二维小波去噪在太阳射电数据处理中的应用

针对太阳射电数据的处理问题，对数据所含噪声，可以通过小波分解高频系数可以估计出其噪声强度。本文主要探讨二维小波方法在有关射电天文观测的数据消除噪声研究中的应用。     

用于小波变换的图象信号二维频谱分析

在对理想和实际原始图象信号的二维频谱及其幅频特性进行数学分析的基础上，提出了对小波变换二维频谱分解的两种改进方案。     

太阳射电频谱图的自动轮廓检测与信息提取

射电精细结构是太阳爆发动态频谱图中一个重要的观测现象。为了达到更好提取精细结构轮廓,解读物理信息的目的。基于国家天文台怀柔观测站的2．6～3．8GHz频谱仪于2002年4月21日观测到的爆发现象,采用Levelset方法并加以改进,对原始图像进行轮廓提取,克服了以往此方法中存在遗漏检测的问题。此外对图像进行循环检测,取得了良好地检测结果。此后又对图像进行二值化提取,得到了二值化精细结构图像。最终统计出精细结构漂移率这一重要物理信息,为更好的理解太阳爆发机制提供了依据。     

用于小波变换的图像信号二维频谱分析

本文在对理想和实际原始图像信号的二维频谱及其幅频特性进行数字分析的基础上，提出了对小波变换二维频谱分解的两种改进方案，从而可利用图像信号的频谱特性和人眼的视觉特性，进一步压缩码率，在保证图像质量的前提下，提高压缩性能。最后提出了设计菱形滤波器来获得原始图像信号二维菱形频谱的方案，该方案将在后继的论文中介绍。     

基于小波变换的频谱细化分析方法

小波理论是傅里叶分析这一学科半个世纪以来的工作结晶，已成功应用于信号分析、图像处理及非线性科学等方面。本文基于小波变换可提取信号所需频率成分的特性，提出了小波变换频谱细化方法，文中介绍了小波变换频谱细化的原理和步骤，进行了计算验证，并与复调制ZOOM－FFT方法进行了比较，结果表明，小波变换细化谱方法，可得到比复调制ZOOM—FFT方法更细密的结果，小波变换细化谱方法实现起来更简单、容易，但计算量较大。     

基于二维连续小波变换的干涉条纹图相位的提取

在光学测量领域中,干涉法具有极其重要的意义。针对干涉条纹图相位的提取,提出了一种基于二维连续小波变换的干涉条纹图相位提取的新方法。在文中提出的算法中,为了降低计算时间,在计算过程中引入快速傅里叶变换,并提出将传统二维连续小波变换中的连续的尺度因子和旋转角用离散的尺度因子和旋转角代替,这样就解决了二维连续小波变换算法计算耗时的问题。通过仿真和实验发现,该方法可以快速准确的提取出干涉条纹图的相位,对于有缺陷的干涉条纹图,可以实现缺陷的修复并获得其相位图,并收到了比较不错的效果。     

小波变换在医学图像边缘提取中的应用

边缘是图像的重要特征。医学图像往往较模糊．其边缘特征难以用传统方法检测。小波变换具有良好的局部化特性、多分辨特性．及检测信号局部突变的能力。对图像进行二维小波变换，其梯度模值反映了图像的边缘。介绍一种基于小波变换的图像边缘提取方法。实验证明．与传统边缘检测方法相比，该方法去噪效果好，能提取图像中较弱的边缘，且能使边缘细化。这些特点使得他特别适合于医学图像边缘的提取。     

基于小波变换的非均匀采样信号频谱的研究

该文提出基于小波变换的非均匀采样信号频谱的检测方法,给出变换函数关系使得非均匀采样信号满足小波变换的两个基本条件。文中说明了小波的非均匀化过程,从均匀小波得到非均匀小波,以非均匀小波分析非均匀采样信号,得到非均匀采样信号的频谱。文中还说明了非均匀小波变换的抗混叠的原理以及对信号频谱的检测方法,最后给出实验结果。理论和实验表明,非均匀采样信号的小波变换方法是一种行之有效的非均匀采样信号的频率检测方法,使用该方法处理信号可以得到准确的频率估计效果。     

小波变换在相位编码信号处理中的应用

通过对小波分解系数进行门限阈值处理 ,可以有效地抑制噪声 ,同时能够很好地提取目标信号。文章基于两种阈值选取准则 (CM与MM ) ,对小波变换在相位编码信号处理中的应用进行了仿真实验。仿真结果表明 ,该方法除对噪声具有很好的抑制作用外 ,还有效地保留了目标信号的波形特征     

