On Wavelet Transform General Modulus Maxima Metric for Singularity Classification in Mammograms

Continuous wavelet transform is employed to detect singularities in 2-D signals by tracking modulus maxima along maxima lines and particularly applied to microcalcification detection in mammograms. The microcalcifications are modeled as smoothed positive impulse functions. Other target property detection can be performed by adjusting its mathematical model. In this application, the general modulus maximum and its scale of each singular point are detected and statistically analyzed locally in its neighborhood. The diagnosed microcalcification cluster results are compared with health tissue results, showing that general modulus maxima can serve as a suspicious spot detection tool with the detection performance no significantly sensitive to the breast tissue background properties. Performed fractal analysis of selected singularities supports the statistical findings. It is important to select the suitable computation parameters-thresholds of magnitude, argument and frequency range-in accordance to mathematical description of the target property as well as spatial and numerical resolution of the analyzed signal. The tests are performed on a set of images with empirically selected parameters for 200 μm/pixel spatial and 8 bits/pixel numerical resolution, appropriate for detection of the suspicious spots in a mammogram. The results show that the magnitude of a singularity general maximum can play a significant role in the detection of microcalcification, while zooming into a cluster in image finer spatial resolution both magnitude of general maximum and the spatial distribution of the selected set of singularities may lead to the breast abnormality characterization.

噪声环境中多轨道数字音频信号降噪方法

为提升多轨道数字音频信号的峰值信噪比,降低噪声,使音频更加清晰,提出噪声环境中多轨道数字音频信号降噪方法。使用二进小波分解多轨道数字音频,将信号分解为不同的频率子带,使得噪声和信号在频率域上分离。通过模极大值计算分解信号的奇异性,由于信号和噪声在相同奇异性时的变化不同,因此能够确定信号中的噪声特点,利用层间相关搜索法找到分解后信号中的噪声并去除,最后使用交替投影法将去除噪声的分解信号重构,得到去除噪声的多轨道数字音频信号。实验结果表明:使用该方法进行降噪后,存在噪声的信号幅值得到了控制,一些单独突出可认定为噪声的信号基本消失;对低峰值信噪比的信号降噪,平均峰值信噪比提升了28 dB。

基于小波变换模极大值恢复的地磁信号处理

由于仪器设备、环境和人为因素,地磁数据信号在采集和传输过程中不可避免地要受到一定的影响,因此,如何消除信号中的干扰影响,并获得准确有用的数据信息非常重要。基于Mallat交替投影算法精确地对黄壁庄地震台2017年部分地磁数据进行了信号重构,结果表明:利用小波变换模极大值重建信号的交替投影方法重建地磁信号,可以提高地磁数据的质量,降低干扰对数据的影响。

激光雷达信号检测系统的最佳匹配滤波方法

为了解决激光雷达回波信号弱、干扰强问题,提出激光雷达信号检测系统的最佳匹配滤波方法。通过二进小波变换与模极大值分解激光雷达信号检测系统采集回波信号,获取小波系数,保留回波信号特征的同时增加信号输出信噪比,采用匹配滤波处理所获得的小波系数,并经阈值处理后获取小波系数值估计值,利用小波重构估计值得出噪声滤除后信号。实验结果表明:该方法滤波处理后的信号波形均匀、波动幅度小,在不同的尺度因子下,本方法的噪声滤除结果均在80%以上,在固定的尺度因子和噪声输入时,本方法的噪声滤除了82%,检测精度为97.4%,耗时为10.34 ms,均优于其他方法。

基于小波分析的除尘机清灰系统故障检测方法

脉冲清灰装置是袋式除尘器的重要组成部分,如果脉冲清灰装置存在故障,将严重影响除尘器的除尘效率,进而影响工业生产。为了保障除尘器的除尘效率,通过对脉冲清灰装置进行系统的研究,详细的介绍了一种基于小波分析提取除尘机清灰系统故障特征的方法,该方法将采集的气包压力信号进行小波变换,并提取得到清灰系统不同故障的相关特征量,通过与无故障的特征量进行对比,可实现对脉冲清灰系统中脉冲电磁阀不喷吹故障和漏气故障的精确诊断和定位。

