given.     

基于小波变换微弱生命信号提取的研究

利用小渡变换研究微弱生命信号提取问题,简要介绍Mallat算法,采用小波阈值去噪法对强噪声背景下微弱生命信号进行去噪研究,并简要介绍阈值的估计方法,通过实例,利用MATLAB仿真验证小波变换在微弱生命信号的提取中可取得良好的效果.     

基于小波包的皮肤听声器语音特征提取研究

为了提高皮肤听声器分辨语音的能力,提出了利用小波包变换提取语言信号特征参数,并将其应用于皮肤听声器的新方法。小波包变换对频带进行多层次划分,提高了时-频分辨率,所以通过小波包变换得到的特征参数更加准确、更加精细,且是唯一的。最后,通过仿真实验说明了该特征参数的优越性,并且其在一定程度上提高了皮肤听声器分辨语音的能力,从而验证了该方法是可行的。     

基于小波包分解的舰船辐射噪声特征提取方法研究

由于舰船辐射噪声有其自身的非高斯、非线性和非白噪声的非平稳特性,传统时域或频域的信号处理方法不能满足对这类信号的处理.而小波包变换对信号的非平稳特性有适应性.本文通过利用小波包变换分解舰船的辐射噪声,统计噪声在各个频段上的能量分布,将统计的分频段能量作为舰船的目标特征,实现舰船目分类识别标的目的.结合Matlab对舰船辐射噪声进行仿真,提取的目标一和目标二的特征,实现了舰船的分类识别的目的,验证的方法的有效性.     

基于小波变换的雷达辐射源信号特征提取

在小波多分辨分析的基础上提出一种对雷达辐射源信号进行脉内特征提取方法,该方法能够从信号中有效提取定量信息。将小波变换后低频逼近小波系数的能量分布熵,与经过尺度相关去噪计算后反映信号边缘的高频细节小波系数能量分布熵一起构成雷达辐射源信号的二维特征向量。通过对10种雷达辐射源信号的特征提取和分类仿真实验,结果表明：提取的样本特征在低信噪比下具有很好的抗噪性和可聚类性,证明了本文方法的有效性。     

小波包分析在故障特征提取与识别中的应用

对观测信号进行小波包分析,从而提取故障信息,建立能够表征系统特征的状态向量,用模式识别的方法对系统进行故障检测与定位,实现系统的故障诊断。     

高动态弱直扩信号的分级捕获算法

针对低信噪比高动态环境下直扩信号经典捕获算法中多普勒频偏估计精度和快速傅里叶变换(FFT)运算量的矛盾,提出了一种基于频偏补偿的两级非相干累加捕获算法。该算法以部分匹配滤波器结合快速傅里叶变换(PMF-FFT)算法为单元,首先利用第一级频偏粗估值对多普勒频偏进行补偿,然后通过调整第二级PMF-FFT中部分匹配滤波器长度并利用滑动平均窗对残余频偏进行精估。理论分析和仿真结果表明,与经典捕获算法相比,该算法在FFT运算点数相同的条件下,可以有效地提高多普勒频偏估计精度,并且在高动态环境下具有更好的检测性能。