基于小波变换的自适应多用户检测算法

在分析传统自适应多用户检测的基础上 ,提出了一种基于小波变换的自适应多用户检测算法。用小波变换进行前处理 ,然后再通过 LMS算法实现自适应多用户检测。与通常的自适应多用户检测算法相比 ,该算法利用了小波变换对小波空间进行了分解 ,信号经小波变换后自相关性会下降 ,收敛速度提高。同时在此分解过程中 ,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明 ,该算法收敛速度较快 ,计算量增加较少 ,易于实时实现 ,而且具有良好性能。同时仿真实验表明 ,收敛速度与小波基选择有关 ,对于同一小波基系列 ,小波基的正则性越好收敛速度越快     

基于Contourlet变换的子带自适应图像去噪

Contourlet变换是继小波变换之后的又一新变换。由于Contourlet变换的多尺度和多方向特性,能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示.本文提出一种基于Contourlet变换子带自适应图像的新颖去噪算法。该算法核心是估计无噪期望信号的概率。即结合无噪子带系数的广义Laplacian模型和加性高斯白噪声的概率估计,分析每个子带信号概率为固定的情况。实验结果显示这种新的子带自适应图像去噪算法优于Bayesian wavelet shrinkage和ContourletHMT算法。     

基于二进小波变换的磁共振图像去噪新算法

针对传统去噪方法在降低噪声的同时会模糊图像边缘的缺点,提出了一种基于二进小波变换的噪声抑制新算法.利用小波系数的区域相关性,将要处理的小波系数置于由它周围的系数组成的可变窗口内,由窗口内所有小波系数的值来决定该系数的处理方式.由于离散小波是非平移不变的,因而重构过程中会出现人工噪声.为了避免这个问题,本文采用了具有平移不变性的二进小渡变换.实验结果表明,该方法较之传统去噪方法有更高的去噪精度,可以有效降低噪声,同时较好地保持图像细节和边缘信息.     

声发射在微铣削过程中监测刀具破损的应用

应用声发射传感器对微铣削过程中的刀具状态进行监测。通过结合传声器传感器,利用小波分析,声发射传感器能更精确有效地监测刀具破损的现象。分别在几种不同的工件材料进行了声发射监测实验。通过该声发射监测刀具破损技术采集得到信号,再利用小波分析对实验数据分析。结果表明,在微铣削中利用声发射信号来监控刀具状态的可行性。     

一种基于纹理特性的自适应彩色图像水印方法

根据人眼的视觉系统特性,结合二维离散小波变换的多分辨率分析特性,纹理特性,提出一种小波零树结构的自适应彩色图像水印嵌入算法。该算法精选小波零树,对重要小波系数进行分类。并根据人类视觉特性和纹理特性,对不同类采用不同的嵌入方法。实验结果表明:该文提出的算法有较强的抵抗JPEG压缩攻击能力,并且对噪声、滤波、剪切等图像处理操作也取得了良好的鲁棒性。     

基于声发射技术的搅拌摩擦焊接工具磨损监测

为在线监测搅拌摩擦焊接过程工具磨损状态,本文基于虚拟仪器技术设计了一套声发射在线监测系统,结合声发射传感器、数据采集卡及信号调理器实现了对搅拌摩擦焊接加工过程中声发射信号的采集。实验中采用带有螺纹的搅拌针工具来焊接7075铝合金,并利用自主开发的在线监测系统采集焊接过程中的声发射信号。然后对采集到的声发射信号进行小波包分解处理,计算分解后各频段能量所占百分比,并提取能量分布规律作为信号特征。研究表明:搅拌摩擦焊接工具在不同磨损情况下具有不同的声发射信号特征,小波包分解处理表明搅拌头磨损轻微时,低频段能量占比较高;相反,搅拌头磨损严重时,低频段能量占比较低。     

