搜索资源列表
c
- 在综合描述声发射信号特点和小波殳换基本原理的基础上，结合实例介绍同时在时域 和频域具有局部分析能力的信号处理方法--小波变换在声发射信号的特征提取、时频分析和噪声去除等方面的应用。
d
- 介绍了小波分析的产生与发展及理论现状，小波分析是博立叶分析思想方法的发展与延拓 小波基的构造以及结果分析都依赖博立叶分析，传统上使用博立叶分析的地方，都可以使用小波分析，小波分析在超越博立叶分析的同时与博立叶分析相互补充，螺旋式向前发展。还分析了小波分析在声发射信号处理中的应用现状，并指出了存在的不足及今后的前景展望。
e
- 虚拟仪器代表着目前测试仪器领域的发展方向，LabⅥEw语言是一种功能强大的仪器开发平台。对淹没在噪声中声发射信号的有效提取(去噪)是声发射信号处理技术的第一步，也是声发射信号处理的关键所在。本文介绍了基于小波变换的阈值去噪方法。在LabⅥEw平台上，通过仿真试验，对声发射信号的几种阈值法的去噪结果进行比较，选出一种适合声发射信号去噪的阈值准则。
Three-non-stationary-time-frequency-signal
- 三种非平稳信号时频分析的方法 窗口傅里叶变换、wigner分布和小波变换-Three non-stationary time-frequency analysis window Fourier transform, wigner distribution and wavelet transform
xx
- 本文详细描述了基于小波包的纹理图像去噪方法： 噪声对图像的后续处理影响较大，常用的去噪方法虽然可以去除变化平缓的图 像中的噪声，但对细节较多的纹理图像的去噪效果却不太理想, 文中基于信号和噪声在小 波分解中呈现出来的不同特性，提出了一种新颖的小波包去噪算法, 采用该算法对纹理图 像进行最优小波包分解，并计算每个子频带的两个范数，然后根据范数值区分信号和噪 声，从而达到去除噪声的目的, 实验结果表明，该算法对皮革图像具有较好的去噪效果，不 仅可以去除纹理图像中的大部分
345332534
- 小波神经网络的信号调制识别研究小波神经网络的信号调制识别研究-Wavelet neural network identification of signal modulation wavelet neural network identification of signal modulation
xiaobozengqiang
- 弱信号增强处理是探地雷达数据处理中的一个重要环节，而且是探地雷达数据处理难以解决的问题。弱信号在两 方面使其不易于直接从探测剖面上识别出来：一是本身信号强度小且受到随机噪声的干扰；二是存在浅部强信号的明显反 差，视图上难以识别。本文根据小波变换的特征提出一种信号增强方法，即多尺度小波变换信号增强法。-Ground-penetrating radar based on wavelet transform weak signal enhancement
ECG-Detection-use-wavelet
- 本文把小波变换应用于心电信号的识别。探讨了伸缩尺度和伪频率(译自pseudo—frequency)-~．间的关系；利用二进双正 交样条小波对室扑信号按Mallat算法进行小波分解；提出了心室扑动和心室颤动信号的小波变换识别方法-Wavelet transform in used to identify the ECG si a1．The relation between scale and pseudo—frequency is discussed．The ventrlcular flu
2464613103
- 基于小波变换和 HHT 的分布式并网系统谐波检测方法。 该方法利用小波变换多分辨率分析思想对信号进行划分，并对划分后的信号进行经验模态分解，得到一系列的经验模态函数IMF，并从 IMF分量中提取出基波分量和高次谐波；再对IMF分量进行Hilbert 变换得到信号的频率、幅值信息。-Wavelet transform and HHT based distributed systems and network harmonic detection method. The method use