输入图像尺寸和伸缩因子对二维Morlet子波变换的影响

简述了二维光学子波变换理论,用计算机模拟方法研究了伸缩因子对子波变换的影响,发现伸缩因子过大会使变换后的图像的边缘变模糊。得出了合适的伸缩因子值,用计算机模拟和光学实现方法研究了输入图像尺寸对子波变换的影响,实验结果与计算机模拟相一致,认为合适的输入图像尺寸应保证输入图像的频谱范围与子波匹配滤波器的频谱范围相一致,才能使二维Morlet子波变换提取清晰的图像边缘特征。

用计算全息法实现二维Morlet子波变换

应用计算全息制作子波匹配滤波器实现光学Morlet子波变换,并给出了Morlet子波变换计算机模拟结果和光学实现的实验结果,两者相一致。

基于子波变换的相干光通信链路窄带干扰信号辨识研究

光通信链路上除了窄带干扰信号外,还存在其他噪声干扰源,这些噪声信号可能会掩盖或干扰窄带干扰信号的特征,增加了辨识的困难,为此提出基于子波变换的相干光通信链路窄带干扰信号辨识方法。通过光通信链路函数获取光通信信号,并对采集到的信号展开子波变换处理,去除信号噪声的同时保证通信信号质量。根据干扰类型建立干扰信号的专家知识图谱,利用卷积神经网络构建干扰信号辨识模型,将子波变换处理后的通信信号输入干扰信号辨识模型中开展特征提取,并根据提取特征结合专家知识图谱判断信号属于窄带干扰信号的概率,从而完成光通信链路窄带干扰信号的精准辨识。实验结果表明,利用该方法开展光通信链路窄带干扰信号辨识时,辨识精度高、辨识性能好,具有较高的实际应用价值。

一种利用子波变换多尺度分辨特性的信号消噪技术

本文基于传统信号处理方法对非平稳信号的局限性，利用子波变换下奇异信号和随机噪声在多尺度空间中不同的模极大值传播特性设计了一种实用的子波消噪方法，对不同信号的仿真结果表明该方法既能提取一定的信噪比改善增益，同时又能保持对突变信息的良好分辨率，适合于一类非平稳信号进行时变处理．

基于复Morlet小波变换的大跨空间结构模态参数识别研究

探讨了基于复Morlet小波变换的结构频率及阻尼比的识别方法,推导了基于小波变换系数的振型识别原理。为提高识别密集模态的精度,提出了基于最小标准差的小波中心频率及带宽的自适应选择方法。针对大跨空间结构具有低频密集模态以及难以实现用力锤或激振器来激励等特点,提出了自然激励法与小波变换相结合的模态参数识别方法。数值仿真及奥运场馆国家游泳中心现场实测数据分析表明,基于复Morlet小波变换的方法能有效识别低频密集模态参数。

基于参数优化Morlet小波变换的故障特征提取方法

针对轴承或齿轮箱等机械元件的故障振动信号表现为冲击衰减波形的特点,提出一种基于参数优化Morlet小波变换的故障特征提取方法。利用最小Shannon熵方法优化Morlet小波的形状参数,实现与冲击特征成分的最佳匹配,再对小波变换系数矩阵进行奇异值分解,根据奇异值曲线中主要反映突变信息的过渡阶段所对应的尺度范围求得最佳小波变换尺度,最后对信号进行Morlet小波变换提取故障特征。仿真试验和实际应用的结果表明,该方法能更有效地从强噪背景中提取故障特征。

基于听觉掩蔽效应和Bark子波变换的语音增强

提出了一种适用于低信噪比下的提高语音的听觉效果的语音增强方法。该方法在谱减法的基础上有两个特点:首先减参数是根据人耳听觉掩蔽效应提出的且是自适应的;其次采用了与人耳听觉系统特性更为适应的Bark子波变换方法对增强前后的语音进行分析。对该算法进行了客观和主观测试,结果表明:与谱减法相比对低信噪比的语音信号,(1)能更好地抑制残留噪声和背景噪声,(2)增强后的语音具有更好的清晰度和可懂度。

应用复Morlet小波变换分析条纹图相位

针对在使用干涉、Moiré偏折等方法进行流场高速动态测量时条纹图中大量无效数据对计算结果的影响,提出了一种基于连续小波变换的条纹图相位分析方法。利用小波变换的瞬时条纹频率分析能力,选用复Morlet小波及合适的小波参数,使得条纹图的小波变换模极大值与其调制度系数成正比,将其作为加权最小二乘法相位展开算法的权值,保证了相位有效展开。使用曲线拟合进行小波变换脊定位,缩短了定位时间并消除了噪声干扰。仿真实验显示,使用该方法得到的分析结果与实际相位值的相对误差小于0.01%;内波流场测量实验显示,使用该方法进行条纹图分析,密度梯度测量精度达到了5×10-6g/cm4。结果表明,用该方法进行条纹图相位分析可以有效消除无效数据对结果的不利影响,相位展开有效可靠,分析结果精度高。

基于Morlet小波变换的滚动轴承早期故障特征提取研究

针对轴承故障初期振动信号中的特征成分极易被噪声信号淹没而不能及时检测的问题,结合Morlet小波变换降噪的基本原理,提出一种由尺度相关能量分布确定最优尺度参数的方法,从而在该尺度下对信号滤波来提取冲击特征成分。以最小Shannon熵优化Morlet小波的形状参数,实现母小波与信号故障特征的最佳匹配;以最优Morlet小波在不同变换尺度下的小波系数绘制尺度-能量谱,利用信号故障特征能量在特定尺度范围内聚集的特性,从谱图的极值点中选择滤波效果最好的尺度参数。对轴承全寿命数据的实际应用结果表明,与信号的均方根趋势相比,该方法能够提前从信号中提取微弱故障特征并检测到轴承的外圈故障,为轴承早期故障诊断提供了一种有效途径。

