一、改进型小波多分辨率分析及小波梳状滤波器（论文文献综述）
徐晨[1]（2021）在《电力系统间谐波自适应检测算法的频率分辨率研究》文中研究指明随着中国经济的快速发展和大型电网的互联,电网中具有非线性特征的负载被使用的频率越来越高。在这种趋势下,电网中除了会存在线性稳定的电力信号外,还会经常出现间谐波信号。目前,电力间谐波分析主要有基于积分运算和基于频率估计的微分运算两类算法。基于微分运算的方法具有数据周期短、计算量小、实时性较好的优点。然而,多个频率估计并联算法存在频率分辨率问题,本学位论文针对该问题,开展了相关研究,主要内容包括如下:首先,针对归一化自适应梳状滤波器算法,依次运用慢积分流形法、平均值法、李雅普诺夫稳定性定理推导出关于其频率分辨率的一个结论——为了满足算法的渐近稳定性:第一,频率自适应增益必须设为足够小的值,并且此值随着正弦分量频率差值的最小值减小而减小;第二,估计频率相对于初始的偏移值被限制在组成间谐波信号的各个正弦分量频率的最小差值与归一化自适应梳状滤波器中并联估计器个数之商的区域内。接着,运用MATLAB对上述结论的两个方面进行仿真,验证了上述结论的正确性。其次,对此算法频率分辨率分析进行了实验验证。实验平台包括基于STM32的算法实现部分、基于TMSF230F28335和FPGA信号发生部分与基于液晶显示屏的波形显示部分。给出了信号发生电路、电源转换电路、DA转换电路、AD转换电路等的原理图。给出了FPGA配置程序、算法迭代子程序和波形显示子程序等的流程图。实验结果与MATLAB仿真结果相一致,验证了结论的有效性。最后,对本文进行了总结,讨论了自适应梳状滤波器频率分辨率分析的未来研究方向。
陈乐鹏,谭晓东[2]（2020）在《ip-iq的改进算法与小波变换谐波检测方法研究》文中研究说明基于瞬时无功功率的理论的ip-iq的检测方法在三相电压不对称时提取基波有功功率时会产生误差的问题,为减小误差提出了一种新型ip-iq的检测方法代替正余弦发生器与锁相环部分。该方法直接将正序电压同步旋转到dq轴,并推导出正余弦分量,再与小波变换配合使用,减少小波变换单独使用时的混叠现象,得到更加准确的基波信号。在MATLAB软件中进行仿真实验,验证该方法的可行性。得到了用ip-iq的检测方法在三相电压不对称时a相基波与三相电压对称时波形大致重合,并小波变换减少了1.77%的基波含量。
胡锐[3]（2018）在《基于最小二乘支持向量机的胎儿心电信号提取研究》文中研究表明胎儿心电监护是孕妇妊娠期间监测胎儿健康状况的重要手段,可以有效的发现胎儿在母体内发育成长的不良状况,并及时反应,可降低围产期胎儿的发病率与死亡率。因而有效提取清晰的胎儿心电信号具有重要的理论意义和实用价值。由于母体胎儿成长环境的复杂性,采集到胎儿心电具有微弱,非平稳的特性,并且常受到母体心电,工频干扰,基线漂移,肌电干扰的影响,能量较小的胎儿心电混合在原始心电信号中不易被观察到,给胎儿心电特征的提取增加了难度,限制了它在临床上的应用。目前常采用的方法是利用小波分解提取胎儿心电,在多层小波中,提取母亲峰值部分,利用小波重构得到母亲心电,并利用原始心电减去母亲心电得到胎儿心电信号,但是这种方法,常常不能有效的去除干扰噪声,并易造成胎儿QRS波的漏检。利用最小二乘支持向量机的方法,需了解胎儿心电信号及其噪声的时频特性,根据EMD分解处理非平稳信号的良好特性,对原始心电分解,并阐述最小二乘支持向量机的基本工作原理,结合EMD方法对已采集到的母亲胸部心电数据分解并送入支持向量机中训练学习,对样本集数据预测得到母亲腹部心电信号,通过原始心电与预测得到的母亲心电相减得到胎儿心电信号。实验通过对模拟心电加噪,国际通用心电数据库心电,临床采集心电预处理、心电信号的EMD分解和最小二乘支持向量机预测等步骤,编写实验算法代码,均能在MATLAB仿真平台中提取得到胎儿心电。实验证明,基于经验模态分解的方法,能较好的处理非平稳信号,并且采用最小二乘法支持向量机的方法能较好较快的预测母亲腹部心电。实验结果从可视化效果和信噪比两个方面对多种来源的心电信号进行分析,最后得出该方法能够准确提取胎儿心电信号,具有较好的效果,为产前诊断提供了较大价值的医学信息,可作为临床胎心电的研究。
黄晨昕[4]（2018）在《基于小波变换与非负矩阵分解的胎心电信号处理方法研究》文中指出胎儿心电信号是胎儿发育阶段心脏产生的源发性信号,反应了心脏活动的整个过程和变化规律。通过对胎儿心电图的分析,能及时了解胎儿在宫内的发育状况,判断是否存在缺陷异常。然而,从母体腹壁采集到的信号包含了母亲心电、工频干扰、基线漂移以及其他各种噪声。而胎儿心电本身又是一种低频、微弱的非平稳信号,如何从腹部信号中有效提取出较为清晰的胎儿心电信号一直是生物医学信号处理领域的研究热点。本文介绍胎儿心电的相关知识以及常用的处理方法,在总结优秀经验的前提下,通过实验对比分析,提出一种基于小波变换与非负矩阵分解的胎儿心电信号处理方法。首先,对信号进行预处理,使用梳状滤波器消除50Hz工频干扰及其谐波分量,低通滤波器去除高频噪声,中值滤波器去除基线漂移,并对预处理效果进行验证。