导读:本文包含了特征波提取论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:小波,特征,电信号,基音,尺度,子波,语音。
特征波提取论文文献综述
罗志娟[1]（2017）在《小波提取边缘特征点图像配准研究》一文中研究指出提出了一种基于小波多尺度积提取边缘特征点的配准算法,利用差的绝对值和以及相关系数双重判据作为相似性度量标准,通过Matlab实验证明了该算法的有效性。(本文来源于《长沙航空职业技术学院学报》期刊2017年01期）
丁南南,刘艳滢,朱明[2]（2012）在《尺度相互作用墨西哥帽小波提取图像特征点》一文中研究指出图像特征点是图像的重要局部特征,它是图像理解和模式识别中的重要信息,图像特征点提取技术也是图像处理的有力工具之一。提出了一种在尺度相互作用模型下利用墨西哥帽小波来提取图像特征点方法,该方法对于经过旋转、亮度、模糊以及噪声处理后的失真图像仍能提取出相对位置和数量都较为一致的特征点。而针对尺度相互作用的墨西哥帽小波提取不同尺度的图像时的特征点相对位置不一致的问题,提出了在墨西哥帽小波中加入尺度因子的方法,通过仿真实验验证了算法的正确性。(本文来源于《液晶与显示》期刊2012年01期）
戴天虹,赵贝贝,王玉珏[3]（2010）在《基于提升小波提取木材颜色特征的研究》一文中研究指出针对木材表面颜色自动分类的难题,在总结以往研究方法的基础上,提出一种新的颜色特征提取方法,即基于HSV颜色空间,运用提升小波变换来提取木材表面颜色信息,结合图像分块理论,最终形成了12个特征参数,然后运用BP神经网络,K-近邻和支持向量机对木材样本图像进行了分类仿真,最高的分类正确率达到了98.33%,实验结果验证了提出的颜色特征提取方法的有效性。(本文来源于《机电产品开发与创新》期刊2010年01期）
徐舫舟,赵捷,赵艳娜,田杰[4]（2009）在《心电信号特征量的小波提取算法》一文中研究指出目的:为了更准确地利用心电图(ECG)进行临床生理疾病诊断,提高心电信号的自动分析准确度。介绍了一种利用小波变换的时频局部化特性以及多分辨率特性对心电信号进行处理的算法。方法:使用定位准确,计算简便的二阶微分Marr小波使用多孔算法来对ECG中QRS波群进行标定。结果:将算法应用到MIT/BIH国际标准心电数据库进行仿真。结论:通过仿真证明,该算法能够很精确地定位QRS波群,为心电信号的后续研究打好基础。(本文来源于《现代生物医学进展》期刊2009年17期）
徐媛媛,袁晓,杨莎[5]（2008）在《复子波提取语音信号特征信息》一文中研究指出对时变性强的非平稳汉语语音信号,建议采用变时-频复子波分析方法提取汉语语音信号的幅度谱、相位谱、基音周期及共振峰信息。选择有n阶消失矩及良好的时频局域化特性的复高斯子波提取汉语语音信号的幅度谱和相位谱,实验结果表明,该方法提取的语音信号的幅度谱、相位谱和子波变换谱表征了汉语语音的音节包络、细节包络及声调,区分了清、浊音,并准确提取了语音信号的动态基音周期、估计出共振峰。这对汉语语音特征提取和识别提供了一种新的思路。(本文来源于《计算机工程与应用》期刊2008年36期）
谢松云,潘辉,张伟平[6]（2008）在《结合小波包和ICA的脑电信号特征波提取方法》一文中研究指出为了更有效地提取脑电信号特征波,结合小波包和ICA(独立分量分析),提出了一种脑电特征波提取方法。首先对脑电信号进行小波包分解,然后进行相关频段信号的重构,从而提取出特征波的概貌作为初次提取的特征波;再利用ICA分离技术,以初次提取的特征波为参考信号对其进行增强。实验结果表明,对比于独立地应用某一种方法,两种方法相结合更能有效地提取脑电信号特征波。(本文来源于《计算机应用研究》期刊2008年09期）
张海军,王浩川,赵雨斌[7]（2008）在《基于小波包技术的EEG信号特征波提取分析》一文中研究指出为了更有效地提取脑电信号特征波,结合小波包技术,提出了一种脑电特征波提取方法。首先对脑电信号进行小波包分解,然后进行相关频段信号的重构,从而提取出特征波,并对其进行功率谱分析和能量计算。实验结果表明,小波包技术能有效地提取脑电信号特征波。(本文来源于《计算机工程与应用》期刊2008年23期）
张海军,张文庆[8]（2008）在《基于小波包技术的脑电特征波提取分析》一文中研究指出为了更有效地提取脑电信号特征波,结合小波包技术,提出了一种脑电特征波提取方法。首先对脑电信号进行小波包分解,然后进行相关频段信号的重构,从而提取出特征波,并对其进行功率谱分析和能量计算。实验结果表明,小波包技术能有效地提取脑电信号特征波。(本文来源于《机电工程技术》期刊2008年07期）
