搜索资源列表
waveletanalysis
- 小波分析本质上是一门分析学科，属于时频分析的一种，是傅里叶变换发展史上里程碑似的进展，Meyer认为小波分析是人们对变化敏感体会的一种方法，正如我们对速度的反应一样，身体及大脑仅对加速度有反应，而对速度没感觉。只要火车或飞机的速度是常数，我们就感到它们没有动，这就是小波分析的基本思想，它与人类体验反应、思维方式、视觉工程等十分类似，小波分析的这一特性便于我们区分信号的敏感部分和平坦部分，实施对信号的分析和检测。-wavelet analysis
Eeg-signals
- 从脑电信号的分析出发,论述了频域分析、时域分析等脑电图分析中常用的信号分析方法和特点,特别介绍了Wigner分布、小波变换和匹配跟踪等时频分析方法、人工神经网络和非线性动力学方法在脑电信号分析和处理中的应用情况。 -From the analysis of eeg, discusses the frequency domain and time domain analysis analysis in the analysis of the commonly used eeg signal a
W-avelet-Approximation-to-Remove-ECG
- 利用小波变换逼近信号滤除心电图(ECG)基线漂移的方法 可以完成图像的光线不均的矫正-The wavelet transform the approximation signal filtering electrocardiogram (ECG) baseline drift complete image uneven light correction
W-avelet-Package-Removing-ecg
- 提出一种利用小波包变换逼近信号消除心电图ECG基线漂移噪声的方法。该方法的基本思想是：通过对 ECG信号进行多分辨率分析，利用所得到的一段或几段逼近信号充分逼近ECG信号中的基线漂移噪声的特性，从而 消除某线漂移分景。-Presents a wavelet packet transform approximation signal method to eliminate electrocardiogram ECG baseline drift noise. The basic idea
61
- 提出了一种结合SVD的小波变换方法，对其在外弹道测量数据中的野值剔除进行了研究。对观测数据进行小波分解，将小波分解后的近似分量和细节分量组合实现相空间重构，作为SVD方法的输入观测矩阵，根据奇异 熵增量准则，对奇异值进行筛选，根据SVD逆变换重构原信号。这一方法克服了Hankel矩阵相空间构建方法数据 端点失真问题。以小波分解后分量重构的相空间可以满足正交性，进一步提高了SVD进行数据降噪和野值检测的精度。仿真数据和试验数据处理结果证明了这一方法的有效性。-Proposed a meth
66
- 对结构响应信号进行连续复Morlet小波变换，根据小波系数的模极大值提取小波脊线，识别结构的瞬时频率；为降低噪音的影响，采用奇异值分解(SVD)方法进行降噪处理，建立了一种基于连续复小波变换识别时变系统 瞬时频率的方法。用一个具有时变刚度的弹簧质量系统的数值算例验证方法的有效性，随后设计了一个时变拉索 结构试验，分别对索施加线性和正弦变化的拉力，同时测试结构的冲击响应，运用提出的方法成功地识别了索的瞬时频率。数值与试验结果表明，提出的方法能有效地识别时变结构的瞬时频率，且识别方法具有一定
112
- 以离散平稳小波变换的心电信号噪声去除方法为基础，根据噪声的不同来源及其频带分布特点，对变换后的细节信号采用不同的阈值去噪方案。并提出一种基于准则原理的阈值选取方法。经国际标准数据库中验证，试验表明，该方法行之有效-With discrete stationary wavelet transform of ecg signal to noise removal method as the foundation, according to the different sources of noise
113
- 介绍了小波二进制变换的基本原理 , 简述了小波变换奇异性和信号突变的关系。 基于小波变换, 给出一种结合3R 准则、 软硬阈值折衷法的奇 异信号小波检测方 法。仿真结果表明此法 既能有效地消除噪 声, 又能较好 保留奇异信号-This paper introduces the basic principle of binary wavelet transform, signal singularity and wavelet transform are briefly discussed the
Study-on-compound-fault-diagnosis
- 针对滚动轴承复合故障信号特征难以分离的问题， 提出将双树复小波变换和独立分量分析( ICA) 结合的故障诊断方 法 该方法首先将非平稳的故障信号通过双树复小波变换分解为若干不同频带的分量 由于各个分量存在一定的频率混叠， 对 故障信号特征提取有很大的干扰， 进而引入 ICA 对各个分量所组成的混合信号进行盲源分离， 从而尽可能消除频率混叠 最后 对从混合信号中分离出来的独立分量信号进行希尔伯特包络解调， 即可实现对复合故障特征信息的分离和故障识别-Aiming at the diff
energy-leakage--dual-tree
- 首先根据高斯白噪声频率充满整个频带的特性，通过双树复小波包变换对高斯白噪声进行分解，利用频带能量泄漏的定量分析方法，验证了双树复小波包变换具有较低的频带能量泄漏特性；其次利用双树复小波包变换逐层分解信号，对每层分解所得分量求其FFT谱的峭度，得到基于双树复小波包变换的谱峭度图，根据图中峭度最大的原则，可以自动准确的选择信号分解最佳层数和最佳分量；最后将基于双树复小波包变换的谱峭度图的故障诊断方法应用于实际工程中，对齿轮故障振动信号进行分析，选择最佳分解层数和分量后利用希尔伯特包络解调，有效准确地
xiaobobaoyuzhijiangzao
- ：提出一种基于对偶树复小波块阈值的信号降噪方法，并将其成功应用于机械故障诊断中。机械设备的振动信号都或多或少地含有噪声，导致弱故障信息的提取一直是故障诊断的难点和热点。提出的降噪方法充分利用对偶树复小波变换的平移不变性和块阈值法的更优估计特性，可以获得比常规的小波降噪方法以及基于常规离散正交小波变换的 NeighBlock 降噪法更高的信噪比， 不仅能有效抑制高斯白噪声， 还能够去除冲击信号中的脉冲噪声。-：A denoising method of block thresholding bas
MATLAB-wavelet
- 小波变换在信号降噪中的应用及MATLAB实现-Application of MATLAB wavelet in signal denoising implementation
bdfgbggrxcdis
- 基于小波变换法的心电信号波形自动检测算法研究，MIT－BIH数据库-Automatic ECG waveform detection algorithm based on wavelet transform, MIT-BIH
123
- 基于小波变换分析情感的心电信号去噪的研究-Ecg signal denoising based on wavelet analysis, the research
SurfaceWavesSupparRadonTransform_Yue
- 小波变换剔除干扰信号，提高信噪比，有利于分析信号-SurfaceWaves Transform
基于 HHT 的船体结构应力监测数据 特征分析和去噪方法
- ［目的］为了去除船体结构应力监测数据中的噪声信号，获得有效的数据信息，以便为后续数据挖掘提 供支撑，［方法］首先，采用 HHT 方法中的经验模态分解（EMD）算法对数据进行成分分析，得到固有模态函数 （IMF）和余项。然后，通过 Hilbert变换得到 Hilbert谱，证明应力监测数据的非平稳特性。最后，以信噪比（SNR） 和均方根误差（RMSE）为例，结合自适应去噪和小波阈值去噪两种方法对应力监测数据进行去噪效果比较。 ［结果］结果表明，基于 HHT方法的自适应去噪和小波去噪都具有一定