一种照明无关的小波多尺度相乘边缘检测方法

提出了一种照明无关的小波多尺度相乘边缘检测方法,用于从非均匀的弱照明图像中提取边缘。根据照明反射图像形成模板与CCD相机成像原理,推导出图像的对应小波变换公式。然后,对图像局部区域中噪声、边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。为增强边缘并抑制噪声,提出了一种改善的小波多尺度相乘边缘检测方法,并依照小波变换后边缘像素的特征,提取单像素的边缘。采用仿真和真实的非均匀的弱照明图像对该边缘检测算法进行验证,并与另外两种边缘检测方法进行定性的和定量的比较。实验结果证实了这种边缘检测方法能够从灰度不均匀的低衬比度图像中正确有效地提取边缘。     

基于小波阈值滤波的激光陀螺消噪方法

利用小波多分辨率分析的特点和分形噪声在小波变换域的特性,采用小波变换域参数估计方法获得噪声参数,然后采用小波阈值滤波方法去除噪声,并比较了三种小波基不同的滤波效果.通过仿真试验,陀螺的零漂值从0.3755°/h减小到了0.1026°/h.     

多尺度边缘检测方法提取近红外光谱信息特征的研究

利用小波变换中的多尺度边缘检测方法对甲硝唑药片近红外光谱进行了信息特征的提取。通过偏最小二乘法建立所提取的特征与甲硝唑浓度之间的数学模型,并进行精度分析。结果表明,小波变换多尺度边缘检测能够有效分离并提取光谱信息特征,降低噪声,为一种有效的光谱信息特征提取方法,为解决近红外光谱中光谱叠加严重和信息率低等难题提供了一种思路。     

自适应小波阈值去噪在光谱信号处理中的应用

在光谱数据的多组分定量分析中 ,噪声的存在往往影响分析的准确度。小波变换的多分辨率分析的特性使它成为一种优良的去噪方法。本文基于 Dohono提出的小波阈值去噪和 Mallat,Xu等提出的空域相关去噪法 ,提出了一种新的自适应小波阈值函数滤噪法。与原来方法比较 ,新法能够在有效去除噪声的同时 ,很好地保留了信号的细节。仿真计算和分析表明了此算法的有效性。     

基于小波变换的人体步态序列提取

将小波变换用于处理人体行走时产生的加速度信号.利用离散小波变换的多尺度、多分辨率特性对原始加速度信号进行尺度分解,在对小波基以及分解尺度进行合理选取后准确地从加速度信号中提取出隐藏的步态节律.与利用阈值法直接对原始加速度信号提取峰值的算法比较后发现：利用小波分解得到与步态节律相关的特征尺度后再进行峰值检测能显著地提高信号峰值的检出率;即使当原始信号存在较严重的噪声干扰时,该方法也能保证所提取出的步态序列的准确性.这对于步态序列的后续分析具有至关重要的意义.研究表明,离散小波变换是一种有效的提取步态节律的方 关键词： 小波变换 步态序列 峰值检测 特征尺度     

利用小波变换进行海上目标识别研究

对海面舰船目标类型的识别,通常采用目视判读的方法。由于目视判读的方法不利于大面积侦察任务的快速识别,所以根据海上目标所具有的背景单一、结构复杂的特点,提出了利用小波变换所具有的多分辩率、易于消除噪声、运算方便的特点来提取舰船边缘特征,建立舰船结构特征数据库,实现舰船目标类型的自动判读。试验证明效果很好。     

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。     

使用离散小波变换的相位轮廓术

提出了两种在相位轮廓术中使用离散小波变换提取条纹相位的方法:单次分解法和多次分解法.前者用多分辨率分析的多孔算法计算变形条纹解析信号的离散小波变换,寻找每一位置的小波系数在尺度方向上的模极大值点,通过提取该点的相位就可以得到原条纹的相化值;后者是在前者的基础上,通过插值改变条纹信号的抽样率,再次进行多分辨率分析,得到冗余的小波系数,提取条纹相位.单次分解法适合处理正弦载频条纹图,多次分解法抗噪性好,可以处理带有高次谐波的准止弦载频条纹图.相对于使用连续小波变换的方法.这两种方法较适合处理离散信号,对于512 pixel × 512 pixel的条纹图计算速度分别提高90%和50%.计算机模拟和实验验证了方法的有效性.     

