基于小波变换的信号去噪研究

小波变换在信号去噪的应用中有很大的优势,它弥补了傅里叶变换在信号去噪中的局限。小波变换在时间域和频率域都具有良好的局部特性,可以聚焦到信号的任意细节。根据信号的特性利用小波变换的处理方法能够有效的将有用信号与噪声分离开来从而达到去噪的效果。     

瞬变电磁信号去噪方法及效果研究

采样后的瞬变电磁信号数据容易受到各种噪声的干扰,造成数据处理时分辨率较低,进而出现异常解释信息,影响后续工作进程．因此,必须选日蛤适的方法对其进行去噪处理。本文集中对三点指数逼近非线}生平滑去噪、基于小波闽值的信号去噪、基于小波变换模极大值的信号去噪、基于小波包的信号去噪等方法及效呆进行比较,对瞬变电磁法的去噪工作具有一定的现实意义。     

小波包在Chirp信号检测与时延估计中的应用

在Chirp信号探测中 ,利用发射信号和反射信号之间的时频分布相似性 ,提出用小波包变换时频分布的二维相关算法 ,估计接收信号中各个反射信号分量的时间延迟。该方法具有很强的压制噪声的能力 ,能从 - 5dB的接收信号中很准确地进行Chirp信号检测和时延估计     

基于小波变换的去噪技术在数字图像边缘识别中的应用

小波变换是空间（时间）和频率的局部变换,因而能有效地对数字图像去噪,并从数字图像中提取局部信息。本文介绍了一种将基于小波变换的去噪技术应用于数字图像边缘识别中去的方法．通过matlab 7．0平台仿真实现,实验证明这种方法抗噪能力极强,提取的边缘定位精确,程序结构合理。     

小波去噪理论及MATLAB实现研究

阐述了小波变换去除信号噪声的基本原理和方法,研究利用小波变换技术对信号噪声进行抑制和去除非平稳信号的噪声。然后利用MATLAB软件编制程序实现了基于小波变换的正弦信号的去噪仿真分析,仿真结果表明小波变换去除噪声具有很强的实用性。     

双模噪声背景下自适应小波阈值去噪

在分析双模噪声模型统计特性的基础上提出自适应小波阈值算法。新算法中设计改进的阈值函数和控制函数,克服了传统硬、软阈值法的不足,并且自适应得到最佳控制因子。该算法对加入双模噪声的信号进行闭环反馈处理：小波分解、阈值量化处理、小波逆变换重构信号、控制函数寻优。Matlab 2012a仿真结果表明,该算法相对于传统硬、软阈值法,去噪图形曲线清晰、光滑、连续性好,信噪比分别提高9 dB和4 dB。在双模噪声背景下,自适应小波阈值去噪有效、可行,拓展了小波阈值算法的应用。     

小波分析在经济金融领域的应用

小波分析能够处理低频和高频数据,聚焦信号的任意细节,依据时间和频率分解变量或序列,在金融经济领域逐渐得到了广泛应用。本文从小波分解和小波去噪出发,介绍了小波分析的基本方法,并探讨了小波变换在经济金融领域的具体应用,包括：宏观变量间的关系、小波变换与格兰杰因果检验结合测试变量间的因果关系、测试多个变量间的频率依赖性和超前-滞后关系、与传统计量模型和机器学习算法结合预测金融变量方面的应用。     

基于小波和Kalman滤波对GPS数据的去噪方法分析

根据KaIman滤波和小波分析基本理论及GPS信号噪声特性,将小波分析这一数学工具应用到GPS数据的去噪处理中,同时引入Kalman滤波方法,将其与小波分析方法有机结合,进而提出基于小波分析的扩展KaIman滤波方法进行GPS数据去噪处理。     

浅谈无线电监测中的信号处理技术

目前无线电监测技术已经成为一个重要的研究课题.无线电监测技术中包括信号调制识别和定位.信号调制识别和参数估计的基本任务是在多信号环境和有噪声干扰的条件下确定出接收信号的调制方式和其信号参数,从而为进一步分析和处理信号提供依据.     