基于小波变换与神经网络的弧光接地故障判断研究

输电过程中突变电流对电网影响极大,因此精准识别弧光接地故障非常重要。利用小波变换和BP神经网络算法对弧光接地故障进行分类判断。首先选用db3小波基对10 kV架空线路三相同步录波信号进行小波变换,通过对故障电流信号奇异点检测,完成三相同步录波信号模极大值的提取,并作为BP神经网络的训练样本,最后重构获得测试样本空间的分类结果。以实际采集的三相同步录波信号及状态标签为标准,基于小波变换和神经网络预测的分类结果准确率达到99%以上。

基于模极大值小波域的去噪算法研究

根据信号与噪声在小波变换下的不同特性 ,提出了基于模极大值小波域的去噪算法。该算法先用 Adhoc算法求出信号的模极大值 ,再根据模极大值小波域的定义求出信号的模极大值小波域 ,从而得到信号的小波系数 ,然后逆变换得到信号。实例分析表明 :该算法能有效消除噪声 ,与交替投影模极大值算法相比 ,该算法在原理上更简单 ,程序实现更容易 ,去噪速度更快 ,能满足在线监测的要求。

高压输电线路除冰机器人障碍物识别方法研究

障碍物检测识别是高压输电线路自主除冰机器人的关键技术之一。针对220 kV输电线路特殊的机器人工作环境,提出一种基于视觉的障碍物识别方法。首先对拍摄的障碍物图像进行中值滤波、膨胀腐蚀等预处理,经OTSU阈值优化计算后,用小波模极大值算法提取图像边缘。然后计算障碍物边缘图像的联合不变矩特征,再把矩特征输入小波神经网络进行障碍物图像的分类识别。并选取防震锤、悬垂线夹、耐张线夹三类障碍物做识别试验,还把小波神经网络与普通BP神经网络识别性能进行了比较,实验表明:以联合不变矩作为障碍物识别特征具有良好的可靠性和稳定性;小波神经网络识别分类的性能良好,比普通BP神经网络具有更快的收敛速度和更高的识别精度。

利用二进样条小波模极大方法消除毛细管电泳信号噪声的研究

根据毛细管电泳信号中噪声与真实信号的模极大值特性之间存在较大差异的特点，提出了一种利用二进样条小波变换模极大值算法去噪的方法．研究了信号的半峰宽、不同信噪比以及阈值的选取对去噪结果的影响，并对模拟含噪信号和含噪毛细管电泳信号去噪前后的结果进行了比较．实验结果表明，该法能有效地消除谱带较宽的毛细管电泳等信号中存在的噪声．

基于模极大值小波域的局部放电信号重构算法

局部放电信号是奇异信号,利用模极大值原理,可 以对局部放电信号去噪。然而,对于单个的局部放电脉冲 信号,如何由保留下来的少数模极大值点重构局部放电信 号是一个重要课题。为此,该文提出一种基于模极大值小 波域的局部放电信号重构算法。该算祛先根据模极大值小 波域的定义求出局部放电信号的模极大值小波域,从而得 到局部放电信号的小波系数,然后逆变换得到局部放电信 号。实例分析表明,该算法程序简单,易实现,速度快, 能满足局部放电在线监测的需要。

基于小波变换模极大值的信号奇异性检测

信号的突变性或奇异性通常携带有最重要的信息,小波变换为信号的多尺度瞬态分析提供了最合适的方法,本文阐述了基于小波变换模极大值的奇异信号检测理论,利用从光滑函数的一阶或二阶导数获得的小波,分析了信号奇异点定位方法及奇异度的计算方法,并指出了利用此方法时对所用小波函数的要求及尺度参数的选取原则,为非平稳信号的检测提供一种行之有效的方法。

多重分形在铁磁谐振过电压信号分析中的应用

针对中性点直接接地系统中发生的铁磁谐振过电压类型的多样性,系统阐述了多重分形和多重分形谱的小波局部极大模计算方法,讨论了多重分形谱在过电压信号诊断领域的应用途径,并运用多重分形谱对中性点直接接地系统中常见的几种铁磁谐振过电压信号进行实例分析,研究结果表明多重分形谱可以很好地反映铁磁谐振过电压信号的几何结构特征和奇异性,这为进一步从过电压信号中提取故障特征,展开类型诊断、识别奠定了基础。

