基于改进小波能熵的水下目标识别

文章研究了基于改进小波能熵和概率神经网络的水下目标识别方法。首先对水下目标辐射噪声信号进行小波变换多分辨率分解和重构,然后引入滑动时间窗,提取各分解子带在滑动时间窗内的改进小波能熵值作为目标识别的特征矢量,最后将特征矢量输入到概率神经网络中实现水下目标识别。对信号进行小波多分辨率分解可反映信号在不同频域上的特征,而引入滑动时间窗并在此基础上定义改进的小波能熵可反映信号的时域特征,因此改进小波能熵方法能同时反映信号的时频特征,更适合于水下目标特征提取。仿真结果表明了该方法的有效性。     

基于双树复小波的被动目标特征提取方法研究

针对水下目标辐射噪声特征提取困难的问题,提出一种基于双树复小波变换的特征提取方法。首先,采用一种改进的小波阈值去噪方法去除水下目标辐射噪声信号中的噪声成分,该方法可以获得优于经典小波阈值去噪方法的结果;其次,在特征提取过程中,采用具有近似平移不变性的双树复小波变换,该方法能够克服信号时移带来的影响,得到稳定的目标特征向量。仿真试验和实航数据处理结果表明,本文方法提取的目标特征向量比使用离散小波变换提取的结果更稳定。     

基于双树复小波的被动目标特征提取方法研究

针对水下目标辐射噪声特征提取困难的问题,提出一种基于双树复小波变换的特征提取方法。首先,采用一种改进的小波阈值去噪方法去除水下目标辐射噪声信号中的噪声成分,该方法可以获得优于经典小波阈值去噪方法的结果;其次,在特征提取过程中,采用具有近似平移不变性的双树复小波变换,该方法能够克服信号时移带来的影响,得到稳定的目标特征向量。仿真试验和实航数据处理结果表明,本文方法提取的目标特征向量比使用离散小波变换提取的结果更稳定。     

基于小波变换技术的舰船电气设备信号去噪抑制方法

以降低舰船电气设备运行所受电磁串扰影响为目的,提出基于小波变换技术的舰船电气设备信号去噪抑制方法。建立舰船电气设备信号电磁串扰噪声模型,使用小波变换方法对电气设备信号噪声进行抑制,针对小波变换去噪能量泄漏大、频带混叠大等问题,使用双树复小波的实部树和虚部树进行电气设备信号分解,即保留小波分解的优点又可以完全重构电气设备信号,并结合硬阈值和软阈值函数优点,形成通用阈值函数,优化小波变换的阈值函数,保证更好信号去噪抑制效果。通过实验可以看出,该方法的应用既可以有效抑制电气设备信号中的噪声干扰,又可以保证原始信号波形不被破坏,同时在信号分解时,可以在噪声聚集的高频部分形成十分优秀的降噪效果,使信号趋近平稳状态。     

基于小波分解的舰船钛合金超声检测信号去噪算法

传统的信号去噪算法在处理舰船钛合金超声检测信号时,受到阈值函数不连续这一特性的影响,算法的自适应性比较差。为此,将小波分解技术应用到超声检测信号去噪算法中。考虑小波分解层数对信号的影响,利用先验知识确定分解层数,在此基础上,结合软硬阈值函数,构造出折中的阈值函数并进行一定优化,将构建的阈值函数用于小波系数最化处理,将小波系数与分解系数相结合重构超声检测信号,完成去噪处理。实验结果表明:设计的基于小波分解的舰船钛合金超声检测去噪算法在不同的实验条件下信噪比高、均方根误差小,该算法的自适应性优于传统的去噪算法。     

基于小波变换的边缘保留图像滤波法研究

为了在滤除图像噪声的同时又能保留图像边缘,提出了一种新的基于小波变换的图像滤波法。利用小波变换对噪声图像进行多分辨率分解,得到对应的低频近似信号分量和高频细节信号分量。提取低频系数和高频系数,分别对低频系数进行增强,对高频系数进行锐化,再对锐化后的高频系数进行阈值处理,获得噪声系数,利用锐化前的高频系数减去处理后的高频系数,得到最终的高频系数并通过小波重构得到去噪图像。     

基于小波变换和概率神经网络的水下目标识别

由于水下环境的复杂性,水下目标的检测和识别是水声信号处理领域中的一个难题.本文研究了基于小波变换和概率神经网络的水下目标识别方法.利用小波变换得到水下目标辐射噪声信号在不同尺度下的能量分布作为特征矢量,并输入到概率神经网络中以实现目标分类.利用小波变换能量特征值可有效区分不同的目标辐射噪声.概率神经网络无网络训练过程,适合于信号分类.实验结果表明该方法的有效性和可行性.     

