应用“dmey”小波变换及遗传算法对重叠光谱分离研究

小波变换可以去除噪声信号,遗传算法具有全局搜索能力,可以任意逼近分析信号.本文将小波变换和遗传算法相结合来处理分析化学中的重叠信号,通过对模拟信号和实验信号的处理,结果显示小波变换和遗传算法能将重叠信号去噪、分离,可用于多组分样品信号重叠的分离研究.     

小波变换在轴承故障声发射信号降噪中的应用

噪声消除是小波变换最成功的应用之一，其基本思想是将信号的小波变换系数通过阈值处理，然后进行小波重构得到降躁的信号。根据故障轴承声发射信号的脉冲特性选取Morlet小波．以“小波熵最小”原则确定Morlet小波的波形参数，然后进行连续小波变换。采用软阈值方法处理小波东数，通过小波重构得到降噪后的故障声发射信号，噪声得到了很好的抑制，故障脉冲特征明显增强。采用实验数据，通过与离散小波变换的比较，得到了用连续小波变换可以有效降低噪声、提取故障声发射信号特征的结论。     

Mallat算法及其应用

Mallat算法是根据多分辨分析理论发展而成的小波分解和重构的快速算法,该算法在小波变换中的地位如同快速傅立叶变换在傅立叶变换中的地位一样,可以大大地降低小波变换的计算量,有利于对含有大量信息的音频,视频进行适时处理,从而将小波理论与工程应用联系起来,使小波变换真正成为继傅立叶变换后,处理非平稳信号的有力工具。     

小波变换用于示波计时电位信号处理的研究

本文根据小波交换所具有的时频局域化、分频和时移不变性等性质,将其用于未波计时电位信号平滑与去噪、重叠峰分辨、有用信息提取多方面的研究．结果表明：小波交换是一种优良的信号处理技术,可以明显改善示波分析的现状．     

用M带小波变换实现图像的边缘检测

小波变换是一种时频域信号分析理论，是信号分析处理的一种强有力的新工具。文中根据小波变换特点和边缘的时频空特性，在Ｍａｌａｔ关于小波边缘提取理论的基础上，将二通道小波变换的边缘提取问题推广到Ｍ通道小波变换的边缘提取，讨论和分析了如何利用Ｍ带小波来获取边缘的方法和实现步骤     

小波变换在信号奇异性检测中的应用

小波变换是近十年来迅速发展起来的学科,它与傅里叶变换相比,是一个时间和频率的局部变换.它的主要特点是将信号表示为不同尺度和不同位置的基本单元,而不同的基本单元表示原始信号中的不同信息成分,这种特点使小波变换成为一种高效的信号处理工具.在信号分析中,因为奇异点包含了比较重要的信息,因此信号的奇异性检测甚为必要.本文介绍了信号奇异性的小波变换检测原理,通过对仿真信号的分析表明在信号奇异性的检测中小波变换优于傅里叶变换.     

适于目标检测的宽带回波信号去高频方法

运用变换的方法进行雷达回波信号压缩前,为了减少变换系数的数据量通常要对信号进行去高频处理.针对宽带雷达回波信号小波变换系数数据量大、传统小波算法去高频容易产生漏警和虚警的特点,分析了经验模式分解(EMD)中各内模函数的特性,提出了一种基于EMD算法的宽带数字信号去高频方法,并将其应用于雷达回波宽带数字信号去高频处理,运用脉冲压缩技术比较了该方法和传统小波方法去高频效果.实验表明,该方法不仅有利于宽带数字信号的数据压缩,而且在减少信号高频成分的同时,能较好地保留信号中的目标信息.     

小波变换思想及其在信号处理中的应用

从傅里叶变换、短时傅里叶变换到小波变换的思想发展过程中分析了小波变换发展的必然性和重要性,并通过MATLAB仿真工具比较了三种变换在信号处理中的应用。实验结果表明,小波变换无论是对信号的时间定位还是对信号的频率定位都优于傅里叶变换和短时傅里叶变换。     

小波变换在雷达信号处理中的应用

，小波变换理论是傅里叶分析的重大进展，它已成为当今从应用数学到信号与图像处理等众多领域的研究热点。本文综述了傅里叶变换、加窗傅氏变换、小波变换的特性，讨论了将小波变换应用于雷达领域的前景。     

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.     

