基于小波变换的舰船辐射噪声特征提取

本文将小波变换用于舰船辐射噪声特征分析。先用Mallat快速算法实现信号的多尺度分解,然后进行各级小波的谱特征和波形结构特征提取,最后将这些特征与原始信号的特征输入同一类型神经网络分类器,进行分类比较。结果表明,小波变换使信号的谱类别特征和波形结构特征有了明显增强,且能压缩特征空间的维数。     

多尺度分析在激光微多普勒效应特征提取中的应用

由于小波变换具有准确度高、抗噪性好等优点,在微多普勒效应探测方面具有很好的应用前景。利用多尺度分析（MRA）将信号进行分解并提取出含有微多普勒效应的低频平滑信息,获取了目标微小振动引起的微多普勒效应。用频谱分析和基于瞬时频率(Instfreq)的时-频域联合分析方法对原始信号及通过MRA分解得到的结果进行了对比研究。结果表明：利用时-频分析对MRA处理后的低频信号进行分析,可更加有效地提取微多普勒效应中振动信号的特征,为目标特征的识别、分类和探测提供了便利。     

利用小波多尺度分解算法实现混沌系统的噪声减缩

应用小波多尺度分解算法进行噪声减缩,从混沌背景中分离周期信号、噪声及其他混沌信号.小波多尺度分解算法能够区分不同尺度的信号是利用小波变换在时、频两域具有突出信号特征的能力以及小波变换是一线性变换的特点.提出的方法仅利用信号的尺度特性,克服了先前的噪声减缩要知道产生混沌信号的数学模型,并且要求叠加在混沌背景中的其他信号的幅度相对混沌背景信号的幅度很小的假定.给出了从Lorenz混沌背景中提取正弦信号、白噪声和Chua's电路产生的混沌信号的计算机模拟结果. 关键词：     

非下采样小波变换红外光谱数据去噪

为了降低噪声对实测红外光谱信号的影响,引入了一种非下采样小波变换的红外光谱数据去噪方法。采用非下采样小波变换对原始光谱信号进行多尺度分解,提取信号的多尺度细节特征;根据光谱信号和噪声在不同尺度上的差异,通过应用变分偏微分方程方法调整分解后的各子带系数;重构各子带就可以将原始光谱信号中真实信号和噪声分离,从而达到剔除噪声的目的。通过两组实验对比传统小波和该方法针对红外光谱数据的消噪效果,实验结果表明:非下采样小波变换在红外光谱数据去噪方面具有明显的优势,不仅能够有效地去除噪声,很好地保持信号的形状,并且均方误差较小;在实际的红外光谱数据处理中能够获得较好的去噪效果。     

基于分块离散小波变换的图像信息隐藏与盲提取算法

提出了一种在小波域中图像信息隐藏与盲提取算法. 该算法首先对载体图像进行分块两层离散小波变换, 找到每块第二级分解子带中的最大值即最重要小波系数, 然后根据小波特征树的对应关系将其在第一级分解子带中的对应区域作为嵌入区域, 在该区域嵌入由秘密信息生成的伪随机序列. 提取过程中, 同样按照小波系数对应关系寻找到嵌入区域并判断其与伪随机序列的相关性即可解密, 不需要提供原始图像. 实验结果表明, 该算法能实现二值图像的嵌入与盲提取, 且提取出的图像质量较好并具备一定的抗攻击能力, 尤其对于剪切攻击的鲁棒性较好.     

基于双树复小波变换的非平稳时间序列去趋势波动分析方法

多重分形去趋势波动分析是研究非平稳时间序列非均匀性和奇异性的有效工具, 针对该方法中趋势项难以确定的问题, 提出一种基于双树复小波变换的方法, 实现了非平稳信号的多重分形自适应去趋势波动分析. 利用双树复小波变换提取信号的多尺度趋势和波动信息, 通过小波系数的希尔伯特变换确定每个时间尺度不重叠子区间的长度, 使多重分形分析具有信号自适应性及较高的计算效率. 以具有解析形式分形特征的倍增级联信号和分数布朗运动时间序列为例验证本文方法的有效性, 所得结果与解析解相吻合. 与传统的多项式去趋势多重分形方法相比, 本文方法根据信号自身特点自适应地确定信号的趋势和不重叠等长度子区间长度, 所得结果更加精确. 对倍增级联信号时间序列取不同的长度, 验证了算法的稳定性. 分别与基于极大重叠离散小波变换和离散小波变换多重分形方法进行比较, 表明本文方法具有更精确的结果和更快的运算速度.     

