基于WPT-ARO-DBN/WPT-EPO-DBN模型的月含沙量多步预测

准确的含沙量多步预测对于区域水土流失治理、防洪减灾等具有重要意义。为提高含沙量多步预测精度,改进深度信念网络(DBN)的预测性能,基于小波包变换(WPT),分别提出人工兔优化(ARO)算法、鹰栖息优化(EPO)算法与DBN组合的月含沙量多步预测模型,通过云南省龙潭站月含沙量时序数据对模型进行验证。首先利用WPT对实例月含沙量时序数据进行3层分解处理,得到8个更具规律的子序列分量;其次介绍ARO、EPO算法原理,利用ARO、EPO对DBN隐藏层神经元数等超参数进行寻优,建立WPT-ARO-DBN、WPT-EPO-DBN预测模型,并构建WPT-PSO(粒子群算法)-DBN、WPT-DBN作对比分析模型;最后利用4种模型对各子序列分量进行预测,将预测值叠加得到最终月含沙量多步预测结果。结果表明:(1)WPT-ARO-DBN、WPT-EPO-DBN模型对实例超前1步—超前4步月含沙量具有满意的预测效果,对超前5步具有较好的预测结果,对超前6步、超前7步的预测效果一般,对超前8步的预测精度较差,已不能满足预测精度需求;(2)WPT-ARO-DBN、WPT-EPO-DBN模型的多步预测效果要优于WPT-PSO-DBN模型,远优于WPT-DBN模型,具有更高的预测精度、更好的泛化能力和更大的预测步长;(3)ARO、EPO能有效优化DBN超参数,提高DBN预测性能,优化效果优于PSO,WPT-ARO-DBN、WPT-EPO-DBN模型能充分发挥WPT、新型群体智能算法和DBN网络优势,提高月含沙量多步预测精度,且预测精度随着预测步数的增加而降低。

信息网络背景下的地理信息系统(GIS)设计与构建

为了解决地理信息系统各个采集端口和数据库节点之间进行数据传输时,存在数据传输容易占用较大的带宽,同时消耗大量时间的问题,提出利用克里格插值法对空间信息中离散的数据节点进行处理,并通过小波变换对图像数据进行处理,在保证分辨率的情况下降低地形图像数据的数据量,进而提高数据库节点之间数据传输的效率。试验表明,在图像压缩中采用优化SPECK算法后,能够将每种比特压缩率的信噪比均比SPIHT算法提升8%以上,当比特压缩率效率0.2时,采用该研究设计优化SPECK算法能够提升还原图像信噪比30%以上。

基于调频高斯小波变换的导航传感器故障诊断

为提高多传感器组合导航系统对各导航传感器的在线故障检测能力 ,在分析调频高斯小波特性的基础上 ,提出了一种基于调频高斯小波变换的导航传感器故障诊断算法 .该算法仅利用传感器的观测量来直接诊断传感器工作是否正常 .它可以对方差突变等软故障进行有效的在线检测 .

基于Mallat算法的谷物流量信号小波去噪方法

针对联合收获机在复杂噪声背景作业过程中难以获取可靠的谷物流量信息的难题,提出了利用小波变换(wavelet transform,WT)对谷物流量传感器输出信号去噪处理方法。根据流量原始信号和噪声的频谱特性确定小波函数和分解尺度,将采集的流量原始信号通过Mallat算法进行小波分解,滤除高频噪声分量重构流量有效信号,由单片机AD通道对流量有效信号进行标定,标定试验后的传感器在不同谷物流量下累积质量最大相对误差为1.68%。利用北斗定位模块进行差分定位提高定位精度,测产装置信息由8051F单片机存储用以绘制农田作业产量图,将设计的测产系统安装在联合收获机上进行模拟水稻作业试验,试验结果表明:对流量传感器输出信号进行小波分解后,谷物流量测量相对误差最大为6.18%,平均相对误差为5.37%。通过对流量传感器输出原始信息进行小波变换,对比小波去噪前后信号的频谱曲线,验证了基于Mallat算法的流量信号去噪和流量有效信息重构方法的可行性和准确性,该研究可为研究农业机械复杂作业环境下原始信息去噪与有效信息重构提供参考。

JPEG2000小波变换器的VLSI结构设计

新一代静止图像压缩标准JPEG2 0 0 0将离散小波变换 (DWT)作为其核心变换技术 ,并推荐采用推举体制 (lifting)快速算法来实现 .空间组合推举体制算法 (SCLA)大大降低了lifting的运算量 .当选用 9/ 7小波滤波器时 ,SCLA的乘法运算量只有lifting的 7/ 12 .本文提出了一种实现SCLA算法的VLSI结构 ,降低了基于lifting实现的运算量 ,加快了变换的速度 ,减小了电路的规模 .本文的二维正反小波变换器已经作为单独的IP核应用于我们目前正在开发的JPEG2 0 0