采用离散小波变换的认知无线电频谱能量检测

在认知无线电系统中,频谱检测是搜索空闲信道,避免对授权用户产生有害干扰的关键环节。本文提出了一种离散小波变换与时域能量检测相结合的频谱检测方法,对SU共享的宽带信道中的窄带PU信号进行预检测。首先对接收信号进行离散小波变换,获得能够反映信道频谱变化的细节小波系数,然后以该系数作为统计量,对其进行时域能量统计计算。该方法计算量较小,容易实现,可进行多分辨率分析,能够提高检测的灵敏度;不需要被检测信号的先验知识,适用于检测各种未知信号。仿真实验对无线麦克信号和地面无线数字电视信号进行了检测,验证了该方法的正确性。      

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.     

小波变换与傅立叶变换相结合的信号实例分析

文章采用离散小波变换与快速傅立叶变换相结合的方法,先对原始信号进行小波分解,再对各子带信号做快速傅立叶变换,从而得到各子带上时间信号的频谱。计算机仿真的实例分析表明,该方法将小波变换和傅立叶变换的优点结合了起来。     

基于小波包变换的能量检测技术研究

频谱感知技术是认知无线电实现的关键,对解决频谱资源匮乏的问题起着举足轻重的作用,因此受到业界的广泛关注。在分析比较了三种常见的频谱检测技术后,提出了一种在未知噪声下的基于小波包变换的能量检测算法,通过小波包变换对噪声和信号功率进行估计从而得到较为准确的判决门限。仿真结果显示,在未知噪声情况下的该算法具有较好的鲁棒性,有望成为适于认知无线电应用的频谱感知技术。     

太阳微波尖峰的空间谱分析

利用国家天文台怀柔太阳观察站2．6～3．8GHz频谱仪的观察数据,对太阳射电辐射中的8个尖峰辐射事件进行了分析。在把频率标度转变成太阳大气中的高度之后,得到了时间一太阳大气高度对应二维数据;对任意时刻的太阳流量数据向量经过小波变换和将小波变换后二维图形转变为一维图形后,得到类似傅里叶变换的功率谱图。同时也利用傅里叶谱分析方法对同样的数据进行对比分析,分别直线拟合一维功率谱图,得到幂率功率谱指数,发现大多数指数与典型的科莫戈洛夫功率谱指数相背离,并且阐述了可能存在的原因。     

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。     

小波变换在EEG噪声滤除中的应用

通过小波变换与标准傅里叶变换和短时傅里叶变换比较,指出了小波变换以其良好的时频局部性,成为时频分析方法中发展最为迅速的一种,并着重介绍了小波变换在滤除脑电信号噪声领域的应用.     

利用小波变换对表面肌电信号的消噪处理研究

上技做屈伸运动时,采集肱二头肌群的表面肌电信号,然后采用小波变换的方法,应用Matlab软件,对表面肌电信号进行去噪处理.对去噪结果的分析表明,对于小波分解后获得的不同频段的信号才用不同的阈值所获得的去噪效果更为理想,为后续的研究工作奠定了良好的基础.     

基于小波的变换域通信系统抗干扰性能研究

变换域通信系统通过信道估计在变换域设计信号波形避开干扰,它没有采用载波调制,而是用一个类似噪声的基函数进行信息调制。对高斯白噪声信道下的取不同门限值的基于小波的变换域通信系统与DSSS的抗干扰性能作了比较分析,仿真结果表明基于小波的变换域通信系统相比于DSSS在单音、多音、线性调频、10%部分带宽干扰下误码率平均改进约10dB,在70%部分带宽干扰下误码率平均改进约5dB,并对基于小波的变换域通信系统门限值的选取给出了建议。     

一种基于小波变换的图像去噪算法

利用小波方法去噪,是小波分析应用于工程实际的一个重要方面。针对图像存在大量噪声的情况,阐述小波变换去除信号噪声的基本原理和方法。在综合考虑图像去噪平滑效果和图像的清晰程度的基础上,提出一种多方向多尺度的自适应小波去噪算法。通过试验数据验证了该算法的可行性和鲁棒性。实验结果表明该方法增强了图像的视觉效果。     

一种基于小波变换的自适应图像降噪法

提出了一种基于二进小波变换的图像降噪方法,通过对小波变换系数进行阈值处理实现降噪。该方法结合图像的自身邻域信息,具有一定的自适应性。实验结果证明能够产生较好的效果。