基于分块DCT变换编码的小波域多幅图像融合算法

提出了一种利用DCT变换和小波变换的特征层图像融合算法.其基本思想是先对多幅源图像进行分块DCT变换,选取较大方差对应的变换系数,将图像压缩为原图像大小的1/4,保留系数的对应坐标作为提取信息时的密钥;其次将经处理后的DCT系数直接作为小波变换的分解系数,经小波逆变换后得到融合信息.实验结果表明,该算法实现了多幅不同大小图像的融合,同时单一密钥只能提取单一图像. 关键词： 图像融合 小波变换 离散余弦变换 编码     

基于二代小波变换的红外图像非线性增强算法

红外图像具有对比度低和信噪比低等特点,实用中必须进行增强处理.将小波分析与模糊逻辑相结合,提出了一种基于二代小波变换的红外图像非线性增强算法.该算法首先利用二代小波变换对图像进行分解,提取图像的多尺度细节特征,然后,根据目标和背景噪声信号的差异,通过模糊非线性增强算子分别对各个分解层的高频子带进行非线性增强来改变目标特征的强度,抑制背景信号,最后利用小波反变换重构图像,以实现图像的对比度增强和背景抑制.与几种常用的图像增强算法实验结果相比,此算法能有效地抑制图像中的背景噪声,增强目标内容信息,取得了较好的增强效果.     

基于波原子变换的红外复杂背景杂波抑制算法

针对红外图像弱小目标检测技术中复杂背景杂波干扰问题,提出了一种基于波原子变换的红外图像背景抑制算法。首先,采用波原子变换对图像进行多尺度和多方向分解,获得原始图像的多尺度和多方向细节特征;然后,根据目标和背景杂波信号的差异,通过频域变换设计的系数调整函数修正经波原子变换后各子带系数,再经波原子逆变换重构得到估计的背景图像;最后,将其与原始图像相减获得背景杂波抑制后的图像。用真实的红外图像序列进行实验,结果显示,与最大中值和小波变换两种算法相比,该算法能有效地抑制红外弱小目标复杂背景杂波,突出目标信号,提高信杂比,具有良好的背景抑制性能。     

基于二代curvelet变换的图像融合研究

曲波(Curvelet)作为一种新的多尺度分析方法比小波更加适合分析二维图像中的曲线或直线状边缘特征,而且具有更高的逼近精度和更好的稀疏表达能力.将curvelet变换引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息.第二代curvelet理论的提出也使得其理论更易理解和实现.因此,提出了一种基于第二代curvelet变换的图像融合方法,首先将图像进行curvelet变换,然后在相应尺度上利用融合规则将curvelet系数融合,最后进行重构得到融合结果.对多聚焦图像进行了实验,采用均方误差、偏差指数和相关系数对融合结果进行了客观评价,并与基于小波变换的融合进行了比较,实验结果表明该方法除分解2层时与小波性能相当,取其他分解层数时均获得更好的融合效果.     

A method for extracting human gait series from accelerometer signals based on the ensemble empirical mode decomposition

In this paper,the ensemble empirical mode decomposition(EEMD) is applied to analyse accelerometer signals collected during normal human walking.First,the self-adaptive feature of EEMD is utilised to decompose the accelerometer signals,thus sifting out several intrinsic mode functions(IMFs) at disparate scales.Then,gait series can be extracted through peak detection from the eigen IMF that best represents gait rhythmicity.Compared with the method based on the empirical mode decomposition(EMD),the EEMD-based method has the following advantages:it remarkably improves the detection rate of peak values hidden in the original accelerometer signal,even when the signal is severely contaminated by the intermittent noises;this method effectively prevents the phenomenon of mode mixing found in the process of EMD.And a reasonable selection of parameters for the stop-filtering criteria can improve the calculation speed of the EEMD-based method.Meanwhile,the endpoint effect can be suppressed by using the auto regressive and moving average model to extend a short-time series in dual directions.The results suggest that EEMD is a powerful tool for extraction of gait rhythmicity and it also provides valuable clues for extracting eigen rhythm of other physiological signals.     

光学小波包变换及其滤波器的研究

基于对光学小波变换必要条件的分析，提出光学小波包变换的概念.选出虹膜图库的联合最优小波包基，利用最优基的线性组合生成相应的复合光学小波包滤波器.将滤波器用于光电混合虹膜识别系统中对待识别输入进行小波包特征提取预处理，模拟结果不仅证明引入该滤波器可明显提升系统的识别效果，也证明了光学小波包变换提出的意义.     

Detecting Doppler ultrasound embolic signals using the wavelet-based feature extraction algorithm

The non-invasive detection of circulating emboli with the Doppler ultrasound technique is of active significance in clinical applications. In order to eliminate drawbacks of artifacts brought by the movement of probes or patients and detect emboli accurately, relevant feature parameters are extracted from two angles of the wavelet transform of Doppler signals. The singularity of the signal waveform is analyzed based on its wavelet scalogram; then transverse and longitudinal parameters are extracted to represent the scalogram characteristics. A novel method is proposed based on the adaptive wavelet packet basis, from which several parameters such as the energy, the scale, etc. are extracted to represent the optimized signal approximation features. With all feature parameters in two aspects, a classification system is established for Doppler Ultrasound embolic signals by solving the generalized Fisher discriminant plane. From experiments on 300 simulated and 298 clinical Doppler ultrasound signals of cerebral arteries, it is shown that the proposed system can achieve the emboli detection rates of 99.0% and 98.5% for the training set and the testing set respectively. Therefore this method makes an improve- ment of emboli detection compared to traditional in the automatic detection of clinical emboli. methods and has the possibility to be applied     