一种新的基于小波变换的图像放大算法

图像放大技术的主要难点在于如何使放大后的图像尽可能保持原始图像的清晰度。传统的内插法存在着一定的缺陷。提出了一种新的图像放大算法,该算法以小波变换为基础,采用分段样条插值法进行高频系数放大,通过对变换系数进行非线性增强保证放大图像的清晰度。实验证明,该方法具有很好的放大效果。

基于小波变换与双线性插值图像配比算法研究

插值算法常用在图像缩放中的像素点处理,目的是为了减少图像的失真和模糊.插值缩小技术可以使图像用小的信息量涵盖原图像的重要信息.插值放大技术可以使图像的分辨率提高,但同时容易出现块状和锯齿现象.为了尽量使复原图像更接近原始图像,它分析现有的常用三种插值算法(最近邻点插值、双线性插值、双三次插值),同时结合小波变换思想,提出了一种小波变换与插值的图像复原配比新方案.大量实验表明与传统的直接双线性插值复原图像以及小波与双线性插值结合重构图像相比,新方案的峰值信噪比、像素差值比、均方差都具有更为突出的优势.这种方案能有效提高图像复原的效果,并且具有普适性和灵活性,适合各类格式及尺寸图像处理.

基于有效度遴选和纵横交叉算法的负荷组合预测

针对单一模型预测精度不高的问题,提出了基于有效度遴选和纵横交叉算法的组合负荷预测,新方法有效解决了选择单一模型的随机性和权重难以确定的问题。新方法根据预测有效度筛选组合预测单项模型,然后利用组合模型对小波包分解所得各个负荷子序列进行预测,并采用纵横交叉算法求取各单一模型的权值,最后叠加各子序列预测值得到完整预测结果。实例分析中,以广东省某电网实测负荷数据为例,研究结果表明:基于有效度遴选和纵横交叉算法的组合预测方法可操作性强、通用性好,并明显优于各单项预测模型、等权重组合模型和方差倒数组合模型的预测精度。

多特征组合及优化SVM的电能质量扰动识别

提出一种基于多特征组合及粒子群优化的支持向量机(SVM)的电能质量扰动识别方法。该方法采用小波变换和S变换提取各扰动信号特征向量,采用粒子群(PSO)优化的支持向量机进行分类识别。首先针对提取的小波能量谱中谐波信号的明显差异,通过设定特征阈值进行初步分类,然后结合S变换提取的3种特征,采用优化参数的SVM进行后续分类。仿真实验表明,该方法能够有效识别常见的8种电能质量扰动及2种复合扰动,相比未经优化的支持向量机模型,粒子群优化的SVM具有较高的识别精度和运算速度,且抗噪能力强。

小波和曲波结合的图像增强算法

针对传统的基于小波变换的图像增强算法中,对比度相同幅角不同边缘增强效果差异较大的问题,提出了基于小波和曲波变换相结合的自适应组合增强算法。该算法利用小波变换去增强图像的平滑区域,并利用曲波变换增强图像边缘。仿真实验结果表明,该算法在使图像具有很好的交叉熵和相关系数的同时,能够有效地改善边缘增强效果,使图像具有更好的视觉效果。

三次样条插值在小波去噪中的应用

针对传统小波阈值函数在图像去噪中的不足,结合三次样条插值提出一种新的阈值函数。该函数具有很好的光滑性,既克服了硬阈值函数不连续性造成的吉布斯效应,也解决了软阈值函数引起的恒定偏差问题,而且能够根据图像噪声方差的大小,自适应地改变函数系数以达到最佳的去噪效果;最后,利用人工蜂群算法构造新的阈值进行去噪。实验结果表明,该去噪方法无论是主观感受,还是客观评价均优于软阈值及硬阈值的去噪效果,与其他改进的小波去噪方法相比该算法也具有较好的效果。

一种基于Eno-Haar小波模型的多方向插值算法

基于Eno技术提出一种新的二维Eno-Haar小波模型的多方向插值算法.主要根据二维Haar小波变换的特点,从多个方向进行插值,以得到最优的去震荡效果.最后通过算法分析说明该算法的可行性与优越性.

