快速小波算法在机车信号检测中的应用

doi:10.3778/j.issn.1002-8331.2008.24.067

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (24): 222-223.DOI: 10.3778/j.issn.1002-8331.2008.24.067

快速小波算法在机车信号检测中的应用

张小蓟,张歆

西北工业大学航海学院，西安 710072

收稿日期:2007-10-25 修回日期:2008-01-21 出版日期:2008-08-21 发布日期:2008-08-21
通讯作者: 张小蓟

Detection of railroad FSK signal based on FWT

ZHANG Xiao-ji,ZHANG Xin

College of Marine，Northwestern Polytechnical University，Xi’an 710072，China

Received:2007-10-25 Revised:2008-01-21 Online:2008-08-21 Published:2008-08-21
Contact: ZHANG Xiao-ji

摘要/Abstract

摘要： 在我国机车控制信号中大量采用移频键控信号（FSK）来传送各种机车速度控制信息。因此，快速准确地检测FSK信号对机车快速安全运行有着十分重要的现实意义。小波分析是分析非稳定信号的一种非常有效的方法，而Mallat快速小波算法使得小波分析的实际应用成为可能。首先研究了机车FSK信号的特征，提出了基于Mallat和FFT相结合的FSK信号实时处理方法，该方法在TMS320C5409组成的信号处理系统上仿真实现。给出了实际采集信号的处理结果，结果表明该方法是实时处理机车信号的一种有效方法。

关键词: 小波变换, Mallat算法, 快速傅立叶变换, 机车信号, DSP仿真

Abstract: Massively uses the frequency Shift Keying Signal（FSK） in our country locomotive control signal to transmit each kind of locomotive speed information.Therefore，fast accurately detection the FSK signal to have the extremely important practical significance to the locomotive fast safe operation.The wavelet analysis is one extremely effective method，that analyzes the non-steady signal and Mallat fast algorithm makes the practical application of wavelet analysis possible.This article has first studied the locomotive FSK signal characteristic，proposed a kind of FSK signal real-time processing method based on Mallat and FFT，and the method has been simulated and realized on TMS320C5409 signal processing system.The testing results are given in the paper，and indicates that this method is one effective handling for processing real-time locomotive signal.

Key words: wavelet transformation, Mallat algorithm, FFT, locomotive signal, DSP simulation

张小蓟,张歆. 快速小波算法在机车信号检测中的应用[J]. 计算机工程与应用, 2008, 44(24): 222-223.

ZHANG Xiao-ji,ZHANG Xin. Detection of railroad FSK signal based on FWT[J]. Computer Engineering and Applications, 2008, 44(24): 222-223.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[3]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[4]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[5]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[6]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[7]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[8]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[9]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[10]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[11]	陈波1，刘厚泉1，赵志凯2. 时间序列多尺度异常检测方法[J]. 计算机工程与应用, 2018, 54(20): 122-127.
[12]	贾澎涛，贾伟. 煤矿井下视频多目标轨迹跟踪算法研究[J]. 计算机工程与应用, 2018, 54(2): 222-227.
[13]	崔金鸽1，陈炳权1，2，徐庆1. 基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法[J]. 计算机工程与应用, 2018, 54(18): 223-228.
[14]	张艺超，袁贞明，孙晓燕. 基于心冲击信号的睡姿识别[J]. 计算机工程与应用, 2018, 54(17): 135-140.
[15]	黄亚飞，王国富，张法全，叶金才. 基于蜂群算法和带参阈值函数的图像去噪方法[J]. 计算机工程与应用, 2018, 54(17): 164-168.

快速小波算法在机车信号检测中的应用

Detection of railroad FSK signal based on FWT

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics