基于Mexican-hat小波的QRS检测新方法

基于心电信号的特征点对应于Mexican-hat小波变换的极值,我们使用Mexican-hat小波检测心电信号的特征点,为心电信号分析提供了新的检测手段。该方法简单,对心电信号特征点定位准确,快速。经MIT-BIH心电数据库检验,QRS波的检测率达到99.9%。

基于Mexican Hat小波的近60年海阳市降水分析

目的为加强对乡村振兴和生态文明建设过程中气候要素的了解程度。方法文章根据近60a海阳市年降水资料,利用Mexcian Hat小波和常规气候诊断方法对年降水序列的长时间变化进行了分析研究。结果研究发现,近60a海阳市年降水量存在明显的年代际变化和年际变化,主要包含了5-15.7~17、7a的变化规律,其中5~15a的周期变化为主变化周期。13a的时间尺度周期变化最明显,在13a的周期尺度上,整体呈现9个降水偏多-偏少的互相转换。结论短期内海阳市降水仍可能处于偏少期,建议地方加强水资源调度。

基于Mexican hat小波变换的三维轮廓术

为了提高小波变换轮廓术中小波的空域局部化能力，提出了一种基于Mexican hat小波变换的条纹图处理方法。基于希尔伯特变换得到条纹对应的解析信号，用Mexican hat小波计算解析信号的连续小波变换，从小波变换的脊上提取相位信息，恢复物体高度信息。模拟结果表明，Mexican hat小波变换法在相位快变或突变的区域有更高的相位提取精度，测量误差可减小0．1～0．5rad。以人脸石膏像为例，进行了实验测量。实验结果表明，在高度不连续或变化剧烈的区域，Mexican hat小波变换法较Morlet小波方法误差传播更小，精度更高。

基于小波和概率神经网络的煤矿主通风机故障诊断

针对煤矿主通风机故障与征兆对应关系复杂的特点,以及利用传统BP网络进行故障诊断存在训练速度慢、易陷入局部极小的缺点,提出基于小波和概率神经网络的故障诊断方法:先利用时频两域有紧支撑能力的MexicanHat小波变换故障信号并提取能量归一化故障特征向量;然后将概率神经网络作为诊断决策分类器,输出故障模式。该方法充分利用了概率神经网络计算简单、收敛快、新增样本无须重新训练的特点,而且通过小波特征提取有效地减少了网络输入层节点数,降低了网络规模,减少了计算复杂度,加快了训练速度。经验证,此方法准确地诊断煤矿主通风机故障类型,具有速度快、精确度高的特点。

中国经济增长的波动分析

对国民经济增长的波动进行计算分析。应用MexicanHat小波对国内生产总值 (GDP)的增长率进行多时间尺度分析 ,再利用宏观经济学的理论从政府宏观调控政策、投资、消费等方面分析引起波动的原因。在不同时间尺度下 ,经济波动受到政策、投资和消费及重大政治事件的影响。通过对经济增长波动的因素及规律的分析 ,可以提高对经济发展的预见性 。

基于小波和概率神经网络的煤矿主通风机故障诊断

针对煤矿主通风机故障与征兆对应关系复杂的特点和利用传统BP网络进行故障诊断存在训练速度慢、易陷入局部极小的缺点,本文提出基于小波和概率神经网络的故障诊断方法。先利用时频两域有紧支撑能力的Mexican Hat小波变换故障信号并提取能量归一化故障特征向量;然后将概率神经网络作为诊断决策分类器,输出故障模式。该方法充分利用了概率神经网络计算简单、收敛快、新增样本无须重新训练的特点,而且通过小波特征提取有效的故障特征,减少了网络输入层节点数,降低网络规模,减少计算复杂度,加快了训练速度。经实际验证,此方法准确的诊断煤矿主通风机故障类型,具有速度快、精确度高的特点。

基于联合变换相关的光学小波实时图像边缘增强

提出了一种基于联合变换相关的光学小波实时图像边缘增强的方法.选用Mexican-hat小波,利用小波函数的多分辨率特性,用联合变换相关的方法实现了缩放后的小波母函数与待识别图像函数的互相关(即边缘增强图像),得到了较满意的实验结果.

基于开关电流技术的小波滤波器的实现

基于开关电流电路提出一种用小波滤波器实现小波变换的方法。通过对母小波的一种数值逼近得到小波函数的有理公式,并以Mexican Hat小波为例模拟该逼近过程,用Matlab对逼近过程进行仿真,同时使用开关电流双二次滤波器的级联来实现小波滤波器。从仿真结果来看,二阶巴特沃思低通滤波器用开关电流技术来实现能达到比较理想的效果。

滨海滩涂地区降水变化的多尺度周期特征分析与趋势预测

利用1953—2011年共59a的长序列降水资料，采用Morlet小波和MexicanHat小波变换，分析滨海滩涂地区东台市年降水量及各季节降水量的多尺度周期振荡特征和演变趋势。两种小波分析的综合比较表明，Morlet小波在揭示滨海降水序列周期细节特征和提升主周期特征的显著性水平方面更具优势。研究结果表明，滨海滩涂地区降水量变化以年代际尺度为主周期，其中夏季降水与年降水周期均具24a、16a和9a的第一、二、三主周期，春、秋和冬季降水主周期则分别为16a、23a和17a；研究区降水量在年代际尺度上的周期特征与江淮地区降水量的整体特征一致，但是滨海地区地理位置的特殊性使其降水量在年际尺度上的周期振荡显著水平较低；根据研究区降水量在年代际尺度主周期上的振荡特征，预测研究区未来8—12a的年降水和夏季降水，未来8a的春、冬季降水，未来11～12a的秋季降水均可能呈整体偏少趋势。研究结果可拓展小波分析的适用机制理论研究领域，对滩涂围垦和气候变化背景下的滨海地区气候变化研究以及农业稳定发展提供理论依据。

基于特征空间降维的溶剂脱水分离过程监控

针对传统化工过程中检测变量具有的非线性和非高斯性等特点,提出将改进的核主元分析(KPCA)和支持向量数据描述(SVDD)相结合的化工过程故障诊断方法.根据Mexican hat小波在提取非线性非平稳信号细微特征方面的优势,将该小波函数引入到KPCA中以增强核函数的非线性映射和抗噪能力.在映射后的特征空间中进行均值聚类分析,选择每个聚类中展现特征中心的数据,使运算复杂度明显降低,提高了监控实时性.采用SVDD描述经过聚类降维后的特征空间分布,提出新的监控指标描述过程的非高斯特性.将该方法应用在一个实际的溶剂脱水化工精馏过程中,仿真结果验证了该方法能够及时有效地检测系统产生的故障.

一种交叉遗传优化MHW的风电机组微弱特征提取方法

针对变速变载、闪电雷击、雨雪冰雹等恶劣工作环境干扰下风电机组微弱特征的提取困难问题,提出了一种基于交叉遗传优化MHW的微弱特征提取方法。该方法通过变形参数调整对MHW小波形状进行拟合匹配,并通过交叉遗传优化算法对该变形参数进行优化,进而通过连续小波变换提取匹配波形优化的微弱特征。通过风电场风电机组齿轮箱振动数据分析,验证了该方法可以较好地抑制强背景噪声干扰,提取风电机组微弱故障特征。

化学信号滤波新方法

研究了一种新的滤波方法——Mexican Hat小波最小二乘法在化学信号处理中的应用。该方法简便快速,除噪能力强,滤波后峰位置不变,峰高相对误差小于3.2％,且仅需一次滤波。将该方法应用到毛细管电泳实验信号的处理中,获得满意结果。