张厚宣[9]（2008）在《用混沌振子和自适应提升小波提取局部放电信号特征的原理及方法研究》一文中研究指出变压器发生绝缘故障的原因大多是在运行过程中受到外界因素的影响,使它固有的缺陷扩大,产生局部放电。放电持续发展和剧烈使得变压器局部绝缘老化,因而检测局部放电是变压器绝缘在线监测的主要手段之一。然而,由于变电站现场强烈的电磁干扰,使目前以脉冲电流为特征的在线监测局部放电的方法难以满足工程应用的需要。因此,强电磁干扰的抑制一直是变压器局部放电在线监测及故障诊断技术中急需解决的难题。自适应提升小波具有优良的时频局部化特征和混沌振子对微弱信号的敏感性,因此有些学者将其应用于局部放电在线监测及故障诊断领域的研究,取得了一些有益的结果,但是到目前为止一些问题仍有待解决。本文对以混沌振子和自适应提升小波提取局部放电信号特征的原理和方法进行了深入的研究,取得了一些成果。(1)提出了基于Lyapunov指数法的间歇混沌窄带干扰信号检测方法。分析了Duffing振子的混沌运动,阐述了该振子的相变对于参考信号频差较小的窄带干扰信号具有敏感性,对局部放电信号和白噪声具有免疫力。检测不同频率的周期信号需要不同频率的参考信号,不同的参考信号频率会对系统产生很大影响,通过调整系统参数使得振子对不同频率的信号检测具有普遍性。给出了基于Lyapunov指数法的窄带干扰信号信号检测方法;提出了间歇混沌窄带干扰信号检测方法,仿真结果验证了所提方法的适用性。(2)改进了自适应提升小波的提升方案。为了解决在局部放电信号检测中白噪抑制问题,采用提升小波变换的方法构造小波。在讨论了第二代小波变换基本原理及特点的基础上,将自适应性引入提升小波方案中,提出了第二代小波变换的改进算法,并用先更新后预测的改进提升小波方案解决因自适应性引起的非线性问题。将提出的改进提升方案应用到局部放电信号的去白噪处理中以验证其效果,并将其去噪效果与传统小波变换的去噪效果进行了比较。仿真结果表明,这种经过改进的提升方案取得了比传统小波变换更好的去噪效果。(3)提出能同时去除局部放电信号中窄带周期干扰和白噪干扰的新方法。由于Duffing混沌振子对局部放电信号和白噪的免疫性,先用Duffing振子去除局部放电信号中的窄带周期干扰,然后用自适应提升小波消除局部放电信号中的白噪干扰,并用Matlab仿真验证其有效性。(本文来源于《西华大学》期刊2008-05-01）
王晶,匡镜明,赵胜辉[10]（2007）在《一种特征波提取速率自适应的波形内插语音编码方案》一文中研究指出该文提出了一种特征波形提取速率自适应于输入语音帧特性的波形内插编码方案。基于双加权长时预测增益最大原则并利用前向基音判决实现了较为可靠的基音周期估计算法,用基音周期、浊音度和波表面平坦度决定波形提取速率以及SEW(Slowly Evolving Waveform)和REW(Rapidly Evolving Waveform)的更新速率。实验证明,该文提出的波形内插(WI)编码算法相比固定波形提取速率的WI算法在平均码率和计算复杂度上均有一定程度的降低,且合成语音质量明显优于4.8kbps的CELP语音编码算法。(本文来源于《电子与信息学报》期刊2007年07期）
特征波提取论文开题报告
（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：
图像特征点是图像的重要局部特征,它是图像理解和模式识别中的重要信息,图像特征点提取技术也是图像处理的有力工具之一。提出了一种在尺度相互作用模型下利用墨西哥帽小波来提取图像特征点方法,该方法对于经过旋转、亮度、模糊以及噪声处理后的失真图像仍能提取出相对位置和数量都较为一致的特征点。而针对尺度相互作用的墨西哥帽小波提取不同尺度的图像时的特征点相对位置不一致的问题,提出了在墨西哥帽小波中加入尺度因子的方法,通过仿真实验验证了算法的正确性。
（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。
特征波提取论文参考文献
[1].罗志娟.小波提取边缘特征点图像配准研究[J].长沙航空职业技术学院学报.2017
[2].丁南南,刘艳滢,朱明.尺度相互作用墨西哥帽小波提取图像特征点[J].液晶与显示.2012
[3].戴天虹,赵贝贝,王玉珏.基于提升小波提取木材颜色特征的研究[J].机电产品开发与创新.2010
[4].徐舫舟,赵捷,赵艳娜,田杰.心电信号特征量的小波提取算法[J].现代生物医学进展.2009
[5].徐媛媛,袁晓,杨莎.复子波提取语音信号特征信息[J].计算机工程与应用.2008
[6].谢松云,潘辉,张伟平.结合小波包和ICA的脑电信号特征波提取方法[J].计算机应用研究.2008
[7].张海军,王浩川,赵雨斌.基于小波包技术的EEG信号特征波提取分析[J].计算机工程与应用.2008
[8].张海军,张文庆.基于小波包技术的脑电特征波提取分析[J].机电工程技术.2008
[9].张厚宣.用混沌振子和自适应提升小波提取局部放电信号特征的原理及方法研究[D].西华大学.2008
[10].王晶,匡镜明,赵胜辉.一种特征波提取速率自适应的波形内插语音编码方案[J].电子与信息学报.2007
论文知识图