TB6钛合金疲劳试验过程中的声发射信号特征

随着直升机应用越来越广泛,其内部关键部件在高强度运行中疲劳裂纹的检测愈发显得重要,常规无损检测技术无法对裂纹的产生与变化进行实时监测。通过对直升机常用部件材料TB6钛合金进行疲劳断裂试验,使用声发射检测技术采集试验过程中的声发射信号,采用小波能量系数经历图分析方法,综合特征参数经历图分析和小波分析对信号的特征变化进行研究,研究表明:该材料的疲劳断裂过程经历了四个阶段,各个阶段的声发射特征量有明显转折点,裂纹开始萌生时可以观察到声发射特征参数和小波能量系数有明显跳变,声发射信号的中心频率随时间推移有向高频移动的趋势,这些特征规律为TB6钛合金部件的声发射动态监测和健康评价提供了参考依据。     

基于小波分解的模极大值算法在钛合金超声检测信号去噪中的应用

本文针对钛合金超声检测信号中普遍存在的噪声过大、信噪比过低的现象，结合钛合金超声检测信号与材料散射噪声信号的产生特点，构造了一组数学模型，并提出了基于小波分解的一种改进的模极大值去噪算法。该算法利用小波分解中的低频系数来确定信号位置，在高频各尺度系数的对应位置寻找相应的频率信息。以达到提取信号去除噪声的目的。实例分析表明：该模型能基本反映超声检测信号的特点，而且此算法对钛合金超声检测信号去噪效果比较理想。     

粗晶材料超声检测信号的小波变换去噪方法

本文研究多尺度小波分析方法在粗晶材料超声缺陷信号增强中的应用。在分析晶粒噪声和缺陷信号频谱分布的基础上，提出一种基于小波变换系数软阈值处理再重构的方法来提高信噪比。实验结果表明，该方法具有很好的去噪效果，增强了缺陷的检出率。     

基于小波帧变换的多聚焦图像融合算法

提出了一种基于小波帧变换的多聚焦图像融合算法,本算法首先对图像进行小波帧变换,然后利用多聚焦图像的特点,采用区小波能量取大原则对高频系数进行融合,采用区域空间频率取大原则对低频系数进行融合,并进行一致性检验,最后通过重构得到融合图像.实验表明,该算法相比于传统小波变换法,具有更好的融合效果.     

基于小波变换与局部离散度的多聚焦图像融合算法

提出了一种基于小波变换与局部离散度的多聚焦图像融合算法。首先对不同聚焦图像进行小波变换,然后采用局部离散度准则对各个方向上的高频系数进行融合,采用重要度准则对低频系数进行融合,最后对融合后的小波系数进行重构,得到了很好的融合图像。实验结果表明,融合效果优于取绝对值大的小波系数和区域方差准则的融合算法。     

基于二进小波阈值决策的血管内超声图像噪声抑制

针对血管内超声图像中血液散射引起的斑点噪声,提出了一种基于小波多尺度分析的非线性去噪算法,在二进小波变换域分别采用软阈值滤波法和硬阈值滤波法对不同尺度的小波系数进行非线性处理,并根据二进小波分解结构提出了一种局部阈值估计方法.实验结果表明,该方法在抑制血流斑点噪声的同时也较好地保留了图像边缘,有助于识别管壁和周围组织.     

小波变换压缩感知在断口图像重构中的应用研究

基于小波变换压缩感知的独特优势,即小波系数的稀疏性和突破奈奎斯特采样定理的局限性,将小波变换压缩感知应用于到断口图像的处理中,提出了基于小波变换压缩感知的金属断口图像重构方法。该方法利用小波变换对断口图像进行稀疏采样,然后,设计随机测量矩阵对图像进行压缩,最后,通过OMP或ROMP算法对断口图像进行重构。同时,对比分析了OMP和ROMP两种重构算法。研究结果表明,在压缩比达到一定程度时,两种重构算法都能得到较好的重构图像,相对来说,ROMP重构算法优于OMP算法,得到了更高的峰值信噪比(PSNR),并且ROMP算法的重构时间大大缩短,且表现较为稳定。     