自适应分解层数的小波域中值滤波振动信号降噪法

为降低结构健康监测加速度信号中常见的白噪声以及脉冲噪声,提出了中值滤波与小波阈值降噪相结合的方法。分解层数对降噪效果有着重要影响,为取得更好的降噪效果,提出一种分解层数自适应确定法,并给出了各层阈值的取值方法。数值模拟以及国家游泳中心健康监测系统实测数据分析结果表明,所提出的方法克服了传统阈值降噪法对脉冲噪声拟制效果不理想的缺陷,能同时有效降低白噪声以及脉冲噪声,为模态参数识别等提供更高信噪比的分析数据。

基于contourlet模极大值的图像边缘检测

现存的基于空间域或小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘。本文提出在contourlet变换子带上搜索模极大值的图像边缘检测算法。通过适当地调节变换各尺度上的分解级数得到具有抛物线型尺度的基,另使其满足方向消失矩条件,则contourlet变换获得对图像中分片光滑边缘的最佳逼近。对原图像进行非下采样contourlet变换,然后对各子带进行阈值处理。由于contourlet变换子带不同于小波子带的全新特点,根据各方向子带代表的方向及其梯度方向,子带上各样本点与其梯度方向上相邻点比较模值即得变换系数模极大值。该算法不需经过复杂的连接模极大值点操作,亦可得到较高的边缘检测性能,较大地降低了计算复杂度。实验显示本文算法所提取的边缘更加逼近图像真实边缘,且具有较低的计算复杂度。

基于小波邻域阈值分类的电能质量信号去噪算法

提出了一种基于小波邻域阈值分类的自适应阈值电能质量信号去噪算法。首先结合所用小波函数,基于模极大值小波域确定最佳邻域窗口尺寸;然后利用各个尺度携带信号信息的小波系数其分布具有"簇聚"性质及其小波系数具有局部相关性,通过邻域阈值对小波系数进行分类,对分类后的"小"系数直接置零,对"大"系数则采用一种具有局部强相关性的零均值高斯模型,通过最小均方误差准则得到其估计。仿真实验结果表明,该算法对实际电能质量信号去噪是有效的,在去噪性能上优于常用的多种自适应阈值去噪算法。

图像的几种小波去噪方法的比较与改进

对Mallat算法强制去噪、小波变换模极大值去噪、非线性小波变换阈值法去噪及基于小波域相关性的去噪法的原理进行了阐述,并比较了这几种小波去噪方法的优缺点,给出了两种改进方法,仿真结果表明有效可行.

基于小波分析的边缘检测技术研究

边缘检测是图像检索的关键技术之一。边缘检测方法比较多,但这些算法各有自己的特点和特定的应用领域。现在提出一种新的边缘检测算法,该算法以小波分析为基础,通过对原始图像进行小波变换实现边缘检测,具有良好的检测效果。

基于小波变换模极大值的SPD故障诊断技术

使用复合波诊断以ZnO压敏电阻为主要元件的SPD的故障中电压信号的突变点往往携带SPD运行状态的重要信息。基于小波分析的信号奇异性检测理论可通过检测信号小波变换模极大值点来确定信号奇异点,通过分析信号模的极大值及其出现位置诊断SPD的故障。籍此理论分析了不同故障类型的SPD复合波冲击下的电压信号,证明使用小波分析模极大值诊断SPD故障的方法行之有效。

一种改进的基于小波变换的包络提取算法研究

结合“模极大值小波域去噪”原理,提出了一种基于小波变换和希尔伯特变换的包络提取算法。首先用小波变换作为包络分析的前置处理手段,再利用希尔伯特变换对处理后的信号进行包络提取。针对希尔伯特变换解包络的不足,采用模极大值小波域去噪算法对包络信号进行消噪,从而解决了一般算法难以解决的由于随机噪声的干扰造成的提取的包络轮廓信息粗糙的难题。实验结果表明,该方法可以精确提取信号的包络并通过包络细化谱分析全面获得信号所隐含的故障特征。