一种改进的小波去噪算法研究

根据信号与噪声在小波变换下的不同特征,可以运用小波变换来消除噪声。模极大值小波域消噪算法只能采用二进制尺度分解,这限制了一些信号的分析结果。针对该不足进行了改进,采用自适应选择分解尺度代替二进制尺度分解尺度。     

暂态信号的小波包去噪方法

针对暂态信号的时频分布特点，提出了采用小波包的去噪新方 法。首 先采用小波包变换对暂态信号进行多尺度分解，搜索子频带范数随尺度变化而增大并达到峰 值的子频带，然后对子频带内的小波系数进行阈值处理，最后进行信号重构。理论分析和实 验结果表明本方法简单、有效。     

一种改进的小波去噪算法研究

根据信号与噪声在小波变换下的不同特征，可以运用小波变换来消除噪声：模极大值小波域消噪算法只能采用二进制尺度分解，这限制了一些信号的分析结果。针对该不足进行了改进，采用自适应选择分解尺度代替二进制尺度分解尺度，     

基于小波变换与自适应滤波的EEG信号的提取

本文提出了对非平稳的EEG信号的降噪和提取方法。小波变换是一个多尺度的时频分析方法,利用小波变换对预处理后的EEG信号进行多尺度分解,并与自适应滤波相结合进行消噪。用AR模型对复原的EEG信号进行谱估计。根据从人体的大脑皮层采集得到的数据,利用MATLAB进行了仿真实验,得到了比较满意的结果。     

基于计算智能的损伤检测研究

本文将计算智能(CI)现代信号处理方法有机地结合起来进行损伤检测,提供了一种机械传动系统故障诊断方法。采用离散小波分解和小波包变换,分别对去噪后的信号进行分解,对齿轮不同状态下的信号进行了研究。重构了小波变换后的各层信号,并计算了各层信号的能量,得到了信号的能量分布特征。分别利用小波分析与神经网络相结合和小波包变换与支持向量机相结合的计算智能算法对获得的齿轮特征信号进行了分析、识别和比较。研究表明,该方法可以很好的用于设备损伤检测领域。     

基于小波包变换的电力谐波参数测量方法研究

传统的基于傅立叶变换的电力系统谐波分析方法难以快速、准确对非平稳暂态谐波进行实时分析检测,小波变换因其良好的时频局部化特性,成为电力系统谐波分析的有力工具。文章提出一种基于小波包分解系数重构算法的谐波分析、测量方法,小波包变换建立在小波变换的基础上,实现信号频带的均匀划分,能更好地提取信号的时频特性。通过仿真试验证明了这种新方法的可行性与正确性。     

基于小波包滤波的焊接电源电流信号处理方法研究

逆变焊机通常工作在高压、大电流、强干扰的恶劣环境中,从焊接电源中滤除噪声获得有价值的电源信号是保证焊接性能的关键。首先分析了脉冲宽度调制(pulse width modulation,PWM)驱动原理,并在此基础上提出了一种基于小波包滤波方法对PWM电流信号中噪声进行处理。通过塔式分解方法实现快速离散小波包变换,由离散卷积方程得到小波包分解系数,实现了滤波算法重构。最后的仿真结果表明,本文提出的方法能够有效的滤除焊接电流中的噪声,获得有价值的信号,保证了焊接系统的高速、安全稳定运行。     

小波分析在图像压缩中的应用

小波分析是一种多层次分解函数的数学工具,图像信号(数据)经过小波变换后可以用小波系数来描述,小波系数可以从不同尺度,不同分辨率上体现图像的概貌信息和图像的局部细节信息。因此,基于小波变换的图像压缩算法,压缩效果良好,在未来会有广泛的发展空间。     

基于小波分析的一维信号消噪

小波分析具有的时一频双尺度分辨率特点，是信号处理领域中比较活跃的理论。含噪信号经过小波变换处理后，语音信息和噪声分别集中在小波变换尺度频率不同部分。根据这一特点，我们利用小波变换对信号进行除噪处理，本文主要介绍了除噪原理和方法以及利用Matlab软件对其的可视化仿真。     

弱小目标检测算法的设计与分析

本文提出的弱小目标检测算法,首先利用小波包对图像进行多尺度分解,保证得到更适合于弱小目标信号的时频相平面。然后为了更好的消除噪声的干扰,给出了高斯判别准则,利用该准则对小波包树上的节点,自下而上地进行高斯性检验,并将相邻四个全高斯性小波包系数进行合并,得到图像的最优划分。     

A structural property of the wavelet packet transform method to localise incoherency of a signal

This paper proves a general structural property of the wavelet tree for a given seminorm in the context of the wavelet packet transform method. This structural property can be used in denoising algorithms of different applications to guarantee the optimality of novel search strategies. The property holds for any input signals using any orthogonal analysing wavelet families. The property holds for any norms, which results to be a convex function through the wavelet tree. Using a defined norms, seminorms or pseudonorms, this property can be used to detect incoherent parts of an input signal by using the minimal depth of the tree. In this sense the proposed denoising procedure works without thresholds for the localisation of different kinds of noise, as well as for a stop criterium for an optimal representation of the incoherency. The proof of this property is performed by mathematical induction and the demonstration is based on orthonormality with the help of the multiresolution framework aspects of the wavelets packet tree. The Theorem is independent of the definition of the adopted norm and of the incoherent part of an input signal. In this sense, the discovered property is a general one, which is related to any norm and any nature of the signal incoherence. It can be used in different applications, in which a minimum of a norm is required to be calculated through the wavelet tree.     

