小波包变换在股市预测中的应用研究

应用小波包变换对股市预测进行了研究,提出了股市预测的小波包方法。首先将股指时序进行小波包分解,并对分解后得到的各部分进行混沌判别,以确定其混沌特性;然后对各部分分别建立混沌模型进行预测;再将混沌模型预测的结果进行小波包重构,则得到原始时序的预测结果。对上证综指日收益率进行了单步预测和多步预测研究,效果很好。     

基于小波包变换相关性的信号降噪方法及齿轮故障诊断

介绍了小波包变换的基本思想，将新型小波包变换滤波器与信号重采样结合，提出了一种新的小波包降噪方法，研究了该方法的降噪效果，同时比较小波包直接降噪和小波包重构滤波器的降噪效果。将该方法用于齿轮箱的故障诊断，结果表明，该方法能够有效识别齿轮箱中的齿轮典型故障。     

改进的FastICA算法在地震数据去噪中的研究

为了有效去除地震数据的干扰噪声,采用FastICA算法进行降噪处理。地震数据的有效信号和噪声是非线性混合的,不满足FastICA算法使用的线性混合条件,提出了一种改进的FastICA算法进行地震数据降噪。该方法首先利用小波变换将地震数据分解到不同尺度空间上,然后设计了一种新的阈值降噪函数,并将FastICA和小波变换进行有效结合,对不同尺度空间上的噪声进行消除,通过小波重构恢复有效信号,利用仿真实验确定了新算法的分解层数为3。将改进的方法进行实际地震数据降噪处理,结果证明改进的方法能有效去除地震数据的各类干扰噪声,通过信噪比得出改进的FastICA较原始FastICA降噪效果更理想。     

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。     

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.     

基于自适应Morlet小波变换滚动轴承声学故障诊断的研究

基于声音信号的测试与分析是滚动轴承故障检测与诊断的一种新方法,提出了基于自适应Morlet小波变换诊断轴承声学信号故障的新方法。首先利用最小Shannon熵对Morlet小波的形状参数进行优化,找到与所测声音信号特征成份最匹配的小波,再对小波系数矩阵进行奇异值分解,通过奇异值与变化尺度的关系曲线得到最佳小波变换尺度,最后对滚动轴承故障信号进行Morlet小波变换进行故障特征提取。结果表明:该方法能有效地从强噪声背景下提取出轴承声学信号的故障。     

高速自适应干扰抑制系统及实现技术研究

针对码率较高、实时性强的扩频抗干扰接力通信系统的窄带干扰抑制问题，提出了一种基于ＤＳＰ器件并行实现的自适应干扰抑制滤波器的设计。该系统是针对ＤＳＰ器件的特点，采用ＴＭＳ３２０Ｃ３０数字信号处理器及ＩＭＳＡ１１０专用滤波器并行处理的设计方法，实现了最高数据吞吐率为２０Ｍｂｐｓ的自适应滤波器，从而为高速实时自适应干扰抑制滤波器的实现提供了一种有效的途径。     

小波包与混沌集成的股票市场预测新方法

基于小波包变换和混沌理论提出了一种股票市场建模及其预测的新方法,既能刻划时间序列的规律,又能捕捉混沌状态的特征。首先,应用小波包变换对上证综指和深证成指日收益率序列进行三层分解,分别得到第三层从低频到高频八个频率成分的时序,并在此基础上作进一步分析,结果表明中国股市存在混沌特性;然后,应用混沌理论分别建立从低频到高频八个时序的预测模型,分别对八个时序进行预测;最后,基于小波包理论对混沌模型预测的结果予以重构,实现对原始收益率序列的预测。与现有方法比较,该方法具有较高的精度和较大的应用范围。     

不同小波基下的SAR图像相干斑抑制性能分析

分析了合成孔径雷达(SAR)图像中相干斑(Speckle)的统计特性。基于小波变换(WT),给出了一种多尺度的Speckle滤波方法,该方法利用小波分解后的HH分量(低频分量)作Speckle抑制,得到图像Speckle的相当大的改进。文中还对不同的小波基进行了理论分析,并利用实验数据,从等效视数(ENL)角度进行了比较,证实了不同小波基下该方法对Speckle具有较好的抑制性能。     

