小波变换分析—思想2011-11-5.pptVIP

小波分析在语音信号处理中的应用 语音信号处理的目的是得到一些语音参数以便高效地传输或存储. 利用小波分析可以提取语音信号的一些参数, 并对语音信号进行处理. 小波理论应用在语音处理方面的主要内容包括: 清浊音分割;基音检测; 去噪、重建与数据压缩等几个方面. 小波应用于语音信号提取、语音合成、语音增加、波形编码已取得了很好的效果. * 小波分析在故障诊断中的应用 小波分析在故障诊断中的应用已取得了极大的成功。 小波分析不仅可以在低信噪比的信号中检测到故障信号， 而且可以滤去噪声恢复原信号，具有很高的应用价值。 * 小波分析在地球物理勘探中的应用 在地球物理勘探中, 寻找地壳物质物性参数的奇异性时是非常有意义的. 由于小波变换同时具有空间域和频率域的局部性, 因此它是描述、检测函数奇异性的有效工具。 利用小波变换和分形理论, 对石油、天然气中的实际地震道数据进了奇异性检测和高分辨处理, 这对于油气勘探及地震资料的高分辨处理都具有重大的理论意义和应用价值. * 小波分析在数学和物理中的应用 在数学领域, 小波分析是数值分析强有力的工具, 能简捷、有效地求解偏微分方程和积分方程, 亦能很好地求解线性问题和非线性问题. 而由此产生的小波有限元方法和小波边界元方法, 极大的丰富了数值分析方法的内容.用小波方法分析数学中“处处连续但处处不可导”问题特别有效． 在物理领域中, 小波表示了量子力学中一种新的凝聚态. 在自适应光学中, 目前有人研究了可利用小波变换进行波前重构. 另外, 小波变换适宜于刻画不规则性, 为湍流研究提供了新的工具. * 在股票价格行为分析方面的应用 小波分析具有良好的时频局部性, 被认为是分析股市数据的有效工具. 利用小波变换方法对股票价格信号进行奇异性分析, 可提取奇异点并分析其分布规律, 它为股市管理和投资提供了帮助. * 小波变换的应用以降噪为例： 光滑性：在大部分情况下，降噪后的信号应该至少和原信号具有相同的光滑性。 相似性：降噪后的信号和原信号的方差估计应该是最坏情况下的最小值。 信号降噪的准则 小波变换在降噪中的应用 上图所示为含有噪声的原始信号，其在初始阶段的振荡频率很高，可以看做是系统的特性。相对于有用信号，噪声是高频信号，我们分别用FFT变换滤波和小波滤波来观察两种滤波效果的不同。 小波变换在降噪中的应用 对原始信号做傅里叶变换，求出频谱如右图所示，从图中可以看出，信号的能量主要集中在低频部分，在20Hz以后迅速衰减，50Hz以后几乎就没有能量了。 小波变换在降噪中的应用 上图自上而下分别是原始信号、经过FFT变换删除其中大于10Hz、30Hz、50Hz部分再经过傅里叶逆变换得到信号。可以看到，虽然达到滤波效果，但是初始阶段的振荡也被滤掉了，即有用信号也被滤掉了。 小波变换在降噪中的应用 上图是利用sym4小波分别使用全局阈值和分层阈值对原始信号进行滤波得到的结果。从图中可以看出，用小波进行降噪，不仅滤除了噪声，还很好的保留了信号发展初期的高频特性。 END 参考文献: 略 Thank you! * * 即：FT变换只是一种纯频域的分析方法，它在频域里的定位是十分准确的（即频域分辨率最高），而在时域无任何定位性。 平稳信号分严平稳和宽平稳，严平稳的条件在信号处理中太严格，不实用，一般所说的平稳是指宽平稳，即其一阶矩为常数，二阶矩与信号时间的起始点无关，只和起始时间差有关。即不平稳又不宽平稳的信号是非平稳信号。 非平稳信号是指分布参数或者分布律随时间发生变化的信号。平稳和非平稳都是针对随机信号说的. 统计信号处理中对确定信号的定义是说信号中不含随机量。用统计的方法对信号处理是因为信号中含又随机量，如果是一个确定性信号，就不必用统计的方法处理了。 4 　　非平稳信号是指分布参数或者分布律随时间发生变化的信号。平稳和非平稳都是针对随机信号说的，一般的分析方法有时域分析、频域分析、时频联合分析。 　　非平稳随机信号的统计特征是时间的函数。与平稳随机信号的统计描述相似，传统上使用概率与数字特征来描述，工程上多用相关函数与时变功率谱来描述，近年来还发展了用时变参数信号模拟描述的方法。此外，还需根据问题的具体特征规定一些描述方法。目前，非平稳随机信号还很难有统一而完整的描述方法。 * * STFT: Short Time Fourier Transform 又称加窗傅立叶变换 * * STFT: Short Time Fourier Transform 又称加窗傅立叶变换 * * * * * * * * *  使用这样的缩放因子和平移参数的小波变换称为双尺度小波变换（