基于小波包与自适应预测器的音频隐写分析方法

提出一种基于小波包与自适应预测器的音频隐写分析方法,主要用于检测加性噪声模型.利用加性噪声对音频高频部分比低频部分影响显著的特点,对音频信号进行小波包分解;然后利用最小均方(LMS)自适应预测器对高频小波包系数进行预测,选取预测误差的统计量作为统计特征;最后采用支持向量机分类.实验证明,对于常用的加性噪声隐写方法,即使在嵌入强度或嵌入率较低的情况下,也能达到较高的分类准确率.     

重载铁路货车轴承突发性损伤类故障检测

重载的铁路货车滚动轴承极易出现损伤类故障,因故障的突发性使得振动信号具有非线性、非平稳的特性,且振动信号极易受非检测部位振动的干扰,而使得有效信号不易被提取,传统的基于傅里叶变换的检测方法无法有效将非平稳的振动信号中的干扰去除,造成最终的检测准确率不高的问题。为了提高检测准确率,提出基于小波包的检测方法,首先针对振动信号的非平稳特性采用小波滤波有效去除其中的干扰,然后通过最小二乘支持向量机提取出非平稳振动信号中的故障特征信号并完成故障检测。实验表明,这种方法能够有效去除振动信号中的干扰,并准确检测重载铁路货车上的滚动轴承损伤故障。     

An adaptive high-voltage direct current detection algorithm using cognitive wavelet transform

This paper proposes an algorithm that uses wavelet level adaptive decision-making for detecting high-voltage direct current (HVDC) discharge in wavelet transform cognitively. The identification and detection of HVDC discharge is an essential area of investigation, which contributes to ensuring pipeline safety and the optimal operation of an electrical power system. The proposed algorithm overcomes the wavelet packet transform’s disadvantage of needing to determine the level in advance. The decomposition level of wavelet packet transform is controlled by calculating relative wavelet energy change to decide its wavelet level. Our proposal extracts richer features of HVDC discharge by comparing other feature extraction algorithms. To select the best-suited mother wavelet function, we also design a selection method based on quantitative and qualitative approaches. An additional objective of this study is to detect the phenomenon of HVDC discharge using CP time-series data to assess the corrosion of energy pipelines. Moreover, a third primary discovery is that a wavelet-based application framework is designed to detect the HVDC discharge and further protect the energy pipeline. These discoveries can be valuably applied to the protection of power systems. They also provide brighter perspectives on future opportunities to expand on studies-to-date on the detection and classification of time-series data.     

一种基于多通道分解的图像测试信号设计方法

HVS中多通道分解模型用于度量误差图像空间尺寸的视觉感受,为了降低主观评价实验方法的条件要求,建立了一种基于多通道分解的图像测试信号设计方法。该方法通过控制白噪声在频域存在的区间,即白噪声经正交变换、掩膜量化矩阵,产生信噪比相同且空间尺寸不同的测试图像信号。分析和实验表明,多通道分解测试图像信号产生一对与高频和低频对应的误差图像,其信噪比基本相等但其空间尺寸的视觉感受不同,有利于考察与视觉感知相吻合的图像评价方法。     

小波包降噪在工业信号预处理中的应用

针对工业过程数据含有噪声干扰的特点,本文提出了基于小波包分解的阈值降噪方法进行数据的降噪处理。以化工过程数据为例,通过MATLAB仿真实验,对比了小波包降噪、小波降噪、中值滤波三种方法的降噪效果。结果表明:小波包降噪具有明显的优越性。     

基于随机森林的数据融合架空输电线路铁塔损伤识别

架空输电线路铁塔结构是我国主要的输电方式,一旦发生损伤破坏将造成严重的经济损失。本文提出了一种基于随机森林的数据融合架空输电线路损伤识别方法。首先,采用多个传感器获取铁塔在不同损伤位置和程度上的振动加速度信号,并运用小波包对其进行多层分解;然后,将提取出来的各频带能量值构成特征向量输入到相应的随机森林进行训练和测试;最后,将多个随机森林分类器的次级决策进行数据融合,做出最终铁塔损失情况决策。应用该方法对500kV高压输电铁塔模型进行试验,并与单一分类器相比较。通过对实验数据的分析表明,该方法对铁塔损伤的识别效果优于单一RF分类器,可以有效地改善单一分类器的识别能力。同时也表明该方法具有较好的分类效果和容错能力。     

Modeling switched circuits based on wavelet decomposition and neural networks

In this paper, switched circuits are modeled based on wavelet decomposition and neural network. Also describes the usage of wavelet decomposition and neural network for modeling and simulation of nonlinear systems. The switched circuits are piecewise-linear circuits. At each position of switch the circuit is linear but when considered all switching positions of the circuit it becomes nonlinear. An important problem which arises in modeling switched circuit is high structural complexity. In this study, wavelet decomposition is used for feature extracting from input signals and neural network is used as an intelligent modeling tool. Two performance measures root-mean-square (RMS) and the coefficient of multiple determinations (R²) are given to compare the predicted and computed values for model validation. The evaluated R² value is 0.9985 and RMS value is 0.0099. All simulations showed that the proposed method is more effective and can be used for analyzing and modeling switched circuits. When we consider obtained performance, we can easily say that the proposed method can be used efficiently for modeling any other nonlinear dynamical systems.     

基于小波包分解的数字图像水印算法研究

通过Shannon熵算法采用自下向上的搜索方法选取最优小波包基,分别对原始图像和水印图像进行小波包分解,把水印数据嵌入选定的原始图像小波包基中。经攻击实验表明,应用本算法所实现的水印不可见,较好地保持了图像的质量,同时显示了较强的鲁棒性。