运用小波变换对遥感FTIR光谱进行信息提取

主要描述了如何利用小波变换技术,对一些强度较弱和混叠干扰的遥感FTIR光谱图进行信息提取。采用了墨西哥帽函数(Mexican hat function)小波,对三氯甲烷、丙酮的标准谱图及其两者混合物的遥感谱图信号进行了连续小波变换。结果发现,尺度越小,小波系数模的极大值点与突变点位置的对应就越准确。但小尺度下,小波系数由于受噪声影响,往往只凭一个尺度不能定位突变点的位置。相反,在大尺度下,对噪声进行了一定的平滑,极值点相对稳定,但由于平滑又会使定位产生偏差。因此,在用小波变换模极大值法判断信号突变点时,需要把多尺度结合起来综合观察。总之,小波分析技术能够较准确地、稳定地定位信号突变点,提取信息,并且具有平滑和放大有用信号的作用。对于非严重重叠的混合遥感光谱,根据对不同尺度下的小波变换系数的模极大值及其定位的分析,也可较好地识别谱图。     

二维小波变换及在青藏高原地形重构中的应用

计算和检验了4种不同小波基底和不同阶小波基底对单脉冲和尖峰两个信号的分解及重构的性质,结果表明双正交小波的精度最高,Coifman小波的精度最低.通过设阈值对小波和快速Fourier变换进行截断后再重构,说明小波具有重构精度高、所用非零系数少以及误差被局域化等优点,这就削弱了"Gibbs现象",限制了它的影响范围.在此基础上,用二维快速Fourier和二维离散小波变换对实际青藏高原及其附近地形做了分解、重构及截断后重构等,说明二维小波变换能以较之FFT更少的非零系数和误差局域化等重构大地形,表明了二维小波变换在未来大气环流数值模式中的应用潜力.     

人血清血卟啉荧光光谱的双正交样条小波识别

人血清中血卟啉含量很低,其荧光光谱强度很弱,往往呈肩峰形态,难以识别其位置和荧光强度。双正交样条小波可实现对其弱信号的分辨。在血清背景荧光光谱上叠加血卟啉荧光信号,并改变其荧光强度,得到一系列强度改变的 血清血卟啉荧光光谱。用双正交样条小波bior5.5对获取的荧光光谱通过7次小波分解,将背景与卟啉荧光信号分离,得到了离散逼近信号(a₁～a₇)和离散细节信号(d₁～d₇)。结果 表明,信号频率随着分解次数的增加逐步降低。当分解到第7次时,出现了血卟啉荧光特征峰。信号峰的位置随着信号强度的下降蓝移约2.5 nm,而通过小波滤波器提取的信号峰的位置不变。随着信号的强度降低,信号峰的位置逐渐消失 ,因而其荧光强度与荧光峰的位置无法确定,而通过小波滤波器提取的信号则不受影响,且灵敏度高,从而实现了用双正交样条小波对人血清血卟啉荧光光谱的识别。由于小波变换是线性变换,离散细节信号保持信号原有的线性关系,可 以用来对血清中所含血卟啉的准确成份和定量信息,从而进行定性和定量分析,为血清荧光光谱用于肿瘤的早期诊断提供了一种方法。     

用子波变换模拟视觉信息提取过程

利用逆变换研究了ＤＯＧ子波变换在提取输入信号时的特性，指出了尺度逐次变化的子波变换表现出的由粗到精的信息提取性质和局域特性与人类视觉系统对光学图像信息的提取过程的某些方面有相似性．本文认为ＤＯＧ于波变换将是研究人类视觉系统信息处理机制的重要工具．     

一种用于管道泄漏声定位的可调Q因子小波变换分析方法

针对泄漏声发射信号的非平稳随机特性,进行了泄漏声信号可调Q因子小波变换(Tunable Q-Factor Wavelet Transform,TQWT)的理论分析和实验研究。首先通过对典型泄漏声信号的TQWT分析,研究品质因子和分解尺度对泄漏声特征提取的影响。然后根据峭度最大原则,优选出适合泄漏声信号分析的TQWT参数。在此基础上,提出了一种基于TQWT提取管道泄漏声特征分量的方法,并将提取的特征分量进行互相关分析用于管道泄漏定位。实验结果表明,利用该方法可以有效提取出泄漏声信号中的特征分量,从而更好实现泄漏定位,定位误差较小。该项研究工作为实际工程管道泄漏检测提供了可行的解决方案。      

基于小波变换测定水质中硝酸盐含量

为了测定硝酸盐与亚硝酸盐混合液中硝酸盐含量,利用硝酸盐对照液和硝酸盐与亚硝酸盐混合液的紫外吸收光谱数据进行连续小波变换,提取与硝酸盐有关的特征小波系数,实现硝酸盐含量的光谱检测。实验结果表明：用所得特征小波系数建立与浓度的线性回归方程,所取硝酸盐浓度具有良好的线性关系（r=0.9992）,平均回收率为98.59%。本法与传统的方法相比,要求条件较低,不需要物理或化学的分离,分析速度快,有望应用于在线监测污水中测定硝酸盐的含量。