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。     

液压系统故障信号的小波包检测方法

提出了一种利用小波包检测调速阀故障信号的方法。通过小波的小波包分析将信号按一定的尺度进行划分,不同频率的信号被划分到不同的频段中。由经过预处理的信号经过小波包分解与重构后,可以得到小波包重构图,由图中可以获得故障产生的时间点和频率,再对故障的严重程度进行了量化分析。实验结果表明用小波包理论进行故障检测是可行的。     

小波分析在管理数据处理中的应用

提出了一种基于小波变换的管理数据处理方法，把公司管理上的数据看成一个非平稳的时间序列，利用小渡函数将该时间序列分解到不同的频率通道上，然后将分解后的信号当作近似的平稳时间序列，用一些传统的统计方法进行预测，同时对中国足球彩票若干期的销售量数据进行了处理和预测，并将结果与实际销量以及用传统的AR模型的预测值进行了比较。     

基于经验模式分解和移动平均的金融时间序列分析

将经验模式分解理论应用于金融时间序列分析中,建立了一种新的基于经验模式分解和移动平均的综合分析模型。经验模式分解基于信号的局部特征时间尺度,能把复杂的信号分解为有限个基本模式分量之和,是一种完全在时域中进行的自适应分解,克服了小波等分解分析方法中的基函数选择问题,非常适用于非线性和非平稳过程的分析。股市分析实例表明,该模型能有效提高股市波动信号的信噪比,揭示股市价格的内在运动规律,增强分析结果的可靠性,在金融时间序列分析中具有很高的应用价值。     

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.     

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．     

小波与相关函数算法在矿山震源定位中的应用

针对矿震震相提取分析中震相信号提取困难、噪声影响大、精度低等问题，提出从小波时频分析和统计学的角度，根据小波域内矿震信号与噪声的不同特性以及不同采集通道间信号具有相关性特点，采用小波阈值滤波算法和相关函数算法对矿震信号进行计算，得到了各个采集通道间较准确的波到时差。试验结果表明，该算法对高斯噪声和其他非相干噪声具有抑制作用，能够有效提高计算结果的精度。     

小波分析在测井裂缝识别中的应用

针对井下裂缝发育层段识别的难点,提出了用小波分析的方法分解声波时差信号,使井下的岩性与微观结构特征信号、流体性质信号、裂缝响应信号和随机干扰信号互相分离,直接重构出反映裂缝发育的声波高频信号,从而避免许多声波低频信号的影响,正确识别裂缝发育情况。用同样的方法分解双侧向电阻率信号,重构出电阻率测井各个层段的低频信号,直观地反映深、浅侧向的差异情况,有效地识别裂缝发育层位。最后结合高频声波信号和低频电阻率信号,识别出裂缝发育层段。应用表明,该方法与岩芯观察有很好的一致性。     

信号测不准原理的量子诠释

根据量子力学的测不准原理,采用力学量算符的方法得到了信号在时频分析时的测不准原理,并对该原理进行量子诠释,认为信号在某种意义下可以看作是一个存在波粒二重性的类量子系统,正是由于信号的波粒二重性导致无法同时准确地测定信号的时间和频率。在证明信号测不准原理的同时得到了信号的频率算符,该算符具有广阔的理论应用前景。信号的量子诠释在揭示信号量子本质的同时,为量子力学中的理论框架应用于信号处理提供了理论支持。     

子波变换在超宽带雷达中的应用

介绍了连续子波变换的定义和性质：基于子波变换在时域和频域的良好局部化性质;研究其在宽带信号的相关处理和超宽带雷达目标特征提取两个方面的应用,理论分析和试验结果表明,在超宽带雷达信号处理中,宽带相关处理相当于时间尺度域的匹配滤波,采用连续子波变换从频域采样数据中提取目标散射中心是一种较为鲁棒的方法。