然后,介绍了基于小波变换的母胎心电信号分离方法,小波变换具有多分辨率特性以及局部特征表示能力在信号处理领域被广泛使用,针对心电信号特点选择合适的小波基及分解层数进行小波变换,对分解后的近似信号进行阈值检测,得到母亲心电信号所有R波峰值点位置,再从细节信号中截取对应的母亲心电信号高频成分,利用小波重构得到母亲心电信号。用滤波后的信号减去重构后的母亲心电,即可得到含有噪声的胎儿心电。之后,提出了一种基于非负矩阵分解的胎儿心电信号处理方法。在处理单通道模型下含有噪声的胎儿心电信号时,为了满足非负矩阵分解的要求,首先对其进行时频变换,得到Born-Jordan分布,通过转换到频域上的功率谱,选择合适的频段进行NMF分解,得到胎儿心电的特征信号,对其进行峰值检测可计算得到胎儿瞬时心率。通过模拟数据和MIT-BIH心电数据库中的临床数据进行仿真测试与结果分析,验证算法的可靠性。实验结果表明:本文提出的算法能有效地提取胎儿心电特征信号,并计算出较为准确的胎儿心率,可作为产科医护人员诊断的有效参考依据。
林思苗,张艳荣,郭丽萍[5]（2017）在《改进WMRA在滚动轴承故障诊断研究中的应用》文中指出针对滚动轴承初期故障诊断时故障特征信号微弱,且传统的包络谱分析方法需要预先依靠经验确定出分析频段的问题,提出了基于经验模态分解（EMD）和改进的小波多分辨率分析（WMRA）的诊断方法。首先通过对滚动轴承故障振动信号进行EMD分解,利用峭度系数和振动固有频率特征参数对分解后的本征模态函数（IMF）分量进行了分类,筛选出了最佳IMF分量,然后通过希尔伯特变换（HT）计算得到了所选IMF分量的包络信号,最后利用改进后的WMRA对包络信号进行了重构,所得到的包络谱明显地突出了故障特征频率。实验结果表明:相比单独的EMD或传统的WMRA,该方法有效地提高了信号分析的准确性。
罗烈[6]（2017）在《小波变换在变形监测数据去噪和信息提取中的应用研究》文中指出小波变换因其具有多分辨分析和时频局部化的优点,特别适合用于对含有多种频率成分且为非平稳序列的变形监测数据进行去噪处理并提取其中的变形信息。在使用小波变换对变形监测数据进行去噪处理时,不同的变形监测数据具有不同的特点（如采样率、受噪声污染程度等）,应当选取不同的去噪参数,包括小波基的选取,最佳分解层数的确定以及阈值的选择。这个问题一直是研究的重点.目前许多专家学者就最佳分解层数和阈值的选择问题已经进行了大量的研究探索,而最优小波基的选取还没有一个系统规范的标准。另一方面,工程体的变形信息往往表现为监测数据频率成分的变化。基于这一事实,变形监测数据中的变形信息提取就是要获取数据信号频率出现奇异性的地方。而在使用单子带重构算法对数据信号进行分析的过程中,由于Mallat算法固有的频率混淆,常常会导致提取出错误的特征信息,得到的重构数据也会因为与滤波器卷积而长度发生改变,进而导致边界效应问题。针对以上两个问题,本文在查阅国内外大量文献的基础上,尝试从能量和熵的角度出发,提出了一种能够在一定程度上指导不同变形监测数据选择其适合的最优小波基的融合指标。同时通过研究Mallat算法中频率混淆的产生原因,在单子带重构改进算法的基础上提出抗混叠单子带重构改进算法,以期能够解决频率混淆和信号长度变化的问题。采用本文提出的方法对仿真数据进行小波阈值去噪处理以及特征信息提取。通过分析,证明了小波基选择的融合指标的可靠性和实用性,同时验证了抗混叠单子带重构改进算法能够克服频率混淆的问题,保证了信号长度不受与滤波器卷积的影响,消除了边界效应问题。最后将提出的两种方法应用于变形监测的实测数据处理中,得到了较为满意的结果。
张明涛[7]（2014）在《语音识别中抗噪方法的研究》文中研究说明目前，语音识别系统已经在理想的环境下获得了不错的成绩，但是存在于应用环境中的各种干扰信号，导致系统的识别能力大幅度下降。由此可见，去噪技术已经成为语音识别系统能否在生活中完美应用的关键，同时也是语音识别领域要攻克的热点问题。目前，语音识别中主要的抗噪方法分为语音增强技术、抗噪特征提取技术和模型补偿技术三个方向，在本文中，结合前两种技术提出了一种组合的去噪方法来进一步提高系统的鲁棒性。首先，在语音增强技术方面，通过分析硬阈值函数、软阈值函数、软硬阈值折中函数和Garrote阈值函数的优缺点，构造出了一种改进的阈值函数，这个函数同时具备了以上几种函数的优点。然后通过Matlab仿真验证了该函数的可行性与有效性。其次，在抗噪特征提取方面，通常采用MFCC参数和基于小波多分辨率分析改进的MFCC参数。由于MFCC参数提取过程中的FFT变换在时域和频域分析窗是不变化的，这就违背了语音信号非平稳性的特点；而基于小波多分辨率分析的MFCC参数只分解变换后的低频部分，高频部分却不做任何操作。针对这两个缺陷，本文给出了一种改进的基于小波包分析的特征提取方法，并验证了这种方法具有较好的识别结果。最后，在性能分析部分，首先基于本文的组合去噪方法构建了一个非特定人、孤立词、小词汇量的语音识别系统，然后在几种不同信噪比环境下，经过对比不同系统的识别率，验证了该组合去噪方法的有效性。