利用子波变换提取目标回波波形特征

对Donoho阈值决策子波域去噪方法进行了研究 ,该方法采用软限幅函数对噪声信号的子波变换系数做阈值处理以达到去噪的目的。具体讨论了在Sym8子波基底下 ,用此方法对非平稳雷达回波进行五尺度的Mallat算法仿真 ,结果表明该方法除对噪声具有很好的拟制效果外 ,还有效地保留了目标回波波形特征 。

基于连续子波变换的铁路车轮踏面擦伤的在线检测

在分析国内外关于铁路机车车辆车轮擦伤在线检测的应用和方法的基础上,提出了利用连续子波变换对车轮钢轨的振动加速度信号进行分析,当车轮踏面出现擦伤时,其振动信号中的幅值出现突变点。通过对实测数据的分析并与信号的倒谱分析比较证明,这种方法较常规的方法更有效地应用于车轮踏面擦伤的诊断中。

子波变换在全球气候多时间尺度变化分析中的应用

用墨西哥帽子波变换分析南、北半球及全球气候变化的多时间尺度结构、突变点。结果表明，气候变化在不同时间尺度下具有不同的冷暖结构和突变点；南、北半球气候变化有较大差异。说明子波变换方法是气侯变化研究的有力工具。

基于子波变换的语音去噪方法

本文在分析了随机噪声的子波变换系数在不同尺度上的传递特性和噪声信号奇异性与子波模极大值的关系后，提出了用一个尺度间变化的门限阈值来抑制带噪语音信号在不同尺度上噪声子波系数，从而实现在重构语音信号中消除噪声的目的．文中还给出了不同信噪比语音信号的子波去噪的计算机仿真结果，从结果上看出，本文的方法有较好的语音去噪、增强效果．

利用自适应子波变换提高对微弱运动目标的检测性能

本文研究了长时间相参积累时微弱运动目标回波信号的特点，分析了常规检测方法的局限性，针对多项式相位信号模型，结合复正交线性相位子波基函数的设计，提出了一种基于自适应子波变换局域线性逼近的微弱运动目标检测方法，该方法具有自适应频带划分，快速算法实现，计算量低。

光学FT和子波变换在指纹实时识别中的应用研究

提出一种用３ｆ多路（３×３）光学相关器实时识别指纹的新方法，其特点是能把光学傅里叶变换（ＦＴ）获取的频谱特征数据同光学子波变换（ＷＴ）结果相结合进行目标识别．计算机模拟结果和实验结果表明。

子波变换在信号去噪中的应用

人们一直在利用有效信号和噪声的某种特性差异 ,进行着对污染信号的恢复 ,这一过程依赖于对信号和噪声特性的精确描述 ,子波理论为这种描述提供了新的工具。文献 [1 ]的子波域降噪算法通过将相邻尺度的相关量 Corr2 (m,n)作归一化处理后直接与 W(m,n)进行比较决定 W(m,n)的取舍 ,并以噪声在各尺度上的方差作为终止迭代的准则 ,但是这样做使得在相邻尺度之间进行相关时会丢失一部分信号所产生的系数 ,从而不能使信号得到更好的重构。文中从大尺度的模极大值出发 ,在小尺度上的相应位置邻域内搜索对应于此大尺度模极大值位置 ,以改变信号边缘点的抽取 ,仿真结果表明 ,新算法在保留信号边缘的同时 ,能很好的抑制噪声 ,滤波效果较原算法有一定的提高。

语音信号的Bark子波变换及其在语音识别中的应用

本文首先在语音感知实验基础上所得到的Bark尺度概念与子波的构造联系起来 ,提出了一种语音信号Bark子波及其变换 .在感知特性中 ,它与人耳的听觉系统是直接吻合的 :在数学上 ,它是一种非正交的但却是超完备的 ,可逆且是自反演的子波变换 .应用在语音识别中时 ,利用子波的局部基性质 ,取较小的分析帧长 ,提高了前端处理的时间分辨率 .实验表明 ,所形成的新特征在对辅音区别能力方面明显优于目前应用于广泛的MFCC特征 .

基于子波变换序列的人工神经网络组合预测

本文引入了一种新的水文序列组合预测方法．首先对水文序列施行ＡＴｒｏｕｓ子波变换，得到其在各倍频程上的子波系数；其次利用人工神经网络预测模型对子波系数进行了多尺度组合预测；而后运用ＡＴｒｏｕｓ完全重构公式，得到水文序列的预测．本文对宜昌站年平均径流量序列作了研究。

基于Morlet小波变换的模态参数识别研究

从卷积和Parseval定理的角度推导了小波变换系数的实用算法。以系统的自由响应数据为识别对象,给出了频率、阻尼比的参数识别方法,并重点给出了基于最小二乘法的振型识别技术。提出了基于改进Morlet小波的模态参数识别方法,对识别密集模态具有良好的效果。三自由度仿真算例表明,基于Morlet小波变换的模态参数识别技术能够以较高的精度识别出系统的频率、阻尼比和振型等模态参数。

标准Morlet小波变换检测地球自由振荡

引入标准Morlet小波变换(NMWT),并将其作为调和分析的工具应用于实际的数据处理中。NMWT不需要逆变换就能直接识别并提取出信号的周期项。在不经过潮汐及气压改正的情况下,对超导重力仪观测的重力变化序列进行NMWT,有效地检测并提取出振幅为1nms-2的最基本的径向球形振荡(0S0)信号,从而将传统的在频域计算Q值的方法转换为简单的时域计算。结果表明标准Morlet小波变换是一个分析自由振荡信号的理想工具。