低信噪比下激波信号奇点检测方法

针对低信噪比下的激波信号检测问题,利用激波信号奇点在小波变换中的路径传递特征及信号奇点小波系数与噪声小波系数明显幅度差异,提出了一种基于信号奇点的连续小波变换检测算法。仿真实验结果表明,在恒定虚警概率下,该方法检测性能相较于能量检测器能提升约3 dB;实际数据实验结果说明,该方法在-3 dB信噪比下检测性能明显优于能量检测器和传统小波多尺度积检测器。      

小波尺度相关滤波及其改进算法在电火花声源信号处理中的应用

分析提取宽带电火花声源信号,受到船舶辐射噪声的严重干扰,在5 kHz以下的能量集中区信噪比低,且二者Lipschitz指数特性相近,传统基于相邻尺度相关的滤波算法抗干扰能力有限。根据宽带电火花声源信号不同频带所受干扰的不同,信噪比较高的小尺度高频小波系数,采用相邻尺度相关的滤波算法;信噪比较低的大尺度中低频小波系数,采用跨尺度相关的滤波算法,并对算法中阈值系数的选取方法进行修正。结果表明,该算法滤波效果良好,有效的提取了电火花声源信号,适合窄带强干扰背景噪声下的宽带水声信号处理。      

小波变换软阈值去噪在粗晶材料超声检测中的应用

本研究多尺度小波分析方法在粗晶材料超声检测信号增强中的应用。在分析结构噪声，电噪声和缺陷信号的小波变换特性的基础上，提出一种用一个尺度间变化的门限闭值来抑制噪声的小波变换系数，并以各尺度缺陷信号的能量关系形成权值，加权重构信号来提高信噪比。实验结果表明，该方法具有很好的去噪效果，增强了粗晶材料缺陷的检出率。     

基于提升小波变换的雷达生命信号去噪技术

对于噪声干扰严重、非线性、非平稳、多奇异点的微弱雷达生命信号而言,去噪是对有用信号进行分析前的必要手段。基于多普勒效应原理和雷达噪声的统计特性,建立了雷达生命信号的模型,分别用传统小波变换和提升小波变换对强噪声干扰下的生命雷达信号进行了去噪处理,结果表明被强噪声污染的雷达生命信号可以用传统小波变换的方法和提升小波变换法对其有效去噪,提升小波变换去噪效果优于传统小波变换去噪效果,其信噪比(SNR)和均方误差(MSE)两个性能指标均高于传统小波去噪。对雷达生命信号进行去噪处理时,使用的小波基函数是sym8,分解层数为3层。     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数;并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数|并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.     

基于三次样条插值的图像多尺度方向边缘重构

为了检测小结构的轮廓以及大目标的边缘,将多尺度边缘检测与小波变换有机地结合起来,利用小波分析方法来研究信号的多尺度边缘特征。针对图像信号的多尺度边缘检测和重构问题,利用二进小波变换的多尺度分析特性,定义了图像在水平和垂直方向的多尺度边缘。同时,利用三次样条插值算法,提出了一种由二进小波变换在水平和垂直方向的极值重构图像信号的算法。实验结果显示多尺度重建方法与著名的交替投影算法相比,算法复杂度低,图像重建速度提高了20倍,而且重建图像质量较好,其峰值信噪比提高了1 dB以上。     

基于尺度相关性的微光图像降噪算法及其硬件实现

微光电视是低照度条件下的重要观测手段,但微光电视图像信噪比低,观察效果差,必须进行降噪处理.根据噪声小波系数随着小波分解尺度加大而减小的特性,文中算法利用微光图像小波分解层间相关性,可以良好地消除噪声,同时克服了传统降噪方法在滤除噪声的同时会造成图像细节损失的缺点.从所介绍的微光图像实时处理系统实现结果看,降噪效果明显.本文还给出了算法工程化实现的定标和阈值确定方法.     

小波包自适应阈值语音降噪新算法

为了克服低信噪比输入下,语音增强造成语音清音中的弱分量损失,造成重构信号包络失真的问题。论文提出了一种新的语音增强方法。该方法根据语音感知模型,采用不完全小波包分解拟合语音临界频带,并对语音按子带能量进行清浊音区分处理,在阈值计算上,提出了一种清浊音分离,基于子带信号能量的小波包自适应阈值算法。通过仿真实验,客观评测和听音测试表明,该算法在低信噪比输入时较传统算法,能够更加有效地减少重构信号包络失真,在不损伤语音清晰度和自然度的前提下,使输出信噪比明显提高。将该算法与能量谱减法结合,进行二次增强能进一步提高降噪输出的语音质量。     

变分模态分量降噪后重构的水声弱信号检测

针对能量检测法在低信噪比下对非合作水声探测信号的检测性能显著下降的问题,提出了一种组合变分模态分解和小波变换降噪重构的信号检测方法。以信号分解出的各个本征模态函数的近似熵与互相关系数比值作为分量分类参数,将所得分量分为信号分量、含噪信号分量与噪声分量,然后利用第二代小波变换对含噪信号分量降噪后与信号分量组成重构信号,最后对重构信号进行检测。数值仿真结果表明该方法可以在无先验信息的情况下对CW和LFM信号自适应降噪,信噪比0 dB以下时CW信号重构后信噪比提升约12 dB,宽带LFM信号信噪比提升约8～9 dB,有效提升了低虚警概率下信号的检测概率。湖试结果表明,虚警概率为0.1时检测概率可提升至0.9以上,验证了该方法的有效性。     

