基于离散小波变换的信号分解算法研究

提出一种基于离散小波变换的信号分解算法.实验结果表明,该算法较好地克服了传统信号分解在高频段的频率分辨率较差,而在低频段的时间分辨率较差的缺点。     

帧同步混合小波包变换快速算法及其在语音处理中的应用

帧同步的小波包快速算法是一种类似FFT的小波变换算法。本文提出帧同步混合小波包的分析方法，其特点是在发挥小波变换的时频分析特点的同时，分析时窗能够满足语音处理中帧长的要求，从而可以实现实时处理。这种混合小波包具有完全重构特性。文中用实验对比表明了帧同步混合小波包分析的优越特性。     

小波变换在信号处理中的应用

小波变换是近年来发展起来的一门理论，在图像处理，通信和地球物理上取得了成功的应用。小波包变换是小波变换的推广。本文应用更适合实际分析化学信号处理的小波变换来处理重叠的分析化学信号。此方法是建立在多分辨率分析的基础之上的。我们应用此法处理多组分重叠色谱信号的结果表明，此法不仅有效地解决了多组分重叠信号的解析问题，而且较传统的方法处理速度快且准确。可用于定量分析。     

低信噪比信号的连续与离散小波变换比较研究

详细介绍了离散小波变换与连续小波变换的发展历程及其基本原理,并对强背景噪声干扰下的碰摩信号分别采用这两种方法所达到的效果进行了研究和比较.发现在采用离散正交小波多分辨分析过程中,各层分解信号的非稳态特征几乎被噪声淹没,以致无法进行有效分析;而连续小波变换具有比离散小波变换更加细致的尺度空间,它在强噪声背景的干扰下,依然可以得到比较满意的分析效果.     

Marr小波离散化方法及其应用

本文介绍了将连续小波Marr小波进行离散化的一种新方法，实现了连续小波离散化信号处理。将其应用于实际人体血压信号分析中，取得了满意的效果。具有广泛的实用价值。     

基于快速傅里叶变换的正弦信号频率高精度估计算法

为了进一步提高加性高斯白噪声背景中正弦信号的频率估计精度,提出了一种新的基于插值快速傅里叶变换(FFT)的正弦信号频率估计算法.首先,对N点正弦采样序列进行等长度时域补零延长,再进行 2N 点FFT; 然后, 搜索幅度最大离散谱线位置得到频率粗估计值; 最后, 采用幅度最大谱线以及原信号的离散时间傅里叶变换(DTFT)在幅度最大谱线左右两侧的两点抽样值进行精估计.仿真结果表明,当信号实际频率位于FFT两条离散谱线之间任意位置时,所提算法的频率估计均方根误差均接近克拉美罗下限,具有较好的一致性,估计精度高于Candan算法、Fang算法、三谱线合理结合(RCTSL)算法和Aboutanios算法, 且信噪比阈值较低,估计性能优于现有频率估计算法.     

基于离散小波变换的信号分解与重构

为数值计算简化和理论分析简便,在实际信号处理应用中,需要对小波变换进行离散化处理。介绍了傅里叶变换与小波变换的基本理论,以及离散小波变换在信号分解和重构过程中的原理及方法。利用MATLAB小波工具箱中提供的函数分别对一维信号和语音信号进行分解与完全重构,并对结果进行分析比较。仿真结果表明,用离散小波变换进行一维和语音信号分解时均可有效地获取其平均相似信息和细节信息,重构信号与原始信号相比损失较少,分解和重构均得到了很好的效果。     

一种基于FFT计算离散小波变换的方法

将小波变换和快速傅里叶变换（FFT）方法相结合,分析研究了用快速傅里叶变换计算离散小波变换的方法,总结变换结果和滤波器长度之间的移位关系,并提出通过把输入信号信号循环移位,实现完全重构的方法。这种方法计算的时间复杂度和快速傅里叶变换相当。     

小波变换在电力谐波分析中的应用

电力系统的谐波是影响电能质量的重要因素,谐波对电力系统和用电设备产生了严重危害和影响。文中应用小波变换分析电力系统的谐波,小波变换能描述频谱含量如何随着时间变化,同时在时间和频率上表示信号的能量和作用。与傅里叶变换对比,小波变换不仅可以知道哪些频率分量在信号中出现,而且可以知道这些频率分量在时域内是如何变化的,可以更精确地分析非平稳信号的谐波。     

小波变换在电力谐波分析中的应用

电力系统的谐波是影响电能质量的重要因素，谐波对电力系统和用电设备产生了严重危害和影响。文中应用小波变换分析电力系统的谐波，小波变换能描述频谱含量如何随着时问变化，同时在时间和频率上表示信号的能量和作用。与傅里叶变换对比，小波变换不仅可以知道哪些频率分量在信号中出现，而且可以知道这些频率分量在时域内是如何变化的。可以更精确地分析非平稳信号的谐波。     

基于级联离散小波变换的信号去噪方法研究

提出了基于级联离散小波变换的信号去噪方法。该方法通过对带噪信号作一层离散小波变换(DWT)后提取的低频部分和高频部分分别作一层DWT和四层DWT,然后,对低频部分提取的低频成分和高频成分均作三层DWT,接着,对所有分解的小波系数进行阈值处理,最后,完成信号重构。实验结果表明:在同样的小波分解层次下,本方法去噪效果好于DWT法和WPD法。     

地震信号小波变换的去噪方法

运用模极大值法基本原理进行地震信号去噪研究,进而运用二次小波变换原理通过低层系数处理对常用小波去噪方法进行改进.通过合成不同的染噪地震信号,由一系列仿真实验对模拟地震信号进行不同尺度的小波分解与重构,从而实现最优小波分解尺度上的地震信号噪声去除.与常用的快速傅立叶转换方法比较,仿真结果表明,该小波变换方法能够有效去除地震勘探信号中的噪声,并且针对系数的二次小波变换可以明显改进去噪的效果.     