基于卷积型小波包变换的谱线自动提取方法

天体光谱中的谱线包含重要的天体物理信息。文章提出一种基于卷积型小波包变换的谱线自动提取方法。该方法由以下主要步骤组成：(1)将观测光谱进行4层卷积型小波包变换;(2)对第四层小波包系数,采用区域相关算法以及阈值处理方法进行噪声处理;(3)选择中高频小波包系数进行谱线特征重构;(4)根据重构后的谱线特征,利用谱线搜索方法,在观测光谱中提取谱线。作者在实验中用恒星、正常星系和活动星系光谱进行谱线提取测试,结果表明该方法具有对噪声鲁棒和谱线提取准确等特点。用该方法提取sloan digital sky survey(SDSS)光谱中的谱线后,计算了红移并与SDSS给出的红移进行了对比,实验结果间接验证了该方法提取谱线的有效性。     

基于小波变换和数学形态学的孔径测量研究

针对视觉测量中硬盘圆孔孔径容易受到圆孔周围局部强反射、外部噪声的影响和测量精度不高的问题,提出一种基于小波变换、数学形态学和机器视觉相结合的圆形零件孔径测量方法。对摄像头采集圆孔图片,通过小波变换分解出高低频图像,利用小波变换对高频部分进行边缘提取,数学形态学对低频部分进行边缘提取,然后进行小波边缘融合,获取有效的圆孔边缘。利用最小二乘法对边缘进行孔径尺寸计算,经实验验证,该算法与其他算法相比,在有效地保留圆孔周围边缘信息的情况下,对周围噪声进行了有效的抑制,检测精度为0.01 mm以内,实验结果表明此方法简单易行,且具有较高的精度。     

解调带宽对船舶辐射噪声调制谱的影响

利用傅里叶分解原理建立了幅度调制的船舶辐射宽带噪声信号数学模型,导出了基于平方解调算法船舶辐射噪声调制谱数学表达式。通过理论分析和仿真计算得到了关于调制谱分析两个新的结论:(1)解调性能与解调处理带宽关系:在声呐接收的船舶辐射噪声各频带调制度相同时,解调性能正比于解调所采用的带通滤波带宽,解调所采用的带通滤波带宽越宽,解调谱信噪比越高;(2)宽带解调谱和子频带解调谱之间关系:船舶辐射噪声宽带解调谱可以近似认为各子频带解调谱之和。为了验证以上两点结论,对实际船舶辐射噪声解调谱进行了相应处理,结果与仿真计算吻合较好。      

基于深度学习的船舶辐射噪声识别研究

为了改善船舶辐射噪声识别系统的性能,进一步提高船舶辐射噪声识别的正确率,该文提出采用一种基于深度学习的船舶辐射噪声识别方法。该方法首先提取了船舶辐射噪声的频谱、梅尔倒谱系数等特征,将提取特征后的图像样本分别用于训练卷积神经网络和深度置信网络,再对船舶辐射噪声进行识别。通过文中所给实例,将深度学习和支持向量机两种识别方法的性能进行比较,得出深度学习方法可以有效地提高船舶辐射噪声识别正确率的初步结论。     

Multiplexing technique using amplitude-modulated chirped fiber Bragg gratings

We propose a new multiplexing technique using amplitude-modulated chirped fiber Bragg gratings that have an identical center Bragg wavelength. Each grating is inscribed with a unique amplitude modulation that allows them to be multiplexed with complete overlapping within a certain bandwidth. To demodulate the multiplexed signal, the discrete wavelet transform is employed. Concurrently, a wavelet denoising technique is used to reduce the noise. This proposed multiplexing technique has been verified through strain measurements. Experimental results showed that for strains applied up to 1250 microepsilon the absolute error and cross-talk are within +/-20 microepsilon and 16 microepsilon, respectively. A strain resolution of 4 microepsilon is obtained.     