一种改进的基于EMD分解的超宽带信号消噪算法

针对低信噪比超宽带信号的消噪问题,提出一种改进的基于经验模式分解（EMD）的消噪算法。该算法首先对含噪信号进行EMD分解,得到多个固有模态函数（IMF）分量,然后选取高阶IMF重构原信号,达到消噪的目的。针对对UWB信号的IMF重构过程中阶数阈值难以确定的问题,通过数值仿真的方法,得到信号分量和噪声分量在不同阶IMF上的能量分布特性;在对所得特性进行分析的基础上,设计了一种数据自适应的阶数阈值选取算法,解决了EMD消噪中的阶数阈值选取问题。仿真结果表明,EMD消噪算法能够在较低信噪比下提供平均10 dB的信噪比增益,可以有效地对超宽带信号进行消噪。     

无线电信号辨识

本文主要关注了无线电信号识别领域,结合神经网络的相关知识点对无线电信号的自动识别进行了研究,得到了一定的研究成果。本文主要采取了两种不同的分析方法,并着重研究了如何利用小波来提取无线电信号,且用RBF网络来进行聚类的工作方法,取得了良好的无线电信号识别效果,验证了神经网络与无线电小波之间的结合能够有效提升对无线电的识别能力,进而保障无线电工作的顺利进行。     

小波分析在信号奇异性检测中的应用

研究了信号的奇异性检测问题。给出小波变换和信号奇异性的关系，实现小波分析对信号各类奇异间断点的有效检测，利用小波分析构造故障诊断所需的特征因子（或直接提取对诊断有用的信息），从而将该方法推广到各类冲击响应信号的奇异性检测中。最后给出一个实例进行验证。     

基于小波包分解的脉搏信号定量分析

本文对照分析了不同生理状态下脉搏信号的波形图与幅值谱之间的差异;基于小波包分解计算得出各种不同生理状态下脉搏信号各个频带的相对比例能量。由此可以推断,根据小波包能量比例可以对脉搏信号所反映的生理信息进行定量分析。     

变压器局部放电信号去噪措施分析

PD（PartialDischarge,局部放电）是指在局部高电场的作用之下,电力变压器中的薄弱环节出现的一种异常放电现象。局部放电（PD）现象对电力变压器的绝缘介质具有很强的破坏作用：首先,绝缘介质在放电点的直接轰击作用下的破坏点会逐渐扩大直至绝缘击穿;其次,放电作用下的化学作用会腐蚀绝缘介质,并逐渐导致其击穿。因此,提取变压器的局部放电信号便具有预防意义。但是由于电力变压器有非常多的电磁干扰因素,如果想从这些较强的电磁干扰中的提取变压器的局部放电信号则具有很大的难度。在本文中,笔者介绍了变压器局部放电（PD）信号以及各项干扰因素的特点,并利用小波阈值法和干扰频带内信号的插值补偿实现了对变压器局部放电信号的去噪。     

基于小波和ARMA模型的时间序列区间预测

提出小波去噪和ARMA模型相结合的预测方法。对上证指数原序列进行小波去噪,然后对去噪后的序列建立ARMA模型,进行95%的置信区间的动态预报。     

外军采用软件无线电技术的信号侦察设备

采用软件无线电技术的侦察设备的主要特点是硬件设备的简单化，主要功能通过软件来实现。这样带来的好处是容易实现系统功能的改变和扩充。下面是报道的采用软件无线电技术的外军信号侦察设备。     

基于改进阈值的低压电力线信道中的小波去噪方法

在电力线信道的小波去噪方法中,应用广泛的是小波变换阈值法.但传统的阈值法阈值单一,且在信号连续性较差的情况下,运用传统阈值法还会产生伪吉布斯现象.为了克服阈值法的不足,在平移不变量小波阈值去噪法的基础上,通过仿真低压电力线信道噪声,对阈值函数进一步改进,使阈值的变化与噪声的小波变换随尺度的变化特性相一致.仿真实验可以看出,该方法可以有效改善信号的信噪比,减小原始信号与估计信号之间的均方根误差,对含噪信号有更好的去噪效果.     

改进的认知无线电中低信噪比信号识别技术

对于认知无线电通信信号识别在低信噪比情况下识别率低,以及识别速度慢的情况提出了一种改进的方案.通过将传统识别方法和包络高阶特征J识别方法各自的优点进行综合,并采用特征值提取和判断结合的方法,弥补了上述缺点.仿真结果表明,采用该改进方案,在低信噪比(不低于0 dB)情况下,信号识别率可达88%以上,且识别速度也较为满意.     

基于Curvelet的图像去噪研究

本文将扼要介绍Curvelet变换在图像去噪方面的应用,结合研究中实现的部分算法进行实验说明,并探讨它的发展趋势及一些有待进一步研究的问题.     

小波变换在雷达信号处理中的应用

本文结合雷达信号处理经典和新近的主要技术,探讨了小波变换作为一种新型有效的时－频分析工具应用于这些信号处理方面的价值和潜力。较详细地说明了随着小波变换理论的发展、完善及其在雷达信号处理中的有效应用,将促使雷达信号处理技术得到更新的发展。