&lt;title&gt;Nonlinear processing of a shift-invariant discrete wavelet transform (DWT) for noise reduction&lt;/title&gt;

Lang, Markus; Guo, Haitao; Odegard, J.E.; Burrus, C.S.; Wells, Raymond O.

doi:10.1117/12.205427

Cited by 77 publications

(53 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Wavelet transform, as a multiresolution analysis method, can perform time domain and frequency domain analysis at the same time, with time-frequency localization and multiresolution [4]. Wavelet transform can accurately locate the point of data on the time axis and can describe its local features on different scales, such as edges, spikes _________________________________________ and breakpoints.…”

Section: Introductionmentioning

confidence: 99%

Uncertain Feature RCS Analyses based on Wavelet Decomposition

Su¹,

Fang²,

Baofa³

2017

dtcse

View full text Add to dashboard Cite

A novel uncertainty analysis approach for radar cross section (RCS) data is proposed in this paper. The wavelet decomposition method is applied to separate the origin data for uncertain feature extraction. Methods of distribution fitting and analysis are studied and data uncertainty distribution characteristics are also compared. Several benchmark cases from RCS simulation are taken to validate the proposed method. The impact of attitude uncertainty on the target RCS is also studied.

show abstract

Section: Introductionmentioning

confidence: 99%

Uncertain Feature RCS Analyses based on Wavelet Decomposition

Su¹,

Fang²,

Baofa³

2017

dtcse

View full text Add to dashboard Cite

show abstract

“…For non-parametric identification, there has been little work, particularly for time-invariant signals, because discrete wavelet transforms (DWTs) are not time-invariant [4]. Since time-invariant systems and signals form a large well-known class, DWTs have been modified to be time-invariant [29,30] but there is no clear relation between time-invariant signals and discrete wavelet transforms in general. Here, we examine the non-parametric identification of linear time-invariant (LTI) systems using the DWT.…”

Section: Introductionmentioning

confidence: 99%

Non-parametric linear time-invariant system identification by discrete wavelet transforms

Luk

Damper

2006

Digital Signal Processing

View full text Add to dashboard Cite

We describe the use of the discrete wavelet transform (DWT) for non-parametric linear time-invariant system identification. Identification is achieved by using a test excitation to the system under test (SUT) that also acts as the analyzing function for the DWT of the SUT's output, so as to recover the impulse response. The method uses as excitation any signal that gives an orthogonal inner product in the DWT at some step size (that cannot be 1). We favor wavelet scaling coefficients as excitations, with a step size of 2. However, the system impulse or frequency response can then only be estimated at half the available number of points of the sampled output sequence, introducing a multirate problem that means we have to 'oversample' the SUT output. The method has several advantages over existing techniques, e.g., it uses a simple, easy to generate excitation, and avoids the singularity problems and the (unbounded) accumulation of round-off errors that can occur with standard techniques. In extensive simulations, identification of a variety of finite and infinite impulse response systems is shown to be considerably better than with conventional system identification methods.

show abstract

“…La reducción de ruido por el método cycle-spinning fue propuesta inicialmente en [8], y se ha utilizado después en diferentes trabajos. Entre las aplicaciones más usuales se encuentra el procesado de imágenes [56,123,128,129], y por extensión de señales tomográficas 3D [130]. En el ámbito de la acústica, la técnica de cycle-spinning se ha utilizado para la reducción de ruido en señales SONAR [131].…”

Section: Estudio Basado En Trazas Compuestas Con Ruido De Grano Experunclassified

Trasformadas Wavelet no diezmadas para reducción de ruido y detección de señáles: Aplicaciones en Evaluación No Destructiva por Ultrasonidos

Gómez¹

View full text Add to dashboard Cite

x Wavelets no diezmadas. Aplicaciones en END por ultrasonidosThe results show that the new UWT-based methods improve the quality of the traces and the robustness of the processing, in terms of both signal to noise ratio and pulse shape recovery, in relation to the methods that use the traditional DWT. These improvements are obtained regardless of the wavelet family considered. In fact, the UWT processing shows clear preference for the lower order wavelets, irrespective of the wavelet family or the kind of threshold used. In this way, the thesis provides a set of denoising methods that, besides improving the quality of the traces significantly, prove to be very robust in relation to the choice of processing parameters. ResumLa present tesi doctoral està centrada en l'estudi de la transformada wavelet no delmada (undecimated wavelet transform, UWT), així com en la seua aplicació a processos de reducció de soroll i detecció de senyals. Com a principals avantatges davant la wavelet discreta tradicional (discrete wavelet transform, DWT), la wavelet no delmada presenta invariança enfront dels desplaçaments del senyal d'entrada, no produeix pèrdua de resolució temporal en les successives escales de descomposició, i a més a més proporciona una informació addicional que des del punt de vista d'un processat lineal seria redundant, però que en combinació amb processats no lineals pot donar lloc a millores importants en aplicacions tals com l'anàlisi de senyals o la reducció de soroll.En aquest context, els objectius principals de la tesi van a ser dos. D'una banda, es tracta d'aprofundir en l'estudi de la transformada wavelet no delmada, provant d'establir un marc unificat per a les diferents denominacions i implementacions existents en la literatura. D'altra banda, es planteja l'aplicació d'aquesta transformada al desenvolupament d'algoritmes per a la reducció de soroll. En aquest sentit, es considerarà el problema del soroll de gra en inspecció no destructiva per ultrasons. Aquest tipus de soroll és causat per les reflexions en les petites discontinuitats internes dels materials, que s'introduexien en la mateixa banda de freqüències que els defectes a detectar. Per això no es poden eliminar amb els filtrats clàssics per a soroll blanc. La tesi aborda aquest problema plantejant algoritmes específics, que aprofiten la diferent distribució espai-temporal del senyal i el soroll en el domini de la wavelet no delmada.La metodologia emprada per a dur a terme els objectius anteriors, inclou el desenvolupament i implementació de nous mètodes de processament utilitzant el llenguatge MATLAB®. Al llarg de la tesi es plantegen quatre esquemes diferents de reducció de soroll de gra ultrasònic, basats en les diferents possibilitats d'implementació i reconstrucció que ofereix la transformada UWT. Aquests esquemes xii Wavelets no diezmadas. Aplicaciones en END por ultrasonidos s'apliquen a una àmplia mostra de senyals típics d'inspecció per ultrasons, d'origen sintètic i experimental.Els resultats mostren que els nous processats UWT prop...

show abstract

<title>Nonlinear processing of a shift-invariant discrete wavelet transform (DWT) for noise reduction</title>

Cited by 77 publications

References 0 publications

Uncertain Feature RCS Analyses based on Wavelet Decomposition

Uncertain Feature RCS Analyses based on Wavelet Decomposition

Non-parametric linear time-invariant system identification by discrete wavelet transforms

Trasformadas Wavelet no diezmadas para reducción de ruido y detección de señáles: Aplicaciones en Evaluación No Destructiva por Ultrasonidos

Contact Info

Product

Resources

About