夏丙寅[8]（2014）在《面向移动通信的单通道语音增强方法研究》文中指出近年来，单通道语音增强技术在移动语音通信系统中获得了广泛的应用，但在复杂噪声场景中其性能往往不能达到实际应用的需求。本文从噪声估计方法的改进、现有语音增强技术的融合、人工神经网络在语音增强中的应用，以及应用于移动通信系统网络设备中的压缩域语音增强方法等方面进行研究，提出了几种适用于移动通信系统的单通道语音增强方法。本文的研究成果可以总结为以下几个方面：1.为提高噪声估计方法对噪声强度突变的跟踪能力，本文在最小值控制递归平均方法基础上，提出了一种噪声估计加速方法。首先检测含噪语音功率谱的突变情况，检测到突变后设定具有自适应长度的拖尾段，并在拖尾段中利用多参数话音激活检测方法判断语音的存在性，而后结合噪声估计与最小值比例参数，判定是否对噪声估计进行强制更新。ITU-T G.160标准下的性能测试结果表明，噪声估计加速方法不会对噪声强度平稳时的性能产生影响，但噪声强度突变时的收敛时间得到了显着的降低，同时有效消除了收敛过程中的音乐噪声现象。2.为结合不同语音增强算法的优势，本文提出了一种基于小波融合的语音增强方法。该方法首先利用双正交小波包变换将含噪语音分解为若干个子带；而后分别使用加权欧氏失真测度幅度谱估计器和过减型小波阈值方法在各子带中进行增强；进一步，利用基于互相关和先验信噪比的融合准则，将两种方法所得输出小波系数结合起来；最后利用逆小波包变换得到增强语音。利用ITU-T G.160标准进行性能测试，结果表明，与参考方法相比，所提方法可以获得更好的客观语音质量。3.通过在传统的去噪自动编码器（Denoising Auto-encoder，DA）中引入加权重建损失函数，本文提出了一种加权去噪自动编码器（Weighted DenoisingAuto-encoder，WDA）模型，并用于描述纯净语音和含噪语音功率谱的关系。在此基础上，提出一种基于WDA和噪声分类的维纳滤波语音增强方法。所提方法首先利用WDA模型估计纯净语音的功率谱，而后利用后验信噪比控制的递归平均方法估计先验信噪比，最终使用频域维纳滤波方法获得增强语音。另外，引入一种基于高斯混合模型的在线噪声分类方法，改善所提方法在不同噪声环境中的适用性。基于ITU-T G.160的性能测试结果表明，与传统的频域维纳滤波方法相比，所提方法在训练集内和集外噪声环境中都可以获得更好的客观语音质量。4.基于ITU-T G.722.2编码器的比特流，通过调整码书增益参数，本文提出了一种兼容非连续传输模式和帧擦除情况的压缩域语音增强方法。在非DTX模式，首先在压缩域进行话音活动性检测和背景噪声分类；而后利用代数码书能量估计噪声强度，并根据噪声类型估计信噪比；进而对自适应码书和代数码书增益进行联合调整，并重新量化编码。在非连续传输模式的非语音帧中，对对数帧能量进行衰减以消除噪声的影响，同时保持谱包络参数不变。在帧擦除发生时，对恢复得到的代数码书增益进行指数衰减，重建代数码书矢量，并对所有编码参数进行重新编码。基于ITU-T G.160标准的性能测试结果表明，所提方法可以在低复杂度前提下，获得优于现有压缩域语音增强方法的噪声衰减、信噪比提高和主客观语音质量。
王永涛[9]（2014）在《基于小波变换的语音信号去噪研究》文中认为语音是人们日常生活中互相传递信息的重要手段。实际中，语音不可避免地受到周围环境中各种噪声的干扰而使语音质量受到影响。因此，对被噪声干扰的语音信号进行去噪处理，就是降低含噪语音信号中的噪声分量，改善语音的质量。小波分析由于具有多分辨率分析的特点，有利于分析语音等非平稳信号，所以它能有效地实现对语音信号的去噪。本文主要研究了其中的小波阈值法在语音去噪中的应用。首先，对小波阈值法去噪中的几个关键参数的选择进行了分析，如小波基、小波分解层数、阈值选取规则以及阈值函数。其次，针对传统阈值函数存在的不足，本文提出一种改进的阈值函数。改进的阈值函数从理论上克服了传统阈值函数在小波系数绝对值小于阈值时直接置零，而引起震荡的缺点，同时有效避免了小波系数绝对值大于阈值时存在较大偏差的问题。仿真结果表明了改进的阈值函数比传统的阈值函数去噪效果好，去噪后的信噪比和均方根误差等指标都优于传统的阈值函数。再次，研究了低信噪比时，若直接地采用小波阈值法进行语音去噪效果不是很理想，本文考虑了先用传统的谱减法对含噪的语音信号进行预处理，再用改进的小波阈值法去噪。仿真结果表明了该方法的有效性。最后，设计了小波阈值去噪法分析系统。该系统可以对小波阈值法去噪中的关键参数进行选择，能够直观地反映出不同参数下的去噪效果。
侯者非[10]（2010）在《强噪声背景下滚动轴承故障诊断的关键技术研究》文中指出旋转机械工况监测是系统维护和自动化生产中的一个重要环节,滚动轴承故障是造成旋转机械损坏最主要因素之一,有时还会带来灾难性的生产事故。因此,开展滚动轴承故障诊断,尤其是对早期故障诊断研究具有重要的理论价值和实际意义。实践表明：对于具有调制现象的滚动轴承故障诊断,基于Hilbert变换的包络解调方法是一种可靠的诊断方法。本文以强噪声背景下滚动轴承故障诊断为目标,针对故障特征提取的问题提出了几种包络解调的新方法,’主要研究工作如下：在滚动轴承的故障机理方面,完善了现有滚动轴承振动模型,建立了综合考虑轴承元件表面波纹度、局部损伤、径向游隙等因素的轴承振动模型。由于生产工艺的原因,轴承元件表面不可避免的存在波纹度,为使模型更符合滚动轴承的实际工作情况,在模拟轴承损伤故障振动信号时必须考虑波纹度等其它因素的影响。通过实验分析模拟轴承的振动特性,证明该模型是有效的。