基于Contourlet域SOT结构的SAR图像相干斑抑制算法

把SOT结构引入到能够最优表示图像的Contourlet变换中,结合Contourlet系数域的结构特点和SAR图像相干斑乘性噪声模型提出了一种新的相干斑抑制算法。对基于小波系数域SOT结构的相干斑抑制算法中固定在一个低频尺度中选择根系数的方法进行了改进,根据SAR图像的匀质性条件自适应地在两个不同低频尺度中选择根系数。把该算法应用到实测SAR图像中取得了很好的目视效果,各项指标得到了有效提高。     

基于静态小波分解的机加工表面图象滤波

由于在机械加工过程中机械振动和噪声回波的相干性，机加工表面图象上会存在白噪声，为了削弱这些噪声的影响，提出了一种基于静态小波分解的自适应阈值滤波方法，该方法首先将机加工图象分解至静态小波域。然后在静态小波域中将噪声的小波系数收缩至零，将此算法应用于机加工图象噪声滤波，并与基于Mallat分解的滤波算法和另外三种典型图象滤波算法进行比较，结果表明，该方法不仅可以有效的去除噪声，而且还可以保持图象的精密纹理结构。     

基于分形理论的混沌信号与噪声分离方法

提出一种分维数和子波重构相结合的混沌信号与噪声分离方法，与以往出现的子波滤波方法和经典滤波方法相比较，该方法有如下特点；利用子波变换计算带观测噪声混沌信号的真实分数维，进而根据观测序列维数与真实维数的差值控制子波重构的参数，构造出混沌与噪声分离的自适应滤波器结构。仿真实验说明了该算法的有效性。     

基于HHT的自适应滤波方法在信号处理中的应用

在研究HHT(Hilbert-Huang Transform)理论中经验模态分解方法(EMD)和希尔伯特变换(Hilbert-Huang Transform)方法的基础上,根据IMF信号的时频序列特性,利用聚类算法得到每个时频序列的中心频率和干扰频率,并将与干扰频率对应时刻的IMF时域信号进行分类组合,从而消除IMF信号中的频率混叠问题,实现对信号的自适应滤波。利用所设计方法对实测信号进行自适应滤波分析并与传统数字滤波器滤波数据对比,结果表明提出的方法正确有效。     

应用自适应陷波器技术改进FXLMS算法

针对窄带信号，提出了基于自适应陷波器的次级通道特性在线识别算法，该方法利用自适应陷波器技术解决在线识别时存在的激励信号被干扰问题，从而提高次级通道特性在线识别的速度，达到提高算法整体性能的目的。讨论了参考信号比例因子对系统的影响。实验结果表明，应用该算法的控制系统的整体性能得到较大程度的提高。     

基于小波变换和ICA的卫星测控信号盲识别算法

针对信息对抗中对非合作卫星测控信号识别的问题,提出一种小波变换和独立分量分析相结合的卫星测控信号盲识别算法.首先,基于小波变换去除噪声原理,对混合信号进行去噪处理;然后,采用独立分量分析的方法对去噪后的混合信号进行分离;最后进一步对分离后的测控信号作矢量归一和再去噪处理,得到卫星测控信号的最终估计.Matlab仿真结果表明:该识别算法可以较好地分离卫星测控信号,并且很好地保留了源信号的特征,具有良好的稳定性,收敛速度较快.     

基于多噪声数据训练CNN的自动倾斜器滚动轴承故障诊断

针对传统卷积神经网络(Convolutional Neural Network,CNN)在直升机自动倾斜器滚动轴承噪声环境下诊断效果不佳的问题,提出一种基于多噪声数据训练CNN的自动倾斜器滚动轴承故障诊断方法。该方法首先在原始振动信号中随机添加不同大小的高斯白噪声,然后利用小波变换方法构造不同噪声下的时频图,最后利用CNN对不同噪声下的时频图进行故障分类。利用课题组和美国凯斯西储大学的公开轴承数据集开展真实诊断实验,结果表明,与传统CNN相比,极大地提高了在噪声环境下的故障识别率。