A Dual Tree Complex Discrete Cosine Harmonic Wavelet Transform (ADCHWT) and Its Application to Signal/Image Denoising

A new simple and efficient dual tree analytic wavelet transform based on Discrete Cosine Harmonic Wavelet Transform DCHWT (ADCHWT) has been proposed and is applied for signal and image denoising. The analytic DCHWT has been realized by applying DCHWT to the original signal and its Hilbert transform. The shift invariance and the envelope extraction properties of the ADCHWT have been found to be very effective in denoising speech and image signals, compared to that of DCHWT.

簸箕型流道泵站水泵振动信号消噪方法研究

为解决水泵信号振源复杂、含噪量大,难以在信号内获得有效数据的问题,研究一种基于改进平移不变量小波阈值的振动信号消噪方法。将水泵振动信号划分为信号高频区域和低频区域,选取对应合适的小波范围,在小波分解层数作用下正交变换含噪信号。利用阈值限制小波系数完成滤波,通过设定噪声标准偏差值,求得振动信号小波系数中间值,实现信号重构。将振动信号含噪部分在时域空间完成循环平移,填补信号不连续缺陷部位,平移去噪后计算振动信号平均值,得到最终消噪振动信号。仿真分析结果显示:该方法在平移不变量的辅助下,可填补信号不连续缺陷点,从噪声中恢复出原始振动信号,波形的失真较小,信号信噪比较高,鲁棒性好,可完整地保存信号的轮廓和特征。为分析簸箕型进水流道内部流态提供新思路,保证水泵整体工作可靠性。

小波去噪的几种方法

利用小波方法去噪 ,是小波分析应用于工程实际的一个重要方面。该文介绍了几种常用的小波去噪方法 ,分别是小波分解与重构法、非线性小波变换阈值法、平移不变量法和小波变换模极大值法。将上述几种方法分别用于叠加了高斯白噪声的仿真信号的去噪处理 ,并通过对几种方法优缺点的比较 ,为小波去噪的方法选择提供了一个参考依据。

基于平移不变的小波去噪方法及应用

基于传统的小波变换去噪算法可能使信号的急剧变化部分产生人为的振荡现象 ,产生这种现象的一个直接原因是小波缺乏平移不变性。提出了基于平移不变的小波去噪方法 ,对所分析的信号进行循环平移 ,再利用软或硬门限对该信号的小波系数进行压缩 ,重构信号 ,再进行相反的循环平移 ,通过多次的平移—消噪—平移 ,平均所获得的结果 ,从而消除小波基的平移依赖性。该方法能有效地消除人为的振荡现象 ,使消噪后的信号更加光滑 ,更好地逼近真实信号。

基于小波多尺度表示的图像匹配研究

根据小波变换系数对信号平移步长的变化规律，提出一种基于小波金字塔结构的、遍历式的图像匹配方法，这种方法消除了由于小波变换对平移的敏感性所引起的误匹配，在匹配策略上，以小波分解高频分量的匹配为主。实验证实，本匹配方法对实时图和参考图的局部灰度反转不敏感，具有一定抗几何失真的能力，优于经典的灰度相关匹配。

离散小波变换与重力异常多重分解

小波变换多尺度分析是位场分解的有益工具 .离散二维小波变换产生的低阶小波细节具有尺度不变的特征 ,它们不随小波变换的总阶数改变 ,而总阶数的增加仅增加高阶小波细节的个数和改变最后的高阶逼近 .因此 ,用小波变换分解重力异常时 ,可根据地质目的来组合小波细节 ,从而实现有地质意义的异常分解 .实验表明 ,用小波变换分解的重力异常小波细节 ,同样起到功率谱分解的作用 ,用分解之后的小波细节功率谱可以精确确定场源的埋深 .