从信号分析角度看,Morlet小波和Harmonic小波是复解析带通滤器,常用于振动信号的包络解调。但是,它们在时域或频域都存在自身的不足,为此,构造了一种复解析带通滤波器,不但克服了Harmonic小波Gibbs的现象,还具有几乎“盒形”的频谱特征、时域衰减较快的特性,综合性能优于二者。在此基础上,提出了一种基于组合复解析带通滤波器的梳状包络解调方法,实现了信号梳状滤波和包络解调的统一。实验结果表明该方法具有抗噪声、容错能力强的优点,可获得信号的简明解调谱特征。S变换（S-Transform, ST）是短时Fourier变换和小波变换的一种延伸和扩展,可用于提取信号的包络。为了更有效的分析具有周期性调幅特征的轴承损伤振动信号,提出了多分辨率ST包络谱的概念,并给出了其计算方法。为了进一步抑制带内噪声,采用了一种基于多分辨率ST包络谱和奇异值比谱的方法,自动提取、重构调制信号包络的主周期分量,由于采用了改进的相空间矩阵重构方法,使获取的主周期分量频率更准确。实验结果证明,该方法可以很好的降低噪声,有效地提取信号中的周期成分,在不同强度背景噪声下,实现了轴承故障特征频率的提取。与各种抑制噪声方法相比,随机共振能够利用噪声来增强信号,使其在微弱信号的增强和检测方面有着独特的优势。在随机共振系统的数值解法方面,提出了一种改进的数值解法以增强共振效果；在系统参数优化方面,设计了一种基于遗传算法同时优化系统参数和噪声强度的自适应随机共振方法；针对经典的绝热近似小参数随机共振难以满足实际工程大参数条件下的微弱信号检测问题,深入研究了变尺度、移频—变尺度等大参数信号随机共振实现方法,提出了一种更适用于调幅信号的大参数随机共振系统,即S变换—变尺度随机共振。实验结果证明,该方法对于微弱周期调制信号的解调分析效果明显优于FFT谱分析和常用解调方法,可用于强噪声背景下提取轴承故障特征。通过对模拟和实测轴承故障振动信号的实验分析,证明了以上所提出包络解调新方法的有效性以及某些方面独特的优越性。有理由相信,这些方法在滚动轴承故障诊断方面有着良好的应用前景。
二、改进型小波多分辨率分析及小波梳状滤波器（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、改进型小波多分辨率分析及小波梳状滤波器（论文提纲范文）
（1）电力系统间谐波自适应检测算法的频率分辨率研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 概周期信号的研究现状 |
| 1.2.1 基于积分运算的概周期信号检测研究现状 |
| 1.2.2 基于微分运算的概周期信号检测研究现状 |
| 1.3 本论文的主要工作 |
| 第二章 多ANF并联算法的频率分辨率分析 |
| 2.1 自适应电信号分辨率计算方法 |
| 2.2 算法模型的构建 |
| 2.3 归一化自适应梳状滤波器频率分辨率分析 |
| 2.4 算法仿真分析 |
| 2.4.1 Simulink建模仿真 |
| 2.4.2 频率自适应增益的限制 |
| 2.4.3 渐近收敛区域的逼近 |
| 2.5 改进的离散化算法 |
| 2.6 离散化的实现 |
| 2.7 本章小节 |
| 第三章 频率分辨率分析实验平台硬件设计 |
| 3.1 系统总体设计方案 |
| 3.2 信号发生系统的硬件设计 |
| 3.2.1 控制开发板TMS320F28335 模块介绍 |
| 3.2.2 DSP和 FPGA的连接电路设计 |
| 3.2.3 FPGA相关电路的设计 |
| 3.2.4 FPGA相关电路的实现方式 |
| 3.2.5 DAC电路设计 |
| 3.2.6 信号调理电路的设计 |
| 3.3 算法实现系统的硬件设计 |
| 3.3.1 STM32F407 处理器最小系统电路的设计 |
| 3.3.2 STM32F407 处理器A/D转换电路的设计 |
| 3.3.3 STM32F407 处理器D/A转换电路的设计 |
| 3.4 本章小结 |
| 第四章 频率分辨率分析实验软件设计 |
| 4.1 系统软件设计总体方案 |
| 4.2 信号发生系统程序的设计 |
| 4.3 信号采集子程序的设计 |
| 4.4 归一化自适应梳状滤波器算法子程序设计 |
| 4.5 波形输出子程序 |
| 4.6 数字低通滤波器子程序设计 |
| 4.7 实验验证结果 |
| 4.8 本章小节 |
| 第五章 总结与展望 |
| 5.1 本文总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（2）ip-iq的改进算法与小波变换谐波检测方法研究（论文提纲范文）
| 0 引 言 |
| 1 传统的基于瞬时无功功率理论的ip-iq法 |
| 1.1 原理 |
| 1.2 误差分析 |
| 2 小波变换 |
| 3 ip-iq检测新算法与小波变换相结合 |
| 3.1 ip-iq检测新算法 |
| 3.2 小波变换的新方案 |
| 4 仿真分析 |
| 4.1 模型搭建 |
| 4.2 仿真结果分析 |
| 5 结 论 |
（3）基于最小二乘支持向量机的胎儿心电信号提取研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 胎儿心电提取的意义 |
