S变换时变滤波在去噪处理中的应用研究

针对常用的滤波去噪方法都受到使用条件的限制，实际资料的滤波去噪不能达到良好效果，S变换时变滤波克服了传统滤波去噪方法滤波因子不能随时间、频率变化而变化的缺陷。将地震资料用S变换方法变换到时频域，对不同时间内不同频率的噪声部分充零，再将去噪后的地震数据利用S反变换到时间域，以获得所需要的有效信号。通过理论计算分析和实例计算表明，S变换时变滤波能够有效去除不同时段、不同频率的噪声。该方法具有一定的可行性。     

基于智能终端的血氧信号处理算法研究

智能终端的普及为医疗领域开辟了新的天地,本文将智能终端与血氧饱和度的检测相结合提出一种基于智能终端的信号处理算法。该算法针对目前血氧饱和度检测中接收的脉搏波信号存在突变点、基线漂移、高频干扰等问题,对脉搏波信号的滤波算法进行了研究。主要包含以下三个方面:1)设计五点查找以均值代替法能准确剔除信号中的变异点。2)形态学方法和平滑滤波算法实现脉搏波信号(PPG信号)的基线矫正和高频滤波干扰去除。3)仿真验证算法的可行性,为智能终端上处理脉搏波信号提供重要的理论依据。实验表明本文提出的基于智能终端的信号处理算法有效处理了信号中存在的干扰,提取出了可用的脉搏波信号。     

保图像细节的DWAWMTMF算法

提出双窗自适应加权中值-截尾均值滤波算法。根据信号结构特征设计出自适应计算滤波参数的方法,该方法在抑制加性混合噪声和保图像细节等方面有优良的性能,综合性能优于3LH+、DWMTMF、ACWM。     

广义希尔伯特变换及其数字实现

基于广义Hilbert变换将传统的Hilbert变换由整数阶向分数阶的推广,其应用领域也得到了扩展。首先,在频域定义广义Hilbert变换,利用广义Hilbert变换来构造新的广义解析信号。然后从数字信号处理角度来考察理想的广义数字Hilbert变换器的基本性质及其数字实现。文中利用窗函数法和频率采样法设计了FIR广义数字Hilbert变换器,并分析了设计误差。     

Curvelet 域蒙特卡罗估计的随机噪声衰减

针对低信噪比地震资料进行噪声压制时, 传统滤波方法容易损伤有效波。研究认为, curvelet 多尺度多方向的分析能力可以有效分离随机噪声, 提出基于蒙特卡罗估计的自适应非线性阈值函数法衰减噪声能量, 实现在压制噪声的同时保持有效反射信息。模型算例及大巴山地区某地震资料的处理实例表明, 该方法能够有效地压制随机干扰, 同相轴连续性与剖面信噪比较传统小波方法显著提高, 一定程度上改善了常规滤波处理方法在压制噪声的同时对有效波的影响。     

SAR图像的边沿检测方法研究

针对合成孔径雷达（SAR）图像的特点,利用小波变换的高频分量能反映边沿细节的特性,提出了一种结合小波变换、中值滤波、自适应门限判决和微分梯度算子的边沿检测方法。实验结果表明,该方法具有良好的边沿检测效果和稳定性。     

数字化B超中的频率补偿滤波

超声在组织中的传播会随着频率和深度的不同产生不同的衰减。该文在建立超声回波信号的数学模型基础上设计了一种补偿频率衰减的滤波器,有效补偿了超声信号在传播过程中由于频率升高、深度增加而变大的吸收衰减。并且将频域运算移植到时域进行,从而避免了大计算量的时频变换。同时融入动态滤波技术,根据不同深度选择了不同的通带范围,有效地保证了信号的信噪比。     

小波变换在电压闪变信号检测中的应用

配电网中较大负载的炼钢电弧炉在运行过程中会对公用电网产生较大的冲击和干扰,本文基于小波变换具有良好的时频局部化特性,提出一种更为有效的电压闪变分析方法,利用小波变换的多分辨率分析方法,对电压闪变信号进行检波与分解,提取出电压波动信号的频率和幅值,从而得出反映电压闪变的参数.仿真实验证明小波变换是一种有效的电压闪变分析方法.     

基于多重同步挤压变换与深度脊波卷积自编码网络的滚动轴承故障诊断

利用传统故障诊断方法对滚动轴承进行诊断时,存在故障特征提取困难以及故障模式难以辨识的问题。针对此问题,提出了一种基于多重同步挤压变换以及深度脊波卷积自编码网络的智能故障诊断方法。首先,利用多重同步挤压变换处理含噪信号能力强、具有优越的时频分解特性的特点,将采集的轴承故障信号进行MSST处理,得到分辨率较高的时频图像。然后,利用深度脊波卷积自编码网络自身泛化性能强、能够有效挖掘数据特征的特点,建立深度脊波卷积自编码网络识别模型。将降维至适当大小的时频图像输入到该模型系统中,进行自动特征提取和故障识别。实验结果表明,该方法提取故障特征信号能力较高,并能够有效地识别出不同的故障类型。     

基于中值正交化准则的自适应滤波器

α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声。与其它统计模型不同,α稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在。针对系统中存在独立SαS噪声,本文提出了一种稳定分布环境下的基于中值正交化准则的自适应滤波算法。计算机模拟和分析表明,这种算法是一种在SαSG分布背景噪声条件下具有良好韧性的滤波方法。     

基于数/模变换技术的多种波形发生器的设计

介绍了一种基于数/模变换技术、集成化的多种波形发生器的设计方法.将周期性变化的连续信号经过采样、编码后,获得相应的波代码,波代码存放到EPROM存储器中,一片EPROM存储器可以存储多种波形的波代码,利用波形选择电路选择某种波形的波代码输出,经D/A转换器和放大器输出连续变化的模拟信号.电路中通过改变存储器输出波代码的速度来调节输出信号的频率,改变放大器的放大倍数来调节输出信号的幅值.     