一种改进小波阈值的图像去噪算法

利用小波变换进行图像去噪目前始终是研究的热点。文章提出了一种改进小波阈值的图像去噪新算法。该算法根据软硬阈值函数的不同优点,并结合斜坡阈值技术对小波阈值函数进行了改进,将经小波分解以后的小波变换系数分三种情况进行讨论,有效地剔除了噪声信号的影响。在进行图像处理中,能够得到较低的均方误差和较高的信噪比,并且能有效地去除Gibbs效应,保留较多图像的边缘和细节信息。仿真实验结果表明该算法的去噪效果优于传统的软硬阈值方法去噪,取得了很好的去噪效果。     

基于小波去噪与经验模态分解的混合储能容量优化配置

针对风电出力并网困难的问题,提出采用混合储能系统平抑风电输出功率波动.首先,采用小波分析对风电输出功率信号进行小波去噪;其次采用经验模态分解对去噪后的功率信号进行分解;然后将储能系统内部功率指令划分与系统容量配置相结合,以储能系统容量配置成本最小为目标,建立混合储能容量优化模型,通过穷举对不同分界点所对应的系容量配置成...     

小波分析在船舶测试信号和图像消噪方面的应用

小波消噪已经成为目前信号消噪的主要方法之一，小波变换由于在时频两域都具有良好的局部性能，尤其在信号处理过程中，采样信号都不可避免地受到各种噪声和干扰的影响，利用小波分析可以对实验数据进行消噪处理。本文详细介绍了目前小波消噪的各种方法，揭示了小波消噪的数学背景和滤波特性；并阐述了针对不同信号的自身局部特性以及使用不同的小波变换函数和构造出适合的闻值之间的联系。对一个含有噪声的多普勒测试信号和一个含噪声图像分别进行了多尺度一维离散平稳小波分解和二维离散平稳小波消噪分析，仿真的结果表明：小波分析可以对信号更有效地消噪。     

基于小波包分解的功率谱方法在人字门启闭机减速器故障诊断中的应用

针对船闸人字闸门机械式启闭机减速器中滚动轴承振动的不平稳性及其故障信号中存在噪声和干扰的问题,提出了一种基于小波阈值算法的小波包分解与功率谱分析的故障诊断方法。该方法通过对故障信号进行小波分解且对其系数作阈值处理,并利用处理后的分解系数进行小波逆变换得到降噪后的信号,然后对降噪后的信号进行小波包分解,找到能量集中的节点,对其进行Hilbert包络解调并求其Hilbert包络线的功率谱,从而提取故障特征信息。应用实例表明:仿真信号与某船闸人字闸门机械式启闭机减速器故障诊断方法能降低信号噪声以及干扰,并能提取故障特征信息。     

小波变换在风浪研究中的应用

基于小波理论,将实测波高与压力资料减去平均值作为修正后的资料,经小波变换所得系数再将它平方,可以得出能量密度在时间域和频率域上的三维分布特性。将三维分布图对时间积分后,再除以总延时,可以得到波浪与压力在频率上的平均能量,即传统傅立叶变换所得之波谱,对时间积分,可得各瞬间波浪与压力总能量。通过应用认为小波分析在波浪研究上有广阔的应用前景。     

小波变换在地震波勘探中的应用

针对利用地震波场对目标进行探测问题,研究了利用地震波勘探的基本原理,提出了采用小波变换对地震波信号进行降噪的方法,通过与传统的经典滤波方法相比,小波变换降噪方法在去除掉高频噪声的同时保留了信号的高频成分,是一种比傅立叶变换更有效的降噪方法。对比了几种小波去噪的方法,从不同的性能指标中优化出针对地震波信号的环境特点最为有效的降噪方法,从而达到有效提取有用信号并探测目标的目的。     

自适应小波网络在船舶噪声识别中的应用

本文基于自适应小波网络理论,构造了一个应用于船舶辐射噪声识别的自适应小波网络分类器。仿真结果表明,该方法具有良好的目标识别性能,且收敛速度快,是一种有效的目标识别方法,从而为研究自适应小波网络理论在声呐信号目标识别领域中的应用有着极其重要的实际意义。     

基于小波变换与变步长LMS算法的船舶磁场信号检测

针对检测船舶磁场信号时信噪比较低的问题,提出了一种基于小波变换与变步长LMS算法的检测方法.根据船舶磁场信号的实际特征,首先对信号进行小波分解,并提取最后一层的低频分量,滤除高频噪声;再采用变步长LMS算法对低频分量进行自适应滤波,进一步滤除噪声,提取船舶目标特征信号.船模实验的结果表明,该算法可以显著提高信噪比,增强...     

一种基于小波分析的船舶振动故障检测方法

迅速兴起的小波分析方法，对时变信号处理具有独特的优点，能同时在时频双域中对信号进行分析。通过对船舶辐射噪声特性的分析，论述了针对振动信号如何选择小波基和如何利用阈值的选取规则。通过与正常信号在仿真过程中的分析对比，直观地得到电路中改变参数所带来的软故障信号的突变特征，成功提取出电路中输出信号的软故障特征，为进一步诊断故障提供了便利。     

可变深度嵌入小波图像压缩算法

为了提高小波嵌入压缩算法的速度,提出了一种可变深度嵌入小波压缩算法。由图像小波变换能量聚集和子带间的幅度衰减性等特性,在小波分层嵌入编码过程中,对不同的重要图,部分小波子带的系数幅度是不会超过当前的阈值,从而可以忽略不计,即小波树的深度随着重要图的不同而改变,也就是变深度嵌入编码。实验结果显示,对于自然图像不需要考虑的层中的小波系数幅值几乎全部小于当前的阈值,从而和EZW算法相比,编码不会影响压缩率(或图像质量),而编解码过程中的运算量明显下降。