小波变换在信号去噪中的应用

阐述了小波变换去除信号噪声的基本原理和方法。研究利用小波变换技术对信号噪声进行抑制和去除非平稳信号的噪声。实例证明,基于小波变换在非平稳信号噪声抑制和去噪分析中具有很好的应用效果。     

基于自适应阈值估计的模极大值去噪方法

针对小波模极大值去噪方法中信号模极大值点搜索困难以及小波系数重构过程中存在不稳定因素,本文着重研究了如何利用自适应 BayesShrink阈值改进其模极大值点搜索过程,并采用分段三次样条插值算法重构小波系数,形成一种基于自适应阈值估计的模极大值去噪方法.实验结果表明该方法能够准确地提取有用信号,并提高了模极大值点的搜索...     

低信噪比下相位编码信号脉内特征提取新方法

针对低信噪比条件下相位编码信号的相位估计容易受噪声影响的问题,提出了将自适应阈值消噪技术与小波变换结合起来的新方法.首先利用连续小波变换计算信号的小波谱,再对小波谱进行自适应阈值消噪处理,进而提取小波谱脊线,得到相位编码信号的脉内调制信息.计算机仿真验证了该方法的可行性.     

基于最大信噪比的带噪测控信号分离算法

在实际卫星测控信号侦察中,混合副载波信号分离比较困难,且耗时较长.为此,提出一种基于小波变换和最大信噪比的副载波盲分离算法.先利用小波阈值算法对混合带噪信号进行消噪处理,然后采用基于最大信噪比的盲分离算法对消噪后的信号实施分离,最后得到测控副载波信号的估计.MATALAB仿真结果表明,该算法计算复杂度低,耗时短,能够较...     

液体火箭发动机启动段振动信号的小波去噪

液体火箭发动机试验启动段的振动信号中包含有大量的噪声分量,通过小波变换的Mallat算法对振动信号进行去噪处理,并通过试车数据对采用的方法进行验证,取得了良好效果,显示了小波去噪在振动信号去噪领域的广泛应用前景。     

微惯性测量单元信号小波自适应滤波仿真研究

针对微惯性测量单元信号进行小波多分辨率分析后在各尺度空间呈现的不同特性,提出了一种分解层数和阈值门限自适应选取的滤波去噪方法,同时采用具有紧支集特性的Daubechies正交小波基和改进的阈值函数,自适应选取分解层数并逐层进行阈值自适应滤波,然后经小波逆变换重构原始信号,最后应用实际的M IMU信号进行滤波仿真。实验结果表明该方法能有效消除M IMU信号随机误差,大幅改善其零偏稳定性和信噪比,且算法简练通用性强,有很强的实用性。     

基于遥测信号的小波变换与数字滤波联合滤波方法研究

为了弥补数字滤波器不能滤除遥测信号通带内噪声的不足,提出小波变换与数字滤波联合滤波的方法。重点讨论数字滤波器的选择、小波滤波分解级数的确定和小波消噪中阈值的选择。将该方法应用于遥测信号滤波,取得了较好的效果。     

基于贝叶斯估计的非平稳SAR图像自适应小波滤波

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量、降低图像的可判读性。本文提出的滤波方法，将通用小波阈值滤波方法和基于图像局域统计特性的滤波方法相结合。针对非平稳SAR图像的不同区域采用不同的方法调整小波系数，具有自适应能力。分析了噪声在小波变换域中的分布和统计特性，用高斯混合模型来对其进行描述。采用期望最大似然(EM)算法迭代出小波系数的分布参数。最后用贝叶斯估计得出真实图像的小波系数。在仿真实验中，将该方法与经典的局域统计方法以及通用的小波阈值去噪方法进行了比较。结果表明，本文的方法能对非平稳SAR图像进行更有效的滤波。     

小波阈值滤波在过滤PPG信号时的误差分析

近年来,随着人们对心率变异性的认知越来越深入,各种分析心电数据的算法应运而生。小波变换技术在识别RR间期过程中的起到了非常重要的作用。然而小波变换本身存在一定的误差,这种误差产生的原因是由小波变换的本质决定的。该误差对测试数据的影响,需要具体情况具体分析,不能一概而论。本文分析了小波阈值滤波在过滤PPG信号数据时产生误差的原因,并给出了这一误差的实际测试结果。     