| 1.3 胎儿心电提取研究的现状 |
| 1.4 本文的内容及安排 |
| 第二章 胎儿心电的研究背景 |
| 2.1 心电信号基础知识 |
| 2.1.1 心电信号的产生过程 |
| 2.1.2 心电信号的模型和混合的胎儿母亲心电 |
| 2.1.3 心电信号的特性分析 |
| 2.2 心电信号数据来源 |
| 2.2.1 MATLAB下模拟心电信号 |
| 2.2.2 MIT心电数据库 |
| 2.2.3 临床采集的心电信号 |
| 2.3 胎儿心电处理方法 |
| 2.3.1 匹配滤波法 |
| 2.3.2 小波变换法 |
| 2.3.3 盲分离方法 |
| 2.4 本章小结 |
| 第三章 心电信号的预处理 |
| 3.1 胎儿心电信号中的噪声 |
| 3.2 滤波器 |
| 3.2.1 梳状滤波器 |
| 3.2.2 低通滤波 |
| 3.3 小波变换 |
| 3.3.1 连续小波变换 |
| 3.3.2 离散小波变换 |
| 3.3.3 常用小波函数 |
| 3.3.4 小波多分辨率分析 |
| 3.3.5 小波去噪 |
| 3.4 本章小结 |
| 第四章 基于最小二乘支持向量机的胎儿心电提取方法 |
| 4.1 支持向量机的原理 |
| 4.1.1 间隔与支持向量 |
| 4.1.2 核函数 |
| 4.1.3 支持向量机的回归预测 |
| 4.2 最小二乘支持向量机 |
| 4.3 经验模态分解 |
| 4.3.1 本征模态函数 |
| 4.3.2 经验模态分解与重构 |
| 4.4 基于EMD分解和最小二乘支持向量机的胎儿心电提取 |
| 4.5 本章小结 |
| 第五章 实验仿真与结果分析 |
| 5.1 心电去噪 |
| 5.1.1 对模拟心电去噪 |
| 5.1.2 对MIT数据库中孕妇心电去噪 |
| 5.1.3 对临床心电数据去噪 |
| 5.2 对心电进行EMD分解 |
| 5.2.1 对模拟心电EMD分解 |
| 5.2.2 对MIT数据库心电进行EMD分解 |
| 5.2.3 对临床心电进行EMD分解 |
| 5.3 提取胎儿心电 |
| 5.3.1 对模拟孕妇心电提取模拟胎儿心电 |
| 5.3.2 对MIT数据库提取胎儿心电 |
| 5.3.3 对临床孕妇心电提取胎儿心电 |
| 5.4 胎儿心电结果分析 |
| 5.4.1 可视化结果对比 |
| 5.4.2 对比实验性能指标 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读学位期间的科研成果 |
| 致谢 |
（4）基于小波变换与非负矩阵分解的胎心电信号处理方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 课题来源 |
| 1.3 国内外研究现状 |
| 1.3.1 胎儿心电检测方法 |
| 1.3.2 胎心电提取方法发展概况 |
| 1.4 论文的研究内容和目录结构 |
| 第二章 心电信号相关知识 |
| 2.1 心电信号的产生与传播 |
| 2.2 心电信号的特征分析 |
| 2.2.1 心电信号时域特性 |
| 2.2.2 心电信号频谱特性 |
| 2.2.3 心电信号电特性 |
| 2.2.4 包含的主要噪声 |
| 2.3 胎心电常用提取技术 |
| 2.3.1 匹配滤波法 |
| 2.3.2 自适应滤波算法 |
| 2.3.3 奇异值分解 |
| 2.3.4 独立分量分析 |
| 2.4 算法的性能评价 |
| 2.5 本章小结 |
| 第三章 基于小波变换的母胎心电信号分离方法 |
| 3.1 小波变换理论 |
| 3.1.1 连续小波变换 |
| 3.1.2 离散小波变换 |
| 3.1.3 常用的小波函数 |
| 3.1.4 小波分解及重构 |
| 3.1.5 小波函数的选择 |
| 3.2 信号预处理 |
| 3.2.1 梳状滤波器去除工频干扰 |
| 3.2.2 低通滤波去除高频噪声 |
| 3.2.3 中值滤波去除基线漂移 |
| 3.2.4 预处理效果仿真测试 |
| 3.3 基于小波变换母胎心电信号分离的方法流程 |
| 3.3.1 具体实施步骤 |
| 3.3.2 腹壁心电信号小波分解 |
| 3.3.3 母亲心电信号R波检测 |
| 3.3.4 母亲心电信号重构 |
| 3.4 本章小结 |
| 第四章 基于非负矩阵分解的胎儿心电信号处理方法 |
| 4.1 非负矩阵分解理论知识 |
| 4.1.1 基本思想 |
| 4.1.2 优化模型 |
| 4.1.3 迭代规则 |
| 4.1.4 收敛性证明 |
| 4.2 非负矩阵分解算法流程图 |
| 4.3 基于非负矩阵分解的胎儿心电信号提取 |
| 4.3.1 时频变换 |
| 4.3.2 非负矩阵分解 |
| 4.3.3 R波定位及心率计算 |
| 4.4 本章小结 |
| 第五章 实验与分析 |
| 5.1 实验平台与仿真环境 |
| 5.2 模拟数据实验 |
| 5.2.1 数据生成 |
| 5.2.2 仿真测试 |
| 5.2.3 对比分析 |
| 5.3 临床数据实验 |
| 5.3.1 MIT-BIT数据库介绍 |
| 5.3.2 心电信号仿真测试 |
