小波包变换用于双模噪声的信号检测

将小波包变换良好的时频分析能力用于分析双模噪声的统计特性,因为小波包变换具有带通滤波的作用,当分解的层数足够多时,变换可看作窄带系统,将双模噪声作某一尺的小波包变换,在此空间上双模噪声的输出近似于高斯分布,在这一空间上进行信号的识别与检测。将小波包变换用于双模噪声背景下的信号检测系统,并将此方法与经典检测系统进行性能上的比较,仿真结果表明,小波包方法优于经典检测方法。     

多尺度小波包变换在弱信号检测中的应用

文章在双模噪声背景下,为了改善信号检测性能,利用多尺度小波包变换良好的时频局部分析能力对双模噪声中弱信号进行检测。理论分析和仿真结果表明,小波包检测系统不仅具有计算量小、算法比较简单和实时性较强的特点,而且比传统的高阶统计量和经典检测的检测性能都优越。     

基于小波包变换的双模噪声中信号的检测

以一类非高斯噪声———双模噪声为背景噪声,利用小波包变换良好的时频分析能力,对双模噪声的统计特性进行了研究,在此基础上,将经典最优检测器的结论推广到背景噪声为双模噪声的情况,提出了基于小波包变换的双模噪声中信号的检测方法。他是对传统的双模噪声中信号处理的完善与补充,仿真结果表明,该方法要明显优于经典检测。     

基于小波包去噪的能量检测方法研究

根据能量检测和小波包变换的特点,提出基于小波包去噪的能量检测方法。该方法利用小波包的去噪功能,可实现噪声和信号的有效分离,提高信噪比,从而有效改善能量检测的性能,且复杂度低。仿真结果表明,经过小波包去噪之后的能量检测性能要远远好于传统的能量检测性能。     

一种基于小波包的多载波数字AM系统

本文分析了基于正交幅度调制的小波包调制在不同信道模型下的性能,并对这种小波包多载波调制系统进行了性能仿真.通过与基于离散傅里叶变换的正交频分复用调制系统进行比较,探讨了小波包调制应用于数字调幅传输系统的可能性.     

基于循环平稳特征的频谱检测

频谱检测是实现认知无线电的前提。从认知无线电的核心功能出发,分析了循环平稳特征检测抗噪方面的性能以及影响其检测性能的主要因素,通过理论推导和仿真验证了噪声对检测性能的影响,提出了一种基于小波变换的频谱检测方案。该方案通过小波变换将接收到的信号进行主信号与噪声分离,并对信号进行重构,提高了频谱检测的性能。仿真结果表明,在低信噪比情况下,采用基于小波变换的频谱检测方法,无论是系统的频谱检测虚警率还是频谱检测漏检率都有了显著的降低。     

基于小波包-FHN模型的UWB信号检测

在超宽带冲激无线电信号检测中,针对FHN神经元模型随机共振中检测信噪比受限的问题,研究分析了小波包理论及传统单阈值小波包的缺点,结合新的分段阈值小波包去噪算法,提出一种小波包与FHN神经元模型随机共振联合检测的新方法,并对所提算法的性能进行仿真验证。仿真实验表明,新方法克服了FHN模型的信噪比门限,降低了FHN模型的检测信噪比,改善了FHN模型的检测性能,可有效恢复强噪声背景下的超宽带冲激无线电信号波形。      

小波神经网络用于双模噪声的消噪

小波神经网络利用了小波变换的良好的时域和频域的分析能力以及神经网络的自学习能力,具有良好的容错能力和逼近能力。针对双模斯噪声,提出基于小波神经网络的双模噪声背景下信号的消噪算法,介绍了双模噪声的3种简化模型,阐述了小波神经网络的基本概念以及基于此方法的消噪算法。将小波神经网络用于此3种双模噪声背景下信号的消噪。实验结果表明,该方法能有效地消除已知信号中的双模噪声。     

基于MAC的红外小目标自适应检测

针对复杂背景下的红外小目标检测,介绍了一种基于小波包变换和最小平均代价的最佳全局自适应检测算法.通过对目标图像进行小波包降噪和非线性变换对比度增强处理抑制背景杂波、提高信噪比.分析并提取了一种用于目标检测的有效特征矢量,建立并验证了目标和背景不同模式下特征矢量的分布模型.根据该模型基于最小平均代价准则解算出最佳全局自适应分割门限,从而实现红外小目标的自适应检测.仿真实验表明,小波包变换与非线性图像增强处理具有良好的降噪性能,且最佳全局自适应检测法的检测性能优越.     

语音激活检测算法的设计与实现

深入研究了基于时域、频域、倒谱域和小波域特征参数的语音端点检测算法。根据语音的频域特性,提出了一种基于概率密度平方的改进谱熵法,增强了语音的谱线动态变化范围,改进了端点检测性能。为了满足抗多种噪声干扰的要求。提出了基于声道模型的算法和基于小波变换的算法。基于声道模型的算法利用了语音与噪声的声道差别,而基于小波变换的算法利用了语音的小波分解系数在不同频段具有的谐波特性。仿真结果表明这两种算法都具有良好的检测性能。