小波变换与HMT模型的图像插值算法

为实现图像的超分辨率处理,提出利用HMT模型简洁地表示小波系数的概率结构。小波域HMT模型根据小波系数尺度之间的持续性和指数衰减性,将图像的小波系数建模为隐马尔可夫树模型。该模型考虑了小波系数间的统计相关性,把图像插值问题表述为一个约束优化问题,获得了能够保持原始图像丰富高频信息的高分辨率插值图像。试验结果表明,该算法在一定程度上改善了传统插值算法引起的锯齿效应和平滑效应,插值后的图像在峰值信噪比和视觉效果方面都有明显提高。

基于Prony算法和小波变换的联合电力谐波分析策略

针对传统傅里叶变换只能分析信号稳态谐波部分、小波变换无法准确检测出各次谐波以及在稳态波形的分析中精度不理想的现状,提出一种基于Prony算法和小波变换的联合分析策略来对电力系统波形进行检测。Prony算法被看作傅里叶变换的扩展,它精度高、算法简单,而且相比于傅里叶,在低频振荡信号的分析中效果更佳、使用更多。Prony算法更是弥补了傅里叶变换不能提取衰减特征的缺点。利用离散小波变换将信号分解的方法,把原始分解为高频和低频。小波变换于自身的优点主要分析高频非稳态部分,而Prony算法则主要用于低频稳态部分信号的处理。实验仿真结果表明:应用这一联合算法,可以精确得到稳态谐波的衰减因子、频率等和高频谐波部分的衰减趋势和突变点,具有整体分析谐波的优势。

一种基于小波变换的红外图像放大算法

图像放大技术的关键在于使放大后的图像尽可能地保持原始图像的清晰度。对于红外图像而言,传统的内插法存在着一定的缺陷。提出了一种基于小波变换的图像放大新算法,该算法对原始图像先进行小波变换获得高频系数,然后运用牛顿插值算法放大高频系数,以此作为放大图像的高频成份,而将原始图像作为低频成份,最后进行小波逆变换,重构出放大图像。实验证明该方法在图像细节方面具有很好的放大效果。

一种改进的空间组合推举体制算法

详细分析了提升算法和空间组合推举体制算法,然后采用后拉伸变换的方法,对空间组合推举体制算法流程进行了改进,进一步降低了运算复杂度。实验中以CDF 9/7二维离散小波变换为例,对于JPEG 2000中推荐使用的5级小波分解,本文算法相对于原空间组合推举算法的缩放运算乘法量减少了34.3%,相对于标准L ifting算法总乘法量减少了44.53%。

三维可视表面重建中的内插算法

基于小波变换提取分形参数提出了一种分层分形内插算法，结合统计相关构造了另一种逐点内插算法，前者算法简单易于实现，后者精度高，各有不同的适用背景。

基于子波变换的数字图像压缩算法

提出了两种以离散子波变换为基础的数字图像压缩算法。其一，原始图像在子抽样后，通过一次正交子波变换，分解成一幅低频子带图像和３个不同方向的高频子带图像。对变换后的各子带进行统计特性分析，并结合人类视觉机理采取了不同的压缩编码策略。在解码端通过子波逆变换及双线性内插算法，原始图像可被较好恢复。其二，原始图像通过连续的多次正交子波变换，最终可分解成一幅低频子带图像和各个分辨率下的高频子带图像。对传输的低频子带和各分辨率下的高频子带采用无损编码，实现了无损步进传输。文中最后针对一幅标准图像进行了计算机模拟，并给出了实验结果。

一种电能质量多扰动分类中特征组合优化方法

针对电能质量扰动分类中冗余特征量造成分类器训练困难、分类准确率下降的问题,提出一种基于改进遗传算法的特征组合优化方法。该方法对信号进行小波变换,提取各层的改进小波能量熵作为原始特征,并构造一种基于欧氏距离的适应度函数,采用改进的自适应遗传算法对原始特征进行筛选和优化组合,形成用于电能质量扰动分类的最优特征组合。分别采用二分类-支持向量机法(Binary-SVM)、多标签径向基神经网络(ML-RBF)和多标签K近邻法(ML-KNN)对不同噪声情况下的电能质量单一扰动和混合扰动进行分类,仿真结果验证了所提特征组合优化方法能有效提高分类器的训练速度和分类准确率。

基于加权变换的蒙古族家具纹样增强研究

针对蒙古族传统家具纹样模糊不清、边缘失真等问题,提出了基于加权变换的图像增强方法。首先将蒙古族家具纹样分解成RGB分量,然后利用提升小波变换、平稳小波变换、插值算法和逆提升小波变换获得高分辨率纹样,最后利用加权变换函数对直方图进行修改,对贡献最小的直方图进行滤波,得到高分辨率和对比度增强的纹样。实验结果表明,该方法的评价指标峰值信噪比PSNR和结构相似性SSIM比传统直方图均衡化和双三次插值法的均有提升,有效地增强了蒙古族家具纹样。所提方法对传统蒙古族家具纹样的修复和保护研究具有重要价值。