基于图像信息的红外与可见光图像融合方法研究

研究了红外图像与可见光图像的融合问题,提出了一种基于图像信息的图像融合新算法。首先利用非采样Contourlet变换的多分辨率特性和平移不变性对图像进行多尺度和多方向分解,得到一系列子带图像,然后针对图像变换后各带通方向子带高频系数的特点,提出了度量图像信息的融合规则。图像的低频部分决定了图像的轮廓,对低频子带应用简单的加权平均融合方法;图像的高频子带系数含有丰富的边缘和细节信息,对高频子带系数采用一种新的度量图像信息的融合量测指标来确定融合系数。实验结果表明:该算法能够很好地将红外图像与可见光图像进行融合,与其他方法相比,融合效果更好。

基于改进阈值法的小波去噪算法研究

为了克服传统小波阈值去噪算法中存在的缺陷,采用小波系数放大法,并对阈值函数进行改进。由于信号中存在奇异点,会在奇异点处产生Pesudo-Gibbs现象,采用基于改进小波阈值法的平移不变去噪方法可以有效抑制Pesudo-Gibbs现象,对去噪效果进行强化。仿真实验结果表明:基于平移不变的去噪方法可以明显提高信噪比,其去噪效果优于传统的软、硬阈值去噪方法,具有较高的实用价值。

动中通系统中陀螺信号小波滤波算法

在动中通系统中,陀螺检测的载体扰动信号的精度直接关系到整个系统的精度和性能。针对陀螺噪声信号的特点,提出了一种将3σ模平方阈值和平移不变小波变换(translation invariant discrete wavelet trans-form,TIDWT)相结合的滤波算法,能够有效地抑制陀螺噪声信号和由小波变换产生的失真现象。仿真和实验结果表明,该滤波算法效果优于传统的小波滤波算法。

基于冗余离散小波变换的信号配准及分类

离散小波变换(Discrete wavelet transform,DWT)对输入信号的平移敏感,当输入信号间存在平移时,基于DWT的信号分类会受到负面影响.本文提出一种基于冗余离散小波变换(Redundant DWT,RDWT)的信号配准及分类方法,克服了DWT的平移敏感性,解决输入信号间存在平移变化的信号分类问题,同时实现了信号配准以及平移不变小波系数提取.对基准信号作离散小波变换.对测试信号作冗余离散小波变换,得到测试信号的平移所对应的DWT分解,计算其同基准信号DWT分解之间的相似性,根据相似性大小对该测试信号分类并确定其相对基准信号的平移量.利用ECG(Electrocardiograph)信号的仿真实验证明了本文所提方法的有效性.

双正交冗余小波变换的图像去噪方法

由于正交小波变换的不具备线性相位、不具有平移不变性等特性,导致其在图像去噪领域仍存在很多问题,本文将双正交冗余离散小波变换应用到几种经典小波阈值图像去噪方法中,以克服标准正交小波变换在阈值图像去噪中存在的问题。实验证明该方法的去噪效果明显优于正交小波方法和普通双正交小波变换的去噪效果。

基于平移不变小波爆破振动信号去噪的应用研究

传统的小波变换阈值法去噪会使爆破振动信号的急剧变化部分产生人为的振荡现象,产生这种现象的原因是小波缺乏平移不变性。使用平移不变小波变换去噪方法,对爆破振动信号进行循环平移,利用软或硬阈值对该信号的小波系数进行压缩,重构信号,再进行相反的循环平移,通过多次的平移-消噪-平移,平均所获得的结果,从而消除小波基的平移依赖性。该方法不仅能有效地消除爆破振动信号的伪吉布斯(Psuedo-G ibbs)现象,而且能减小原始爆破振动信号和估计爆破振动信号之间的均方误差(MSE)。通过理论和实践证明了这种方法能够更有效地消除爆破振动信号中的噪声。

平移不变小波迹消噪方法在局部放电检测中的应用

针对变压器局部放电检测中存在较多干扰的问题,本文采用平移不变小波迹方法对放电信号进行消噪处理。该方法利用小波迹理论抑制信号噪声,并通过循环平移方法强化消噪效果。小波迹建立在小波变换基础之上,利用小波迹组合描述原始放电信号特征,去除了小波系数在各尺度之间的相关性,具有良好的放电特征保持性;循环平移则消除了小波基的平移依赖性,使消噪后的信号更加逼近真实放电信号。仿真及现场数据分析表明,基于平移不变小波迹消噪方法可以有效抑制局部放电噪声干扰,成功提取出有效的局部放电信号,消噪效果优于传统小波方法。

