基于Butterworth滤波和Haar小波变换的干涉图像齿面域分割

干涉图像中反映齿面形貌信息的齿面域被背景噪声包围,其分割精度对相位解包裹、图像配准等后续的处理步骤存在较大的影响,直接关系到最终测量结果的精度。针对齿面干涉图像边界存在杂散条纹的现象,通过分析齿面干涉条纹的分布规律,提出了一种结合Butterworth滤波和Haar小波的齿面域分割方法。最后,在本文实验条件下,通过与时域分割方法进行对比,该方法可以将齿面干涉图像的边界杂散条纹区域内解包裹相位值有错误的地方排除在有效测量区域外并且能够对其进行有效校正,证明了基于频域信息的分割方法能够有效地提高干涉图像齿面域分割的精度。

巴特沃思小波在表面形貌信号分离中的应用

为了快速准确地分析工程表面,提出了一种基于巴特沃思小波的滤波方法。首先,讨论了小波滤波器的低通幅度传输特性,并以此作为选择适合表面形貌分析小波滤波器的依据。然后,介绍了巴特沃思小波滤波器的构造原理,并给出了它的快速实现算法;综合其优良的传输特性和高效的实现算法,以巴特沃思小波作为表面分析的滤波器,对实际表面轮廓进行了多层分解。最后,利用巴特沃思小波建立了表面轮廓评定的基准线,并给出了确定小波分解层数的方法。实验结果表明,巴特沃思小波能够快速准确地实现表面轮廓的多尺度分析,稳定可靠地提取表面中线;在普通计算机上提取11200点数据表面中线仅耗时60ms,利用该中线计算所得R值相对误差仅比利用高斯中线所得R值相对误差大0.12%。

基于机器视觉系统的红外背景杂波量化技术

介绍了红外背景杂波的基本概念及机器视觉系统中的两类红外背景杂波量化方式:基于背景功率谱密度(PSD)分布模型和基于小波变换。分析了各自的优缺点及适用范围,展望了红外杂波量化技术的未来发展前景。

基于改进的分块2DPCA和神经网络的掌纹识别

以掌纹为研究对象,提出基于分块2DPCA和二次2DPCA相融合的特征提取算法,并选择RBF神经网络作为系统分类器。首先对提取的ROI区域进行巴特沃斯-小波去噪,然后通过改进的算法提取得到最终的特征向量,最后由RBF神经网络进行分类识别。通过Poly-U掌纹库的仿真实验表明,此方法具有可行性和有效性,识别时间明显缩短,且保持了较高的识别率。

巴特沃斯小波变换算法在故障诊断中的应用

提出了一种基于巴特沃斯滤波器的离散小波变换快速算法 ,通过控制巴特沃斯滤波器的频率截止特性来抑制小波变换中的频率混迭现象 ,还可通过控制各小波函数对应的巴特沃斯滤波器的截止频率位置来改变离散小波变换的频率分辨率 ,实现 1 / 1频程 (二进小波变换 )、1 / 3频程、1 /

基于巴特沃兹滤波器测量有效值

因为具有良好的滤波性能,巴特沃兹滤波器在信号处理中得到了广泛的应用。本文讨论了巴特沃兹滤波器与正交小波的内在联系,给出了利用巴特沃兹滤波系数求电压、电流、有功功率、无功功率有效值的方法。理论和数据表明基于巴特沃兹滤波器测量有效值具有很高的精度。

联系Butterworth滤波器的双正交小波(英文)

联系Butterworth滤波器的双正交小波称为Butterworth小波,它们具有很好的性质:包括对称性,插值性及消失矩．本文定义了离散空间L^2(Z)中的双正交小波并给出一个易于验证的充分条件．利用这一条件,重新得到Butterworth小波;进一步,构造了一类双正交小波．它们不仅具有Butterworth小波的前述所有性质,而且具有最短可能的支集．

巴特沃斯小波在轴承早期故障诊断中的应用

设计了基于巴特沃斯数字滤波器的巴特沃斯小波及其滤波器组,并从小波的卷积型定义出发,利用零相位滤波原理实现了没有下抽样环节的具有零相位特性的巴特沃斯小波变换快速算法,成功消除滤波器的非线性相位对分解结果的影响。相对于常用正交小波滤波器组,巴特沃斯小波滤波器组不仅具有更好的频带分离特性,还可通过改变尺度参数来改变对信号的频带划分的方式,从而将原信号高频带分解在更精细的频带范围内,克服了常用正交小波滤波器组频带分离特性不够好,并总按二进方式划分频带、频率分析精度显得不足的固有缺陷。实例分析证明:巴特沃斯小波滤波器组相比于其他常用的正交小波滤波器组具有更好的频带分离特性和更强的微弱故障特征提取能力,非常适合于轴承早期故障诊断。

l^2(Z)中的一类双正交小波

Butterworth小波具有良好的性质(对称性、插值性和消失矩)。引入双正交小波的一般概念,并给出一个适用的充分条件,根据这一条件构造出一类双正交小波,它们不仅具有Butterworth小波的所有性质,而且还具有紧支集。

