应用小波分析方法处理非平稳信号的研究

本文综述小波分析这一前沿领域的发展现状，介绍了小波变换及其Mallat快速小波算法，对比分析了小波变换与短时傅里叶变换之间的差异，指出这种基于多分辨方法的小波变换特别适合于非平衡信号的分析与处理，并且应用该方法对实测信号进行了有效的时频分析。     

谐波小波在信号滤波中的应用

谐波小波在频域具有良好的盒形谱特性 ,另外它比通常由二进尺度函数得到的小波还具如下优越性 :存在确定的函数表达式 ;时频定位更加准确 ;算法实现简单 ;可以得到任意频率段的信号。本文重点对谐波小波在数字信号滤波中的应用进行研究     

基于小波分析的飞行器结构紧固件松动故障分析方法

基于小波分析方法提出一种飞行器结构紧固件松动故障分析方法。该方法通过对振动信号进行连续小波变换得到振动信号能量在时频域的分布,比较正常信号和故障信号频带的变化规律,实现对紧固件松动故障分析。时频分析结果显示,小波分析方法可以准确跟踪振动过程中信号频率的瞬变特性,且频带清晰,故障特征明显,为今后结构紧固件松动故障分析提供一种有效途径。     

开环光纤陀螺信号测试与小波去噪

建立了开环光纤陀螺测试系统,分析了干涉型开环光纤陀螺信号中主要噪声的产生机理和特点,利用小波分析的方法进行了去噪.与常用的滤波方法如平滑滤波、低通滤波等进行了对比,结果表明,小波分析较好地满足了在噪声干扰下对光纤陀螺微弱输出信号的检测要求,在有效滤除了噪声的同时保留了信号的细节信息.文中分析了去噪阈值的选取,比较了不同小波基情况下去噪效果的差异,通过实验证明了多尺度小波分析对光纤陀螺信号去噪的有效性.     

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     

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。     

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.     

基于正交小波变换的噪声下1/f类分形信号的恢复

为了恢复噪声背号下的分数布朗运动．采用正交小波对混有噪声的分数布朗运动的增量进行分解，在线性最小方差估计准则的基础上估计出“细节”小波系数和“近似”小波系数，并重构离散分数高斯噪声，从而得到要提取的分数布朗运动。在仿真中，说明了“近似”小波系数对重构信号的重要性，并以恢复出的分数布朗运动的最小均方误差mse和自相似参数的方均根误差rms为指标说明了本文方法的有效性和优越性。     

谐波小波在信号滤波的应用

谐波小波在频域具有良好的盒形谱特性,另外它比通常由二进尺度函数得到的小波还具如下优越性：存在确定的函数表达式;时频定位更加准确;算法实现简单;可以得到任意频率段的信号。本文重点对谐波小波在数字信号滤波中的应用进行研究。     

基于树形小波变换的断口图像识别

断口图像的识别是进行失效分析的一个重要组成部分,本文提出一种基于小波的断口识别方法,该方法采用树形小波对金属断口图像进行二级小波变换,剔除近似分量,对其余的各个频带输出的标准差作为断口识别的特征,并采用最小距离分类法进行分类,实验证明,此方法对细节丰富的断口的识别率很高。     

基于小波分析的缩减湍流数据采集量的新方法

由于湍流实验的数据采集量的大小通常没有准则,实验中为了降低偶然事件的影响通常都使用较大的数据量,从而在数据的采集、存储和后处理过程中都造成资源和时间的浪费.笔者根据小波分析所具有的良好的时频双局域性的特点,在文献[4,5]的基础上,配合统计学方法,在理论上提出了以小波方法缩减湍流实验数据采集量和某些流场计算方法计算量的方法.以使用小波方法分析湍流边界层的湍动能方法为例,证明了这种方法的合理性和可行性.     

结构故障诊断中的小波分解层数选取方法研究

小波变换被广泛的应用到结构故障诊断中,但尽管利用小波变换进行故障诊断效果很好,在实际操作过程中仍存在两个问题,即小波基函数的选择和最佳小波分解层数的选择。基于结构的动力系统,通过讨论结构动力响应、频率折叠及频率混淆对小波分解层数的影响,推导总结出一种小波分解层数的算法,并给出了其算法公式。     

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。     

子波变换平滑的混沌信号检测

将近几年兴起的子波变换、分形理论应用于带观测噪声混沌信号的检测。基于快速子波变换导出了平滑算子，将其对时序信号进行处理，并根据它在一定的尺度范围内具有标度不变的性质，利用改进的Ｇ－Ｐ算法计算其分数维数，对带有观测噪声的Ｌｏｒｅｎｚ吸引子波的混沌运动进行了检测。实验结果表明，该方法具有较好检测混沌现象的能力。     

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。