Wavelet Filter and Noise Rejection for the Pulse Laser Radar

1　Ｉｎｔｒｏｄｕｃｔｉｏｎ　　Ｉｎａｌａｓｅｒｒａｄａｒｓｙｓｔｅｍ ,ｔｈｅｒａｔｉｏｏｆｔｈｅｐｅａｋｐｏｗｅｒｏｆｓｉｇｎａｌｔｏｔｈｅａｖｅｒａｇｅｐｏｗｅｒｏｆｎｏｉｓｅ,ｉ.ｅ.,ｓｉｇｎａｌｔｏｎｏｉｓｅｒａｔｉｏ (ＳＮＲ)ｉｓａｎｉｎｄｅｘｔｏｉｎｄｉｃａｔｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｒｅｃｅｉｖｉｎｇｓｙｓｔｅｍ .ＩｔｉｓｂｅｎｅｆｉｃｉａｌｔｏｉｎｃｒｅａｓｅｔｈｅＳＮＲｏｆｔｈｅｓｙｓｔｅｍｆｏｒｔｈｅｄｉｓｃｒｉｍｉｎａｔｉｏｎｏｆｔｈｅｓｉｇｎａｌｆｒｏｍｔｈｅｂ…     

激光主动探测中回波信号的小波去噪方法

在分析激光主动探测中回波信号的噪声特性和小波变换去噪原理的基础上，提出了一种基于最大信噪比准则的小渡阈值去噪方法。首先用最大信噪比准则对小波变换系数进行阈值选取，然后采用软阂值方法对小波系数进行量化处理后再重构。仿真结果表明最大信噪比准则小波去噪方法改善信噪比效果十分显著，检测下限达到-16．2dB。证明了该方法在激光主动探测系统回波信号检测中的有效性。     

Stochastic resonance in multi-scale bistable array

This Letter explores a new mechanism of stochastic resonance (SR) that is induced by the multi-scale noise decomposed from the input signal, which is promising in signal detection and processing under heavy background noise. The input signal is firstly decomposed to multi-scale signals by orthogonal wavelet transform. Then, the approximate signal, which contains the driving signal, is processed by an uncoupled parallel bistable array with the detailed signal of each scale as the internal noise. At last, a SR mechanism combining the effects of colored noise and array SR is proposed. The simulation results show that a high quality output signal can be obtained by the new mechanism. The proposed model is more adaptive to input signal with high noise intensity than single bistable SR system, which can be seen from the signal-to-noise ratio curves and average noise intensity curves.     

基于复小波包分形理论的爬壁机器人故障检测

通过研究爬壁式机器人的控制和运动特征，提出一种基于复小波包分形理论的故障检测方法．利用复小波包的平移不变性，将爬壁式机器人传感器输出信号分解成独立的频谱，并进行阀值处理和重构，从而有效去除高频噪音并提取故障的特征频率；依据信号分形维数的多尺度不变性，在嵌入维数空间，采用维数最大距离法，确定复小波包域故障信号的关联雏数．仿真实验表明，爬壁式机器人在各种异常工作模式下的故障信号关联维数能比较真实地反映其故障状态空间，同时也验证了故障信号的关联维数低于正常信号的关联维数作为故障发生与否的定量判据的正确性．     

小波变换应用于谐波谱线的噪声滤除与基线校正

红外光谱谐波检测系统中的噪声与基线漂移问题一直是光谱处理的热点,提出一种采用小波变换的Mallet分解算法, 解决谐波检测中各种复杂噪声以及基线漂移的问题。选取适当小波函数及分解层次将谐波曲线中含有的噪声和基线漂移与有用信号分解到不同频带;分析频带信息,设定一个检测信息频带, 应用阈值处理及系数置零的方法使频率处于此频带的信息保留下来。小波变换方法可以在一次分解与重构过程中同时去除谐波信号的噪声与基线的双重干扰,从而将谐波信号有效地测量出来。实验证明,应用小波变换进行谐波校正的方法可应用于不同的谐波检测系统,具有普遍适用性。     

基于最大熵原理的小波去噪方法

小波变换去噪中最关键的问题是如何确定小波系数的阈值,使其能够将与噪声和信号相对应的小波系数合理地区分开来。根据概率论的基本原理可以推断,随机序列的细节小波变换系数符合正态分布。基于此结论,可以利用最大熵原理确定一个阈值,使得绝对值小于此阈值的小波系数组成的序列符合正态分布。该阈值在统计意义下能够最佳地区分信号与噪声的小波系数。采用光谱数据的仿真分析以及与其他方法的对比实验证明,这种最大熵小波去噪方法不仅在提高信噪比方面显示出了其优势,而且去噪效果不易受信噪比变化的影响。     

Study on the denoising method for the electromagnetic ultrasonic echoes from multiple interfaces

The electromagnetic ultrasound is used in the detection of interfaces of the adhesive multilayer structures to solve the unstable coupling problem in ultrasonic testing by traditional piezoelectric transducers. Based on the analysis of the transforming mechanism of electromag-netic ultrasound energy and the resultant dead zone from mutual inductance of the transducer, the wavelet filtering by soft-thresholding and adaptive noise canceling methods are used simul-taneously to the detected electromagnetic ultrasonic signals to overcome the drawbacks of the low signal to noise ratio （SNR） and the wide intrinsic dead zone of the transducer. Processed results in the interface detection of a three layered adhesive sample of steel and rubber materials demonstrate that the wavelet filtering enhances the SNR about 12dB while the adaptive noise canceling narrows the dead zone effectively.