黄河源区重力波势能值计算及其与降水量关系的分析

本文基于1960—2016年的降水量数据分析了黄河源区降水量的分布特征,并利用COSMIC掩星数据计算得到2008年黄河源区的重力波势能值(Potential Energy,E p),分析其变化特征,进而运用小波相干分析法探究黄河源区重力波势能值与降水量的相关性。结果表明:1)黄河源区多年平均降水量受海拔高度影响显著。2)对不同月份每一不同高程下的E p值进行分析,得到2008年黄河源区重力波势能值随海拔高程及季节的变化趋势。3)在2008年黄河源区呈现出:冬夏两季降水量存在较大差异,而重力波势能值同样存在明显的季节性差异,且与逐月平均降水量具有负相关的趋势。此现象是由于山坡地形的动力抬升作用影响和重力波对湿润气流的拖曳作用影响在不同时段占优。4)黄河源区重力波和降水有着显著相关性,降水对于重力波有着很好的响应。

捷联式海洋重力数据的小波阈值滤波

基于捷联式海洋重力测量数据,对比不同小波、阈值及施加方式对滤波效果的影响。结果表明,db6、db7、db8、db9、db10、sym6、sym7、sym8、sym9、sym10、coif3、coif4和coif5小波较适用于海洋重力测量,小波分解层次可取至8层或9层,采用史坦无偏风险阈值滤波效果较好;小波分解至第8、9层时,阈值滤波结果与截止频率为0.005Hz和0.0033Hz的Butterworth低通滤波器的滤波结果吻合较好,但小波阈值滤波结果更加平滑,两者差值的RMSE在0.25mGal以内,且小波阈值滤波更容易分解出噪声成分,可以更有效地消除重力畸变。

基于无线信号和改进TCN的手势识别方法

针对传统手势识别方法环境适应能力较弱、特征提取能力较差等问题,提出一种基于无线信号和改进时间卷积网络(TCN)的手势识别方法GRT(gesture recognition with improved TCN)。将无线信号中提取到的信道状态信息幅值数据使用巴特沃斯低通滤波、离散小波变换以及数据归一化进行预处理,凸显信号特征;对TCN进行改进,设计密集连接结构并优化时间模块,降低网络计算量;引入多输入网络进行训练,深度提取数据中的特征信息并生成模型,实现10种手写阿拉伯数字手势的分类识别。实验结果表明,GRT方法平均识别精度为98.3%,相较其它方法具有更好的识别效果。

基于小波变换的同态滤波法去雾图像处理

主要使用同态滤波的方法进行去雾,对传统的同态滤波算法进行改进,引入基于小波变换的同态滤波方法,重点采用改进的Butterworth滤波对小波变换域系数进行处理,再进行小波重构得到去雾后的图像。此方法在保持图像总体原貌的基础上对图像局部对比度增强效果显著。

基于多种指标的长江中下游水稻高温热害对比分析

伴随着全球气候变暖的加剧,更加频繁且持续时间更长的极端高温天气严重影响了水稻生产。基于CN05.1数据集中的逐日平均气温和逐日最高气温数据,对长江中下游地区1961-2014年间的高温热害进行了评估。通过巴特沃斯(Butterworth)低通滤波平滑和Morlet复小波分析等方法对影响水稻生产的3个高温热害指标(高温持续日数、连续高温积温和危害热积温)进行了对比分析,结果表明:(1)3个指标在1980年前后呈现出先下降再上升的趋势,但是高温持续日数的上升或下降趋势更为平缓;(2)空间上,基于3种不同热害指标的结果均反映出高温热害严重的地区集中在平原区,其中,连续高温积温和危害热积温相较于高温持续日数在空间的异质性更加明显;(3)在周期分析中,3个指标在54年中均存在着25-32年、13-24年、7-12年以及3-6年的四类尺度,并且以18年、9年和5年为主周期的周期变化;(4)在强度等级划分中,无论是从标准划分的精细程度还是从划分结果的合理性上来看,基于逐日最高气温所计算的危害热积温均是3个指标中的最优选择。研究结果推荐使用危害热积温作为计算长江中下游水稻高温热害的指标。

安瓿瓶内杂质检测的信号处理方法

采用光阻法对安瓿瓶内纤毛杂质信号检测进行了实验研究,分析了纤毛杂质的信号特征.对比了Butterworth数字滤波、均值滤波、理想低通滤波和小波变换4种不同滤波方法的滤波效果,滤波后的信噪比分别为13.98、10.80、9.18和14.89dB,实验表明,小波变换滤波是最佳选择.此外,提出了微分和分段求方差的方法以提高检测结果的可信性.