| 5.3.3 实验结果分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读学位期间的科研成果 |
| 致谢 |
（5）改进WMRA在滚动轴承故障诊断研究中的应用（论文提纲范文）
| 0 引言 |
| 1 EMD |
| 2 WMRA |
| 2.1 WMRA理论 |
| 2.2 改进WMRA |
| 3 滚动轴承故障诊断应用研究 |
| 3.1 轴承故障数据来源 |
| 3.2 轴承故障数据处理 |
| 4 结束语 |
（6）小波变换在变形监测数据去噪和信息提取中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究的意义 |
| 1.2 小波分析的国内外研究现状 |
| 1.2.1 小波分析的发展 |
| 1.2.2 小波变换在测绘领域的应用 |
| 1.2.3 小波基选择在变形监测数据去噪中的研究动态 |
| 1.2.4 小波变换在变形信息提取中的研究动态 |
| 1.3 本文主要研究内容 |
| 1.4 本文研究方法与思路 |
| 第2章 小波去噪与变形信息提取相关理论 |
| 2.1 信号的去噪问题 |
| 2.2 小波变换的相关概念 |
| 2.2.1 小波变换的时频特性 |
| 2.2.2 连续和离散小波变换 |
| 2.2.3 Mallat算法 |
| 2.2.4 常用小波基函数 |
| 2.3 小波去噪的方法 |
| 2.3.1 模极大值去噪法 |
| 2.3.2 相关性去噪法 |
| 2.3.3 阈值去噪法 |
| 2.4 小波去噪的质量评价 |
| 2.5 基于小波变换的特征信息提取 |
| 第3章 变形监测数据处理中小波变换的相关研究 |
| 3.1 数据去噪中最优小波基的选择研究 |
| 3.1.1 基于数据能量的小波基选择指标 |
| 3.1.2 基于熵的小波基选择指标 |
| 3.1.3 小波基选择的能量—熵融合指标 |
| 3.1.4 仿真计算 |
| 3.2 小波变换在变形特征信息提取中的应用研究 |
| 3.2.1 变形信息提取中Mallat算法和单子带重构算法的频率混淆 |
| 3.2.2 抗混叠单子带重构改进算法提取变形信息 |
| 3.2.3 仿真计算 |
| 第4章 小波变换在变形监测数据中的应用 |
| 4.1 某超高程建筑变形监测数据的去噪处理和特征信息提取 |
| 4.2 某大坝变形监测数据的去噪处理和特征信息提取 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研成果 |
（7）语音识别中抗噪方法的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 图清单 |
| 表清单 |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 语音识别的研究现状 |
| 1.3 本文的结构和研究工作 |
| 2 噪声环境下语音识别技术基础 |
| 2.1 语音识别系统基本框架 |
| 2.2 语音识别系统关键技术 |
| 2.3 噪声特性及其影响 |
| 2.4 各种抗噪声语音识别技术 |
| 2.5 本章小结 |
| 3 基于小波变换的语音去噪 |
| 3.1 小波变换理论 |
| 3.2 小波去噪方法 |
| 3.3 小波阈值去噪法参数研究及改进 |
| 3.4 本章小结 |
| 4 基于小波包的特征参数提取 |
| 4.1 小波包分析 |
| 4.2 参数提取的理论依据 |
| 4.3 改进的特征参数提取流程 |
| 4.4 性能分析 |
| 4.5 本章小结 |
| 5 组合去噪方法及性能分析 |
| 5.1 实验测试平台 |
| 5.2 性能分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 主要工作总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（8）面向移动通信的单通道语音增强方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 图例 |
| 表例 |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 语音增强技术研究现状 |
| 1.2.1 线性域语音增强 |
| 1.2.2 压缩域语音增强 |
| 1.2.3 语音增强方法的性能评价 |
| 1.3 主要研究内容 |
| 1.4 论文组织结构 |
| 第2章 适应噪声强度突变的噪声估计加速方法 |
| 2.1 概述 |
| 2.2 噪声估计加速方法 |
| 2.2.1 功率谱突变检测 |
| 2.2.2 多参数VAD算法 |
| 2.2.3 噪声更新判决 |
| 2.3 性能测试 |
| 2.3.1 ITU-T G.160 测试方法 |
| 2.3.2 噪声强度平稳情况 |
| 2.3.3 噪声强度突变情况 |
| 2.4 小结 |
| 第3章 基于小波融合的语音增强方法 |
| 3.1 概述 |
| 3.2 小波包变换 |
| 3.3 WEDM 幅度谱估计器 |
| 3.4 小波阈值方法 |
