信号特征提取使用小波变换论文.docx
《信号特征提取使用小波变换论文.docx》由会员分享,可在线阅读,更多相关《信号特征提取使用小波变换论文.docx(7页珍藏版)》请在三一文库上搜索。
1、信号特征提取使用小波变换论文 摘要:通过对小波变换所进行的理论分析和计算机模拟发现, 利用小波变换具有的高低频分离的特点,可在不丢失原信号重 要信息成分的前提下,将原光谱信号的边缘部分进行滤化处理, 消除了噪音信息,重构出更加清晰的光谱特征图形,从而提高 了信号的清晰度,为信号的预处理提供了更加方便的条件。该 信号特征提取的方法,与傅氏变换相比较,具有多项明显的优 点,在实际工程应用中具有重要的意义。 关键词:小波变换傅氏变换;信号 一、引言 在当今科技飞速发展的信息时代,信息资源中的信号应用日益 广泛,信号的结构越来越复杂,为了更加清楚地分析和研究实 际工程信号的有用信息,对信号进行预处理是
2、至关重要的。例 如,对于环境的监测,其中对空气成分的检测已经成为必不可 少的环节,其方法是将空气中的某一成分(例如丁烯)进行特征 的提取,提取的信息中仍然会存在着由一系列高频信号构成的 噪音信号。由于这些边缘部分的存在,使原信号的基本特征在 光谱信号中不能完全清晰地呈现,导致某些信息的细微环节部 分难以识别,致使研究目的无法实现。 本文通过对小波变换所进行的理论分析和计算机模拟发现,利 用小波变换具有的高低频分离的特点,可在不丢失原信号重要 信息成分的前提下,将原光谱信号的边缘部分进行滤化处理, 消除了噪音信息,重构出更加清晰的光谱特征图形,从而提高 了信号的清晰度,为信号的预处理提供了更加方
3、便的条件。 二、傅氏变换与小波变换 近年来,小渡变换已经成为对信号、图像等进行分析不可或缺 的实用工具之一,其实质是对原始信号的滤波过程。与傅氏变 换相比较,小波变换的优势在于,对分析信号可进行任意的放 大平移并对其特征进行提取。对复杂信号作小波变换,进行多 分辨率分析,在信号图象分析领域已占据着相当重要的地位。 已有的科研成果表明,物质的荧光光谱取决于物质的原子分子 结构,所以不同的物质具有不同的荧光光谱。非线性荧光光谱 是利用大功率超短激光脉冲和气体的非线性作用得到的;对于 这种非线性荧光光谱的研究,主要集中在形成原理、光谱强度 等方面。由于采用传统的光谱分析方法分析该光谱存在很大 的困难
4、,所以这方面的研究还处于刚刚起步的状态。笔者发现, 由此得到的非线性荧光光谱与超短脉冲激光器的波长以及强度 无关,只与气体的分子原子结构有关;对于混合气体,则与其 组成成分(包括浓度的不同)有关,因而可以用来进行混合气体 成分识别。含有不同成分的混合气体的非线性荧光光谱虽然不 同,但不同的气体在同一波段上可能有很大成分的交叉重叠, 因此很难像吸收光谱那样找出每种气体特有的非线性荧光光谱, 然后利用最小二乘法进行拟合而加以识别。神经网络对于不能 精确识别或用数学公式近似加以描述的模式识别具有非常好的 识别能力和推广性。对此,已有不少关于气体传感器(电子鼻) 联合神经网络识别分析气体组成成分的报道
5、,这些方法的一个 共同特点,就是必须对检测的气体进行取样,因而不能实时地 检测混合气体的组成成分。本文正是基于这种原理,提出利用 混合气体的非线性荧光光谱联合神经网络模式识别的方法,来 实时检测识别混合气体成分的新方法。 傅氏变换和小波变换,在通信技术和其他工程技术方面, 是两种非常有用的工具,也是数学中一个十分活跃的研究领域 。但在对丁烯特征提取的实验过程中不难发现,用傅氏变换 仅仅只可以将时域中的现象反应到频域当中去。对于简单的信 号来说,傅氏变换可用于观察并且一目了然,但对于复杂信号 来说,由于傅氏变换只能表示成各频率部分的叠加和,对于时 域,傅氏变换没有任何能力去改变,无法从傅立叶变换
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 信号 特征 提取 使用 变换 论文
链接地址:https://www.31doc.com/p-24808.html