基于信道状态信息的人体复杂动作识别方法

现有人类行为识别方法识别精度低、成本高,所能识别的动作也相对简单。为此,通过引入信道状态信息(CSI)提出一种人体复杂动作识别方法,并以传统武术形意拳招式动作为背景进行验证。利用Wi-Fi网卡采集形意拳招式的CSI数据,以数据中的振幅为特征值,使用巴特沃斯低通滤波器和离散小波变换分别过滤数据中的高频和低频异常值。离线阶段采用受限波尔兹曼机对预处理数据进行训练和分类,并构建形意拳招式指纹库。在线阶段使用深度置信网络对采集数据进行分类,将分类结果与指纹库数据进行匹配,实现对形意拳招式的准确识别。实验结果表明,与CSI-SRC方法和基于传统RSSI模型的方法相比,该方法具有较高的识别精度,并且鲁棒性较好。

基于信道状态信息的非接触式人员动作识别方法

传感器与摄像头等设备的传统动作识别存在受环境影响大及侵犯用户隐私等问题,以京剧动作为研究对象,提出一种非接触式人员动作识别方法Wi-Opera。在离线阶段采集Wi-Fi路由设备上人体动作的信道状态信息(CSI)数据,利用巴特沃斯低通滤波器和小波变换方法对CSI数据分别进行去噪和平滑处理,通过主成分分析算法提取动作的特征值构建每个京剧动作的决策树,最终形成随机森林模型。在在线阶段实时采集的动作数据经过处理后,将京剧动作的特征值输入随机森林模型中进行识别,从而输出识别结果。实验结果表明,Wi-Opera方法的综合识别精度为94.6%,具有较高的识别精度和较强的鲁棒性。

井下动液面声波信号处理方法研究

石油采收过程中油井动液面深度监测对确保油井的安全生产非常重要。当使用声波法测量油井动液面深度时,受到套管中复杂结构的影响,井口接收到的声波信号的接箍波和液面回波易受到噪声的干扰,导致传统的信号处理方法很难计算声波的速度和旅行时间,从而无法获得油井动液面深度。针对这一问题,首先对接箍波进行巴特沃斯低通滤波,采用短时平均幅度差函数来获取接箍波的平均采样次数,以此来计算声波在油井中传播的速度;在此基础上,对液面回波进行小波去噪,采用小波奇异值检测方法来获取液面回波位置,以此来计算起爆波和液面回波位置的时间差,进而实现油井动液面深度的检测。为了更加直观方便地对比处理效果,设计了基于MATLAB的可视化数据处理软件。选取多组采油现场获得的声波信号进行测试,结果表明,测量绝对误差控制在1 m以内,相对误差不超过0.075%,与其他信号处理方法(相对误差范围0.3%~0.5%)相比,所提的方法误差较小,能够较好地满足实际工程中的需求。

基于改进巴特沃斯滤波的红外图像增强算法

一般的红外图像存在着对比度低、噪声相对较高、部分细节模糊等特点,在进行后续的工作之前,对其缺陷进行处理是十分重要的。而传统的巴特沃斯滤波去噪在处理红外图像时,存在着细节失真、去噪效果不佳等缺点。针对上述问题,提出了巴特沃斯滤波的改进红外图像增强算法,通过在频域上对图像进行分层,之后再使用改进巴特沃斯滤波分别对其进行处理,并且在MATLAB平台上验证了该算法的有效性。该改进算法在原有的处理效果的基础上,对图像的细节信息进行了突出,与传统算法相比较,该算法具有边缘突出、细节连贯等优点,去噪效果有显著提高。

巴特沃斯小波构造及其在故障诊断中的应用

为消除Mallat算法存在频率混叠的缺陷,采用卷积型小波和小波包变换快速分解算法对信号进行分解.为克服Daubechise系列小波滤波器组幅频特性的不足,采用巴特沃斯滤波器构造了幅频特性更好的小波滤波器组,并导出了巴特沃斯小波.基于此,提出了一种结合卷积型小波和小波包变换快速分解算法与巴特沃斯小波的机械故障特征提取方法.仿真实验与实例分析表明:本方法比基于Daubechise系列小波与Mallat算法的机械故障特征提取方法在微弱故障特征提取方面更有优势.