一种有效的宽带雷达信号压缩算法

针对宽带雷达回波信号采样数据量大、传统小波压缩算法保真度不高的特点,利用小波多层次变换系数之间的关系,提出了基于小波变换的自适应贪婪算法,并将其应用于宽带雷达回波信号数据压缩.将该算法与传统的小波多层次方法在对宽带信号的压缩性能上进行了比较,结果表明,基于小波的自适应贪婪算法对数据压缩保真效果优于传统的小波方法.     

基于分数小波变换的空域相关特性的信号降噪新方法

简要介绍了分数小波变换的基本思想及在信号处理方面的特点。利用分数小波变换系数在不同尺度上对应点处的相关性对其进行选择和处理,这样处理后的分数小波变换系数基本上对应着信号的边缘,然后对信号系数进行重构,达到了降噪的目的。以数值仿真和实测齿轮箱振动信号为例,研究了该方法的降噪效果,同时和小波包直接降噪进行了比较。结果表明,该方法能够有效降低振动信号中的背景噪声。     

信号的多通道多分辨分解

小波变换是近年来兴起的一种时频域信号分析理论，是信号分析处理的一种强有力的新工具。文中根据小波变换的特点，在Ｍａｌａｔ“二通道”多分辨分析的基础上，讨论分析了信号的多通道多分辨分析的理论和实现算法。给出了实验模拟结果，实验结果表明这一理论和方法对信号的处理分析是非常有用的     

DSSS系统中自适应时变小波包干扰抑制

提出了一种基于自适应时变小波包变换实现直接序列扩频通信系统时变窄带干扰抑制的方法。该方法在自适应时域分解的基础上,利用小波包变换多分辨分析能力和良好的时频特性进行频率分解,将有用信号和干扰分离,然后将受扰频带置零后进行小波包合成,达到滤除时变窄带干扰的目的。计算机仿真结果表明,该方法与非时变自适应小波包抑制技术相比较,以计算复杂度为代价,能更灵活有效地跟踪和定位时变干扰,提供较好的误码率性能。     

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.     

基于小波变换的随钻测试数据降噪方法研究

为消除随钻测试装置采集信号中的噪声,给工程人员提供准确的现场信息,提出了基于小波变换的方法对随钻测试数据进行降噪处理。首先,根据含噪声的随钻测试数据模型建立起小波变换降噪的基本流程。其次,在对含噪信号的小波变换特性分析的基础上,运用自相关函数对其在小波变换尺度空间中进行白噪声检验,确定小波最优分解层数。在分析对比小波降噪阈值的不同选取方式后,采用广义交叉确认理论来计算最优降噪阈值,从而在对信号降噪的同时还最大程度地保留了信号的有效特征成分。最后给出了基于该方法小波变换的随钻测试数据降噪的详细步骤,对实测的钻压和扭矩数据进行了小波降噪,取得了良好的降噪效果,为钻井工程后续分析提供了可靠的数据支撑,证明了本方法的优越性。     

采用小波变换分析光栅滤波特性

分析了小波变换(Wavelet Transform)方法在光栅中光信息处理的情况.结果表明:采用小波变换处理光栅滤波问题,比采用傅立叶变换更直接反映系统的光学特性,且可以很方便地处理空域、频域和空频域滤波情况.     

随机信号的小波分析(Ⅰ)

本文得到了随机信号的小波变换和小波表示,分析了其小波变换的奇异性。     

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。     

小波变换的齿轮泵故障分析

通过对齿轮油泵结构、性能的分析,以泵在正常运行和不同的故障状态下输出压力为信号,提出了基于小波变换的方法来提取和分离输出压力信号,并利用小波分解的方法诊断输出压力信号中包含的故障信息。以此对常用齿轮泵作仿真和试验,所呈现的压力信号三层小波分解系数均不相同,而第三层小波分解系数的差异尤其明显。因此,可利用第三层小波分解系数有效地诊断或甄别齿轮泵运行的状态和隐匿的故障,有利于掌握诊断的主动性,具有较强的实用性。