焊接缺陷信号的小波去噪方法研究

针对摩擦焊接头‘伪结合’缺陷信噪比低,难以准确检测的特点,利用平移不变量小波方法对缺陷信号进行去噪,该方法通过多次对所分析的信号进行循环平移,再将平移后的信号进行软(硬)阈值小波消噪处理,然后将消噪后的信号进行逆平移,最后平均所获得的结果。实验证明:该方法能够有效地消除软阈值小波去噪过程中出现的pseudo-Gibbs(伪吉布斯)现象,提高了信噪比,使去噪结果更加逼近于真实信号。该方法在摩擦焊检测信号降噪处理方面具有广泛的应用前景。

基于小波变换的加密全息三维模型盲水印

提出了一种基于小波变换的三维模型加密全息盲水印算法。该算法选取三维模型球面坐标与重心的距离作为离散二维信号,首先进行小波变换得到水平分量,水平分量经过小波变换后得到低频部分,将水印图像经光全息加密嵌入到低频部分,再经过逆小波变换生成含水印的三维模型,水印的提取是水印嵌入的逆过程。实验结果表明,该方法对噪声攻击、旋转、平移、比例变换、重排序攻击等具有很好的鲁棒性,且加密全息水印图像具有很好的水印安全性。

机械故障诊断的衍生增强离散解析小波分析框架

小波变换被称为"数学显微镜",它对机械信号的多尺度分析在机械设备状态监测和故障诊断领域发挥着重要的作用。然而传统二进小波变换在工程应用中存在一些显著的不足,如平移敏感性、小波尺度能量泄漏、固定的二进"频率?尺度"划分网格等。尤其是后者使得经典小波变换对处于二进网格过渡带的特征分析中产生不可避免的"盲区"。基于此,提出一种基于过完备小波紧框架的新式"时间-尺度"分析方法-衍生增强离散解析小波分析框架。该小波分析框架基于双树复小波变换进行构造,通过合理地选择双树复小波基函数,并将之应用于增广树形迭代滤波器组中生成近似解析小波包变换,通过对近似解析小波包变换的分析结果进行子空间重排和小波包尺度空间交叉结合,构造伪二进小波包隐框架。在多尺度分解的意义下,所提出的衍生增强离散解析小波分析框架(近似解析小波框架和伪二进小波包隐框架)很好地改进了经典小波存在时频表达能力方面的限制,有效地移动了小波尺度的中心频率,实现了自顶向下、多中心连续细化的"频率-尺度"分析网格。将之应用于的带钢精轧机的微弱故障特征提取中,验证了所提出方法对于经典小波分析方法的优越性。

基于Radon和平移不变性小波变换的鸟类声音识别

针对低信噪比(SNR)环境下鸟叫声识别率不够高的问题,提出一种对声谱图进行Radon变换(RT)和平移不变性离散小波变换(TIDWT)的抗噪型鸟类声音识别技术。首先,使用改进的多频带谱减法对鸟叫声进行降噪处理;其次,利用短时能量检测降噪后的鸟叫声的静音段,并去除静音段;接着,将去除静音段的声音信号转化为声谱图,并对声谱图进行RT和TIDWT,提取特征值;最后,采用支持向量机(SVM)分类器对提取的特征值进行分类识别。实验结果表明,该方法在信噪比为10 dB及以下仍可以达到较好的识别效果。

基于阈值决策的小波降噪方法研究及其改进

分别从小波基、阈值的选择等方面详细讨论了基于阈值决策的小波降噪方法及其应用。在此基础上 ,探讨了对传统的阈值方法的改进 ,即平移不变小波变换去噪法。实验证明 ,应用改进后的方法能更好地逼近真实信号。

基于静态小波变换的提升框架分解

静态小波变换的最大优点是具有平移不变性。该文基于小波变换的多相表示,利用多采样率滤波器理论中上(下)采样算子与滤波器的等效易位关系,提出了将传统的静态小波变换由懒惰小波变换经过有限步交替的提升和对偶提升结构来实现的方法。由于提升框架容易实现逆变换,故在处理边界中具有更大的灵活性。分析表明,与标准算法相比,通过提升分解,可减少一半计算量。