| 3.4.1 阈值估计方法 |
| 3.4.2 小波阈值函数 |
| 3.5 小波融合准则 |
| 3.6 性能测试 |
| 3.6.1 白噪声衰减测试 |
| 3.6.2 有色噪声衰减测试 |
| 3.6.3 收敛时间测试 |
| 3.6.4 客观语音质量测试 |
| 3.7 小结 |
| 第4章 基于加权去噪自动编码器的维纳滤波语音增强方法 |
| 4.1 概述 |
| 4.2 基本原理 |
| 4.2.1 基于 GMM 的噪声分类方法 |
| 4.2.2 加权去噪自动编码器 |
| 4.2.3 信噪比估计 |
| 4.2.4 频域维纳滤波 |
| 4.3 权重函数对 WDA 模型性能的影响分析 |
| 4.4 模型结构对 WDA 模型性能的影响分析 |
| 4.4.1 隐层节点数目 |
| 4.4.2 隐层数目 |
| 4.5 性能测试 |
| 4.5.1 实验设定 |
| 4.5.2 噪声分类测试 |
| 4.5.3 噪声衰减测试 |
| 4.5.4 客观语音质量测试 |
| 4.6 小结 |
| 第5章 基于 ITU-T G.722.2 的压缩域语音增强方法 |
| 5.1 概述 |
| 5.2 ITU-T G.722.2 编码标准 |
| 5.3 噪声对编码参数的影响分析 |
| 5.3.1 ISF 参数 |
| 5.3.2 码书增益参数 |
| 5.4 非 DTX 模式的压缩域语音增强方法 |
| 5.4.1 压缩域 VAD 算法 |
| 5.4.2 噪声分类算法 |
| 5.4.3 码书增益联合调整算法 |
| 5.4.4 激励信号后处理算法 |
| 5.4.5 码书增益重新量化方法 |
| 5.5 DTX 模式下的压缩域语音增强方法 |
| 5.6 帧擦除情况的压缩域语音增强方法 |
| 5.7 性能测试 |
| 5.7.1 G.160 测试 |
| 5.7.2 主观语音质量测试 |
| 5.7.3 计算复杂度测试 |
| 5.7.4 DTX 模式下的性能测试 |
| 5.7.5 帧擦除情况下的性能测试 |
| 5.8 小结 |
| 第6章 全文总结与展望 |
| 6.1 论文工作总结 |
| 6.2 论文的主要创新点 |
| 6.3 工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士学位期间参加的科研项目和获奖情况 |
| 致谢 |
（9）基于小波变换的语音信号去噪研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 语音去噪的研究现状 |
| 1.3 小波分析在语音信号去噪中的研究概况 |
| 1.3.1 小波分析的发展简介 |
| 1.3.2 小波分析在语音去噪方面的应用 |
| 1.4 本文的主要工作及结构 |
| 第二章 语音去噪的基本理论 |
| 2.1 语音信号特性 |
| 2.1.1 语音数字模型 |
| 2.1.2 语音信号时频域分析 |
| 2.2 噪声特性 |
| 2.3 人耳感知特性 |
| 2.4 几种经典语音去噪方法 |
| 2.4.1 谱减法 |
| 2.4.2 维纳滤波法 |
| 2.4.3 自适应滤波法 |
| 2.5 本章小结 |
| 第三章 小波分析的基础理论 |
| 3.1 常用的信号分析方法 |
| 3.1.1 傅里叶变换 |
| 3.1.2 短时傅里叶变换 |
| 3.1.3 小波分析 |
| 3.2 小波变换 |
| 3.2.1 连续小波变换 |
| 3.2.2 离散小波变换 |
| 3.2.3 二进小波变换 |
| 3.3 多分辨率分析及 Mallat 算法 |
| 3.3.1 多分辨率分析 |
| 3.3.2 Mallat 算法 |
| 3.4 几种常用的小波函数 |
| 3.5 本章小结 |
| 第四章 语音信号小波阈值法去噪研究 |
| 4.1 小波去噪的基本原理 |
| 4.2 小波阈值法去噪研究 |
| 4.2.1 小波阈值法去噪的基本原理 |
| 4.2.2 小波基和分解层数的选择 |
| 4.2.3 常用的阈值函数 |
| 4.2.4 几种阈值选取规则 |
| 4.3 几种常用阈值去噪算法的仿真 |
| 4.3.1 实验准备 |
| 4.3.2 仿真实验及结果分析 |
| 4.4 本章小结 |
| 第五章 语音信号小波阈值去噪算法的改进 |
| 5.1 一种改进的阈值函数 |
| 5.1.1 改进的阈值函数 |
| 5.1.2 仿真实验及结果分析 |
| 5.2 基于谱减法预处理的小波阈值去噪算法 |
| 5.2.1 谱减法预处理 |
| 5.2.2 仿真实验及结果分析 |
| 5.3 小波阈值法去噪分析系统 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（10）强噪声背景下滚动轴承故障诊断的关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 相关领域的国内外研究现状 |
| 1.2.1 机械设备故障诊断的发展历程 |
| 1.2.2 滚动轴承故障机理的研究现状 |
| 1.2.3 滚动轴承故障诊断技术的研究现状 |
| 1.3 论文的主要研究工作和组织结构 |
