强噪声中检测微弱目标信号特征的量子信号处理算法

随着噪声功率的增强,微弱目标信号的特征受噪声污染变得模糊且难以区分,导致微弱信号检测算法失效,提出一种可以保护目标信号特征的量子信号处理方法——局域半经典信号分析算法。详细介绍了算法实现量子化的原理和在量子域中保护目标信号特征的性质;给出算法步骤以及重要参数的计算方式;将所提算法与奇异值分解、小波阈值降噪算法结合进行了仿真分析和实验验证。结果表明,所提算法保护目标信号特征的能力可以帮助降噪算法检测极低信噪比的微弱信号,与其他方法结合可极大改善信噪比,准确提取信噪比为-30 dB的微弱目标信号,算法性能优越。

基于小波分析的SAR图像斑点滤波及其性能比较评价

进行斑点噪声滤波是对SAR图像进行分割、分类和信息提取处理前不可或缺的处理步骤。该文首先简要回顾了各种传统的SAR图像斑点滤波算法。在充分考虑SAR图像斑点噪声乘性特征的基础上 ,对SAR图像进行对数变换 ,将乘性噪声转变为加性噪声 ,然后在对图像进行小波分解 ,采用软门限方法进行典型SAR图像斑点噪声滤波。归纳SAR图像斑点噪声滤波效果评价的 5个指标 ,并将文中基于小波分析的滤波效果与传统的自适应局部统计斑点滤波器、Gamma Map滤波器的滤波效果进行了全方位的比较。结果表明 ,该方法在图像均匀区域的辐射特性保持和斑点抑制能力 ,边缘、细小特征和点目标等结构信息的保持方面都优于传统的斑点滤波器。

基于局部化自适应阈值的小波图像降噪

为了能在去除图像噪声的同时有效地克服Gibbs现象,得到令人满意的视觉效果,提出了一种基于局部自适应阈值的小波图像降噪方法.该算法利用局部化信息和层间相关性理论,对小波系数进行分块分类处理.该算法首先把图像划分成子块,通过调节全局阈值得到各个子块阈值,从而有效地利用了局部信息,有选择地对图像进行降噪处理.算法加入自适应的步骤,对于不同尺度的子带,分别赋予大小不同的阈值,使算法具有更好的自适应性.试验结果表明,与其他几种传统降噪方法相比,该方法能获得较好的降噪效果.

Copula函数选择的小波方法

金融资产相依结构研究中选择Copula函数很关键.考虑到相依结构的局部特征差异,利用小波函数的局部自适应能力,将阈值规则引入Copula理论,提出Copula函数的小波收缩估计量,并以此为基准给出参数Copula选择的小波方法.这得到以标普500指数、日经225指数、恒生指数和上证指数为样本的实证支持.进而从不同的时间尺度视角捕捉到股市之间潜在的相依模式.

一种基于小波的虹膜定位方法

为了提高虹膜定位的准确性,结合小波分析、灰度阈值分割和Hough变换的优点,提出基于小波的虹膜定位方法。该方法根据虹膜图像的特点,先对其进行小波分析去噪,再用灰度阈值分割法分离出瞳孔区域,最后利用圆Hough变换确定出瞳孔的圆心和半径。并且利用瞳孔与虹膜的近似同心性,应用圆模板的方法求得虹膜的圆心和半径。实验结果证明,该算法提高虹膜定位的精度,并且具有较强的抗干扰能力。

基于小波分析的遥感车辆图像增强方法研究

拍摄遥感图像时,由于CCD相机距离景物较远以及受传统航空摄影技术和各种噪声的影响,造成遥感图像图质退化,从而影响后期遥感信息的提取和处理。为此,提出一种分层局部阈值图像去噪增强算法,该算法先对同一级的3个不同方向的高频小波系数加权,然后选用不同的阈值对这3个高频小波系数进行硬阈值处理,弥补了全局阈值算法对小波系数"过扼杀"的缺点及局部阈值算法运算量大,算法复杂的缺点。实验证明,该方法能有效地抑制噪声,增强图像的边缘及细节信息,达到很好的图像增强效果。

基于Gabor小波和阈值分析的声发射源定位方法

针对声发射信号多模态特性和信噪比低的特点,提出了一种将小波变换和阈值分析相结合的声发射源定位方法。对采集到的声发射信号进行信号频谱分析,提取信号主要频率成分之一的小波变换幅值,得到含有多峰值的时域波形。为消除多峰值的影响,将小波变换最大幅值的80%设为阈值。在时频空间下,确定声发射信号中同一频率下同种模态的波到达传感器的时间差,并测量该模态波在板面传播的群速度,实现声发射源定位。在大理石板上进行声发射两点线定位实验,结果证实该方法的确能提高声发射源定位精度,是一种有效的声发射源定位方法。

多元Copula密度估计的小波局部阈值方法

为了量化资产之间相依结构的局部特征,本文将小波阈值规则引入Copula参数估计,提出多元Copula密度的小波局部阈值估计量,发现Copula密度的光滑度指数、维数和采样容量是影响估值精度的重要因素,这一点也得到了以正态Copula为仿真算例的支持。本方法增强了参数Copula建模的局部自适应能力,进而有助于改进资产的市场风险估值与最优化配置。

基于信号局部特征的自适应小波分析方法研究

提出了基于信号局部特征的自适应小波分析以及分段阈值自适应选择方法.针对旋转机械检测信号首先在时域中分析信号的局部特征,根据其局部特征分段自适应地选择小波函数进行信号处理,并分段计算其相应的阈值,进行小波信号处理,从而最大限度地保留信号特征,提高信号处理的性噪比.图2,参7.

LMD和小波阈值的GNSS坐标时间序列降噪应用

局部均值分解方法降噪过于粗糙,将认定为噪声的乘积函数(PF)分量直接剔除,导致有用信息丢失。为了有效提取GNSS站坐标时间序列的有用信息,该文提出一种局部均值分解和小波阈值相结合的降噪方法。通过局部均值分解将坐标时间序列分解为一系列PF分量和余项,依据消除趋势波动分析方法计算各PF分量的Hurst指数,利用小波阈值提取H≤1的PF分量中的有用信息,将提取出的信息与剩余PF分量叠加重构获得最终降噪的坐标时间序列。通过对5个测站的坐标时间序列进行实验,结果表明局部均值分解和小波阈值相结合的方法能够有效提取噪声分量中的有用信息,信噪比提高了27.8%,从而验证了该方法的有效性。