基于改进EMD 的地震信号去噪

压制随机噪声是地震数据处理过程中的一个重要环节,目前大多数去噪技术都不同程度存在去噪效果差、易损伤有效信号等问题。利用经验模态分解可将信号自适应地分解为不同特征尺度固有模态函数的优点,及小波变换模极大值滤波方法对噪声的依赖性较小且适合于低信噪比信号去噪的优势,构造了一种经验模态分解与小波变换模极大值相结合的新的去噪算法,该算法很好地实现了地震有效信号与随机噪声的分离,有效提高了地震数据信噪比。将该算法应用于仿真实验和实际地震数据处理,结果都表明该方法明显优于常规经验模态分解去噪效果。     

极化SAR改进Lee滤波相干斑抑制研究

针对Lee滤波总存在降低相干斑与有效保持细节信息这一矛盾,将自适应窗引入极化SAR滤波。该方法首先在span图像中根据窗内像素与窗边缘像素分布特性决定是否扩大窗口,在均质区域选择较大窗口,保证了一定的相干斑抑制能力,而在细节信息比较丰富的区域则选择较小窗口,避免细节信息被滤除,然后在选定的窗口中利用极化Lee滤波对数据进行相干斑抑制,在保证相干斑抑制能力的同时保留了细节信息。     

变分模态分解和形态学滤波在滚动轴承故障诊断中的应用

针对滚动轴承早期故障信号易被强烈的背景噪声淹没及故障特征难以提取的特点,提出了基于变分模态分解(VMD)和形态学滤波相结合的滚动轴承早期故障诊断方法。首先利用VMD将早期故障信号自适应地分解为一系列IMF分量,然后选择峭度值最大的前两个IMF分量重构,并对重构信号进行形态学滤波,最后通过Teager能量算子计算重构分量的能量谱来提取滚动轴承的故障频率,判断故障类型。将该方法应用于滚动轴承仿真信号与实际故障数据中,分析结果表明该方法能够更加有效提取故障特征频率信息,实现了滚动轴承故障的精确诊断。     

基于数/模变换技术的多种波形发生器的设计

介绍了一种基于数／模变换技术，集成化的多种波形发生器的设计方法，将周期性变化的连续信号经过采集，编码后，获得相应的波代码，波代码存放到EPROM存储器中，一片ERPOM存储器可以存储多种波形的波代码，利用波形选择电路选择某种波形的波代码输出，经D／A转换器和放大器输出连续变化的模拟信号，电路中通过改变存储器输出波代码的速度来调节输出信号的频率，改变放大器的放大倍数来调节输出信号的幅值。     

基于多结构元广义形态滤波的改进算法

为对采用相同结构元的形态闭-开和形态开-闭这两种滤波器进行改进,采用了不同结构元的广义形态闭-开和形态开-闭滤波器。在此基础上,将一种新的结构元运用到广义形态滤波中,提出了一种滤波新算法。理论分析和图像处理仿真实验表明,该类滤波新算法既能有效地滤除噪声,又可充分保留原图像的细节信息。     

便携式抗干扰脉率血氧监测系统设计

设计了一种可应用于高原骑行等领域的脉率及血氧饱和度信息采集装置,具有低功耗、便携式、应用场景宽等特点,能在运动状态下实时采集人体血氧饱和度和心率参数。在光电容积脉搏波(photoplethysmograph,PPG)信号的处理方面,针对运动状态下低频频率混叠严重及环境光干扰较大的特点,通过改进双树复小波变换的阈值计算,较好地滤除了高频干扰及基线漂移并抑制了频率混叠的影响。经与改进前双树复小波变换、小波变换、经验模态分解(EMD)等医用脉率血氧仪中常用的滤波算法实验比较,本方法滤波效果好,信噪比高。经测试,血氧饱和度误差不超过4%,脉率误差不超过±4次/min,符合医疗标准。     

电能质量信号分析方法及其应用

傅立叶变换具有精确的频率分辨率,小波变换则具有将电能质量扰动进行准确时域定位的优点.为了解决电能质量监测中的实际工程问题,充分发挥傅里叶变换处理平稳信号和小波变换处理非平稳信号的优势,提出了基于时域、频域与小波变换相结合进行电能质量分析的方法.     

微弱高频CW信号的自适应滤波

高频电报(CW)是强噪声背景下战术应急通信的主要工作方式,由于高频信道是典型的随参信道,不可能事先已知干扰噪声的统计特性。该文提出了一种基于ARMA新息模型的CW信号自适应Kalman滤波方法,以解决高斯背景下高频电报系统干扰噪声方差未知的问题。根据CW信号的时频域特征定义状态空间随机信号模型,构造ARMA新息模型,通过在线辨识新息模型参数来估计Kalman滤波增益,实现CW信号的自适应跟踪滤波。仿真结果表明,该方法能够有效估计微弱高频CW信号时域波形,算法可递推实现,实时性强。     

基于多分辨率分析和改进离散余弦变换的音频水印算法

提出了一种基于多分辨率分析的音频水印算法.首先通过对音频信号进行小波分解得到信号的时变低频分量,然后通过扩频和改进离散余弦变换将水印信息分散嵌入低频分量;最后通过误差修正获得较高的水印提取准确率.该算法增大了水印信号的嵌入量,在保证水印安全性和隐蔽性的同时,对常见的信号处理还具有较好的鲁棒性.