基于小波变换和维纳滤波的半导体器件1/f噪声滤波

针对半导体器件中普遍存在的1/f噪声提出了一种结合了提升小波变换和维纳滤波器的处理方法.首先利用重新加权迭代最小二乘法拟合1/f噪声的功率谱曲线得到噪声参数的估计,从而选择恰当的小波.其次,对包含了1/f噪声的信号进行提升小波变换.考虑到小波变换对1/f噪声的白化作用,利用维纳滤波器对每一层小波系数进行处理.设计了最优全通滤波器以校正维纳滤波器的相频特性,使得小波系数经滤波后相位不变.最后利用提升小波逆变换获得被1/f噪声淹没的信号.利用实验检验了提出方法的有效性,实验数据采自用于微创外科手术机器人的力传感器.结果表明提出的方法能够有效抑制1/f噪声,并使传感器的分辨力提高了25%. 关键词： 半导体器件 f噪声')" href="#">1/f噪声 提升小波变换 维纳滤波     

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。     

软门限去噪法在X射线能谱分析中的应用

从函数空间的剖分和理想滤波器组的角度分析了多分辨率信号的分解与重构，提出了一种X射线能谱去噪的方法，即应用Mallat算法对谱信号进行小波分解，然后应用一个非线性软门限函数在小波域内将噪声抑制和消除，最后重构得到去噪后的能谱。该方法明显改善了能谱定量分析的结果。     

近红外光谱预处理中几种小波消噪方法的分析

以菜籽油的一阶导数近红外光谱为研究对象,探讨小波变换在近红外光谱信号消噪方面的应用,分别采用九点平滑法、小波分解与重构法、非线性小波软阈值法和小波变换模极大值法对导数光谱进行消噪处理并对消噪效果进行比较分析。结果表明,小波变换模极大值光谱消噪法得到了较高的信噪比,小波软阈值法次之,其余两种方法消噪效果较差。小波变换模极大值法有效的保留了光谱的有用信息,为近红外光谱的分析精度和模型的稳健性奠定了良好的基础。     

A WAVELET TRANSFORM AND ITS APPLICATION TO SPECTROSCOPIC ANALYSIS

ABSTRACT

An introduction to the wavelet transform and its applications in spectroscopy analysis are presented. Owing to the property of the dual localization both in time and in frequency domains, the wavelet transform exhibits several useful characteristics. With the wavelet transform a signal can be decomposed into series of contributions according to the frequency difference, these contributions are respectively called discrete approximations and discrete details. By applying certain treatment to the discrete approximations (the low frequency part) or the discrete details (the high frequency part), a part of the original signal within a certain frequency range can be obtained. The wavelet transform has been applied in various fields of the analytical chemistry, including removal of high frequency noise, information extraction, resolution of overlapping signals, and data compression etc. Research concerning application in analytical chemistry are introduced in respect of photoacoustic spectroscopy, EXAFS spectrum, NMR analysis, and Raman spectrum.     

主成分分析在舰船辐射噪声分类识别中的应用

主成分分析(PCA)是经典的多元统计分析方法,在处理多变量综合问题方面有比较突出的优势。本文主要探讨了主成分分析在舰船辐射噪声信号分类识别中的应用。在经典功率谱的基础上尝试将PCA技术运用在两种不同的方法中,对两种舰船辐射噪声进行了特征提取和分类识别,得到了较好的效果。     

基于小波变换的木材近红外光谱去噪研究

木材近红外光谱常常被一系列噪声所污染,影响光谱分析结果。为了提高近红外光谱分析精度,需要对光谱数据进行预处理。光谱导数可以消除光谱背景干扰和基线漂移等因素影响,提高光谱分辨率,但导数光谱在增强信号的同时,也使信号噪声得到增强。应用小波变换对杉木木材近红外一阶导数光谱进行去噪研究,分别采用9点平滑法、25点平滑法、非线性小波硬阈值和软阈值法、9点平滑+小波变换法和25点平滑+小波变换法对光谱数据进行去噪研究。结果显示, 小波变换能够有效去除导数光谱中的噪声信号,保留光谱中的有效信息,提高光谱信噪比,提高光谱的分析能力,在木材近红外光谱分析中具有很好的应用前景。