快速提升小波变换及其在电位滴定信号处理中的应用

介绍了快速提升小波变换的原理和实现步骤,提出了一种基于提升算法的快速小波变换确定电位滴定终点新方法。分别对HAc、H2C2O4、H3PO4及苯酚的滴定曲线进行提升小波变换得到小波系数γNaOH,所得小波系数的极大值对应于滴定曲线的突跃部分。研究发现,滴定突跃越大,｜γ｜越大,酸性越弱,峰越宽。将由提升算法得到的计算结果与由实际加入的酸的量而求出在达到终点时理论上应消耗NaOH体积进行对照,验证了快速提升小波变换确定电位滴定终点的可靠性。对电位滴定实验数据的处理结果表明,该法快速、准确,可为计算机实时确定电位滴定终点开辟一条新的途径。     

基于小波变换的数字耳蜗滤波器组设计与实现

分析了耳蜗滤波器与小波变换的相似性,以耳蜗频率响应为基础,设计出相应的小波变换基函数,并通过二进尺度变换得到一组小波作为耳蜗滤波器组。研究了利用该小波滤波器组进行多分辨率分析的数字实现方法,给出了相应的分析滤波器。理论和实验结果均表明,利用小波变换来实现耳蜗滤波器组是可行的。     

小波变换与FFT相结合在涡街信号处理中的应用

针对工业现场对涡街流量信号处理测量精度的问题,利用小波变换与F F T相结合的方法,有效地去除干扰噪声,提取出涡街信号主频率。最后通过MATLAB仿真,并与直接用FFT算法相比较,结果表明改进后的算法测量精度明显提高。     

MP稀疏分解快速算法及其在语音识别中的应用

提出一种新的基于Matching Pursuit（MP）的语音信号稀疏分解算法。在对语音信号稀疏分解中使用的过完备原子库进行划分的基础上,将内积运算转换成互相关运算,并结合语音信号与原子是实的特性,利用Fast Hartley Transform（FHT）快速实现互相关运算。从而比利用FFT实现基于MP的信号稀疏分解节省一半的存储空间,提高分解速度约24.8%。此外,应用改进后的算法对语音信号进行特征提取,并结合语音信号的美尔（Mel）频率倒谱参数一起作为该信号的特征向量,通过Support Vector Machine（SVM）进行识别,最后通过实验验证了方法的有效性。     

基于MPSoC平台小波变换并行算法研究

快速小波变换是数字信号处理面临的一个重要问题,针对并行小波算法展开研究,缩减小波变换中卷积运算的规模,提高小波变换过程中的并行效能,以实现小波变换的快速并行计算。通过FFT矩阵代入计算,消去了并行计算过程中的同步通信,降低了乘法运算次数。对算法思想进行了理论分析,说明新算法在短小数据分段情况下能够减少50%~75%的乘法操作;通过搭建两种不同平台进行了对比测试,证明了算法的先进性与有效性。基于FFT矩阵的并行小波变换算法是一种稳定有效的经典小波并行算法。     

基于小波变换多分辨率特性的语音消噪方法的研究

小波分析是一种信号的时间——尺度分析方法,特别适合于非平稳信号的分析,具有多分辨率分析的特性,而且在时频两域都具有表征信号局部特征的能力。通过分析语音信号的特性,利用小波变换的多分辨率分析特性,提出了首先对信号进行清浊音判断,其次运用多尺度多闽值方法来抑制包含有噪声的语音信号在不同尺度上的噪声小波系数,从而实现在重构语音信号中消噪的目的,并通过计算机仿真结果验证了该方法的有效性。     

基于离散平稳小波变换的心电信号去噪方法

提出一种基于离散平稳小波变换的心电信号噪声去除方法,通过对心电信号进行多层离散平稳小波变换,根据噪声的不同来源及其频带分布特点,对变换后的细节信号采用不同的阈值去噪方案。该方法有效克服传统离散正交小波变换去噪时容易产生Gibbs现象的问题,从而达到保持心电波形特征且抑制噪声的双重目的。     

基于小波变换的信号去噪的应用研究

文章指出了小波变换去噪方法与一般意义下去噪方法的不同,讨论了小波变换算法的优越性,进而提出了利用小波算法对含噪信号进行逐层分析与重构,将原始信号分解为不同频带,滤除不需要的频带,最后用Mallat重建算法得到去噪后的信号,既有效地滤除了信号噪声,又保留了信号的突变性。大量的实验结果和进一步的分析表明,该技术应用在动力系统的去噪研究中将更加有利于系统的稳定运行。