基于局域波分解的微机械陀螺信号提取研究

在某型微机械陀螺实测数据的基础上,提出采用局域波分解的方法进行陀螺信号提取研究。根据局域波分解的滤波特性,采用一种新的滤波方式。首先将某一时刻的多个瞬时频率分解到不同的基本模式分量中,对信号进行局域波分解;根据分量相关系数判别噪声;对分量进行时域尺度滤波,得到重构后的去噪信号,进而得到陀螺真实信号。在实测数据上,通过局域波分解和小波变换进行信号提取对比分析,试验表明,两者均能很好的信号去除噪声,提取陀螺信号,但硬件实现上局域波分解更容易,更有实际工程意义。     

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。     

基于平移不变量的激光陀螺信号快速滤波方法

为提高激光陀螺的测量精度,提出了一种平移不变量小波快速滤波方法。对信号作循环平移,进行软(硬)阈值小波消噪处理再作逆平移,通过多次“平移——滤波——逆平移”过程,最后平均所获结果,有效消除软阈值小波滤波中的伪吉布斯现象。讨论了算法中平移量对滤波效果和计算复杂度的影响。用Allan方差法对一组激光陀螺实测零漂信号的不同方法滤波效果分析结果表明,该滤波法能在不影响滤波效果的前提下较大幅度减少计算量。     

小波变换在弹箭遥测数据处理中的应用

由于遥测参数的时变性和各种干扰的影响，传统的Ｆｏｕｒｉｅｒ分析往往不能给出令人满意的处理结果。小波变换是一种同时在时间（或空间）域和频率域内进行局部化分析的新方法；利用小波变换及其自适应性，可以在不同的分辨率下分析和处理数据，尤其是处理非平稳信号。本文介绍小波分析的基本原理，说明利用小波变换将遥测信号在时频平面上表示的方法。在此基础上，将小波变换应用于实测遥测数据的分析和处理，从被噪声淹没的数据中成功地恢复出冲击信号，提高了箭遥数据的信噪比。     

基于半参数回归模型的批处理确定卫星轨道方法

由于卫星轨道观测数据中含有非线性影响因素,必然会降低定轨精度。在半参数 回归模型的基础上,应用小波阈值去噪算法估计并消除观测数据中存在的非线性影响因素, 提出了基于半参数回归模型的批处理确定卫星轨道的方法,以提高定轨精度;然后,在理论 上证明了在测量数据存在非线性影响因素的情形下,基于半参数回归模型的批处理确定卫星 轨道方法的定轨精度高于经典的批处理定轨精度;最后,对中低轨卫星应用批处理定轨进行 了仿真。结果表明：基于半参数回归模型的批处理确定卫星轨道方法分离出观测数据中的 白噪声和非线性影响因素,从而可以在观测数据中消除非线性影响因素,提高定轨的精度。     

基于Daubechies小波的X射线脉冲星信号降噪研究

针对X射线脉冲星弱信号埋没在强噪声中,在短时间内周期叠加的脉冲轮廓的信噪比低,影响脉冲到达时间的估计精度和效率,提出基于Daubechies小波的X射线脉冲星信号降噪的算法。在对RXTE观测数据预降噪处理和周期叠加的基础上,采用Daubechies小波算法做降噪处理,使得较短的时间内仍能获得高信噪比的脉冲轮廓。利用RXTE观测数据进行验证仿真,结果表明,该算法能有效滤除X射线脉冲星信号所包含的设备及空间环境的噪声,在保证脉冲到达时间精度的情况下,缩短了观测时间,提高X射线脉冲星导航的效率。      

靶场时统中自适应Loran-C接收机的研究

针对运载火箭的时间同步问题,提出了一种基于ESPRIT算法估计Loran-C接收机天波延迟的信号处理新技术,为设计具有自适应调节最佳采样点的Loran-C接收机打下良好的基础。利用频谱相除技术构建了延迟时间测量的信号模型,研究了频谱相除后信号的幅频特性。针对通带外噪声被放大的现象,提出频域加窗的措施。最后,提出用ESPRIT算法估计了天波延迟,避免了诸如AR、ARMA、MUSIC等算法在整个时域计算参数的弊端,更适合于适时应用。仿真结果表明,频域加窗影响识别天波的分辨率,ESPRIT算法能够正确估计天波的延迟,而且比FFT具有更高的分辨率。