| 1.3.1 论文的主要研究工作 |
| 1.3.2 论文的组织结构 |
| 第2章 滚动轴承系统振动模型 |
| 2.1 滚动轴承的几何特征建模 |
| 2.1.1 滚动轴承的结构 |
| 2.1.2 滚动轴承的故障特征频率 |
| 2.1.3 表面几何特征建模 |
| 2.2 滚动轴承的振动模型 |
| 2.2.1 滚动轴承的非线性接触力 |
| 2.2.2 表面损伤冲击序列建模 |
| 2.2.3 滚动轴承的振动模型 |
| 2.3 振动模型的仿真与验证 |
| 2.3.1 非线性接触力对振动特性的影响 |
| 2.3.2 表面特征对振动特性的影响 |
| 2.3.3 表面损伤对振动特性的影响 |
| 2.4 本章小结 |
| 第3章 复解析带通梳状包络解调研究 |
| 3.1 解析小波 |
| 3.1.1 Morlet小波 |
| 3.1.2 Harmonic小波 |
| 3.2 复解析带通滤波器研究 |
| 3.2.1 复解析带通滤波器的定义 |
| 3.2.2 复解析带通滤波器的特性 |
| 3.3 复解析带通组合梳状包络检波方法研究 |
| 3.3.1 复解析带通组合梳状滤波 |
| 3.3.2 复解析梳状包络检波 |
| 3.4 实验结果与分析 |
| 3.4.1 模拟轴承故障诊断 |
| 3.4.2 实测轴承故障诊断 |
| 3.5 本章小结 |
| 第4章 S变换—奇异值比谱轴承故障检测方法研究 |
| 4.1 S变换的理论研究 |
| 4.1.1 S变换的定义 |
| 4.1.2 S变换的主要性质 |
| 4.2 S变换与其它时频方法性能分析 |
| 4.2.1 ST与短时Fourier变换 |
| 4.2.2 ST与复Morlet小波变换 |
| 4.2.3 ST与Wigner-Ville分布 |
| 4.3 多分辨率ST包络谱及应用研究 |
| 4.3.1 多分辨率ST包络谱定义 |
| 4.3.2 MuStEnS提取调幅信号特征 |
| 4.3.3 MuStEnS轴承故障诊断 |
| 4.4 基于奇异值比谱的信号周期性检测方法研究 |
| 4.4.1 基于奇异值分解的降噪算法 |
| 4.4.2 SVR信号周期性检测方法 |
| 4.5 ST—SVR轴承故障诊断方法研究 |
| 4.5.1 ST—SVR轴承故障诊断方法 |
| 4.5.2 实验结果与分析 |
| 4.6 本章小结 |
| 第5章 随机共振在轴承故障检测中应用研究 |
| 5.1 随机共振的模型研究 |
| 5.1.1 双稳态Langevin模型 |
| 5.1.2 单稳态随机共振模型 |
| 5.2 随机共振的数值解法及其改进 |
| 5.2.1 随机共振模型的数值求解算法 |
| 5.2.2 改进的数值求解算法 |
| 5.2.3 算例仿真与实验分析 |
| 5.3 遗传算法优化随机共振系统 |
| 5.3.1 优化原理 |
| 5.3.2 遗传算法的实现 |
| 5.4 ST—变尺度随机共振原理研究 |
| 5.4.1 移频—变尺度随机共振 |
| 5.4.2 ST—变尺度随机共振微弱调制信号检测 |
| 5.5 实验结果与分析 |
| 5.5.1 变尺度SR算法仿真 |
| 5.5.2 移频—变尺度SR算法仿真 |
| 5.5.3 ST—变尺度SR算法检测周期调幅信号 |
| 5.5.4 ST—变尺度SR算法检测轴承损伤 |
| 5.6 单稳态随机共振系统电路实现 |
| 5.6.1 单稳态随机共振系统归一化模型 |
| 5.6.2 单稳态随机共振系统模拟电路实现与仿真 |
| 5.7 本章小结 |
| 第6章 总结和展望 |
| 6.1 总结 |
| 6.2 进一步的工作 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表论文和参加科研情况 |
四、改进型小波多分辨率分析及小波梳状滤波器（论文参考文献）
- [1]电力系统间谐波自适应检测算法的频率分辨率研究[D]. 徐晨. 合肥工业大学, 2021(02)
- [2]ip-iq的改进算法与小波变换谐波检测方法研究[J]. 陈乐鹏,谭晓东. 电子测量技术, 2020(19)
- [3]基于最小二乘支持向量机的胎儿心电信号提取研究[D]. 胡锐. 广东工业大学, 2018(01)
- [4]基于小波变换与非负矩阵分解的胎心电信号处理方法研究[D]. 黄晨昕. 广东工业大学, 2018(12)
- [5]改进WMRA在滚动轴承故障诊断研究中的应用[J]. 林思苗,张艳荣,郭丽萍. 机电工程, 2017(11)
- [6]小波变换在变形监测数据去噪和信息提取中的应用研究[D]. 罗烈. 西南交通大学, 2017(07)
- [7]语音识别中抗噪方法的研究[D]. 张明涛. 中国矿业大学, 2014(02)
- [8]面向移动通信的单通道语音增强方法研究[D]. 夏丙寅. 北京工业大学, 2014(03)
- [9]基于小波变换的语音信号去噪研究[D]. 王永涛. 南京邮电大学, 2014(05)
- [10]强噪声背景下滚动轴承故障诊断的关键技术研究[D]. 侯者非. 武汉理工大学, 2010(08)
标签：小波变换论文; 梳状滤波器论文; 特征提取论文; 仿真软件论文; matlab小波变换论文;