拉曼光谱小波阈值去噪最佳分解层数自适应确定方法的研究

拉曼光谱技术是一种广泛应用于食品检测、环境监测和化学分析等领域的高新技术,噪声是影响分析结果准确性的主要原因,因此消除检测过程中的噪声干扰尤为重要。小波阈值去噪具有计算速度快、选基灵活的优点被广泛运用到信号去噪中,最佳分解层数的确定是该方法最重要内容之一。对白噪声与实际噪声的差异性和共性进行研究与分析,结合小波分解原理和小波系数变化规律,提出基于小波细节系数能量比值的最佳分解层数自适应确定方法,在整个小波阈值去噪过程中,只需要进行一次阈值处理和小波重构。通过仿真和实验验证了该方法的可行性和正确性,结果表明该方法可以更快速、更准确地找到最佳的分解层数,可以缩短拉曼光谱仪等光学检测仪器的分析时间、提高分析结果的准确性和仪表的智能化、自动化程度。

提升小波和平滑滤波在心电信号快速滤波中的研究

利用提升小波将原始心电信号(ECG)按频率特性分解为低频的逼近信号和高频的细节信号,舍弃前几层细节信号,采用自适应平滑滤波器选择合适的阈值对逼近信号进行滤波,从而避免平滑滤波对QRS波的损伤,再用提升小波逆变换重建保留的逼近信号,进而实现对心电信号中三种主要噪声的抑制。实验表明该方法计算量小,实时性强。

基于波形预测小波包分析模型的降振微差时间选择

从计算机模拟的角度,利用波形预测的小波包分析模型进行了段微差时间间隔的优化选择研究。算例表明:不同的微差段数,有合适的微差时间间隔范围,在该范围选择不同的微差时间间隔,具有不同的结果;随着微差段数的增加,段微差时间间隔的选择范围变窄,且选择范围出现更细的划分。这说明在实施微差爆破过程中,段微差时间间隔应当选择更高的精度,才能满足相应的干扰降振要求。

基于小波分析的ARMA-SVR网络流量预测方法

为提高网络流量预测精度,采用一种基于小波分析理论的预测模型。通过将网络流量分成多个高频的细节信号和一个低频的近似信号之和,分别采用ARMA模型和SVR模型对细节信号和近似信号进行预测,将各部分的预测结果进行线性组合,得到最终的预测结果,在确保近似信号拟合精度的同时,避免细节信号的过拟合。将该模型和其它预测模型的预测误差进行仿真对比分析,分析结果表明,该算法能有效改善网络预测模型精度。

WT-ANFIS在孤岛检测中的应用研究

针对传统被动式孤岛检测法存在检测时间长、盲区大,而主动式孤岛检测法影响电能质量的缺点,提出一种新的基于模糊神经网络与小波变换的孤岛检测方法。该方法首先采集逆变器输出的电流信号和公共耦合点处的电压信号,再将该电流信号和电压信号分别进行小波变换,然后通过对各尺度上的细节信号进行算法处理来获取适合于孤岛检测的特征向量,最后该特征向量通过模糊神经网络进行模式识别来判断系统是否发生孤岛现象。仿真与实验结果表明,该方法在并网逆变器功率与本地负载功率匹配及失配的多种条件下均能有效识别,具有检测速度快,盲区小,对电能质量无影响等优点,并且适合于单相、三相光伏并网系统。

利用纹理信息的带标记线心脏核磁共振图像分割

针对带标记线的心脏核磁共振图像分割受到标记线强梯度影响的现象,提出了一种基于图像细节信号能量的纹理分析方法,该方法合理地利用了标记线本身的信号特征,进而达到了去除标记线影响的效果。由于心脏核磁共振图像边缘较弱,噪声相对较强,本文应用测地线活动轮廓模型定义演化曲线,并用水平集方法求解,从而很好地提取了左心室的心内膜。在提取左心室心外膜时,为克服边界断裂、缺省的情形,添加了距离约束能量项,解决了依靠梯度和纹理信息无法准确分割的问题。实验与误差分析结果表明,本文方法能较好地提取带标记线的左心室内外心膜,且具有较高的准确率。

信号序列经小波变换后的相关性分析

针对被处理的对象常常是相互独立的随机信号序列 ,而小波变换是对相邻项加权平均的结果 ,通过对信号序列经小波变换后的相关性作定性与定量的分析 ,得到经小波变换后序列的相邻项之间是互不相关且自相关性减半的结果 .

一种基于正切图像处理(TIP)模型的图像滤波算法

传统的图像滤波算法在滤除噪声的同时会丢失一些图像的细节信息,使图像变得模糊,为此提出了一种基于正切图像处理模型的图像滤波算法,算法根据待检测像素周围3×3邻域的像素值,利用正切函数和反正切函数进行处理。算法简单、容易实现,能够在有效地抑制噪声的同时,增强和保留图像的边缘和角点等细节信息。通过实验比较可知,该算法明显优于其它图像滤波算法。

流式Mallat塔式分解与事件检测

在Miallat塔式分解算法基础上，提出流式Mallat塔式分解算法，该算法克服了Mallat塔式分解由于采用逐级二次抽样造成定位检测误差的缺点。根据数据流信号的特点，选择适当的共轭镜像滤波器对流式分解的每一级都能准确跟踪数据流中的每一点。计算机仿真实验对比结果表明，流式Mallat分解算法用于事件检测、局部分析等方面比原Mallat分解算法更具优越性。

一种避免颜色失真的图像增强算法

针对现有的图像增强算法对噪声比较敏感,容易产生颜色失真的现象,提出了一种避免颜色失真的图像增强算法。在分析对数图像处理模型的基础上,提出了一种正切图像处理模型,从调色板中提取颜色信息,避免颜色失真,该算法简单、易于实现,对噪声具有一定的抑制作用,可以增强和保留图像的细节信息。实验结果表明,所提算法明显优于其他图像增强算法。

基于提升小波的框架结构损伤识别研究

提升小波分析方法可以将信号按任意精度进行分解,具有优越的时、频局部化性能。文中在提升小波分析基础上提出了框架结构的损伤检测和识别方法。首先将结构加速度响应信号进行提升小波变换,然后采用单支重构的方法获取细节信号,通过细节信号的突变特征识别结构损伤情况,并用悬臂梁的数值模拟和三层框架模型结构试验验证了所提出方法的实用性。

结合活动轮廓模型的无监督纹理图像分割

定义了清晰度参数、细节信号能量参数和边缘信号能量参数3个纹理参数,对图像的纹理特征进行分析,以获取原图像的特征能量图;再利用基于简化Mumford-Shah的活动轮廓模型对图像进行纹理分割,该分割模型能较好地处理模糊、缺省的边界,同时具有去噪的功能·利用水平集方法求解该模型,解决了演化曲线拓扑可变的问题·与传统的纹理分析方法相比,文中方法能更好地表达图像中复杂纹理的信号特征·通过对合成纹理图与自然纹理图进行分割及大量实验结果表明:该方法能有效、快速地分割纹理图像·

双馈型风电场详细模型建模方法

提出一种双馈型风电场详细模型的建模方法。所建立的模型可体现风场内每一台风机以及集电系统的电磁暂态过程。该建模方法利用元件连接法(CCM)的思路,首先将风机、集电线路及变压器等视为分立元件,并建立各个元件的详细模型。再根据CCM元件连接规则连接各元件,构成风电场的详细模型。利用该建模方法能够获得系统的非线性微分方程,便于后续利用非线性系统理论进一步对系统展开分析。此外,该模型建立在dq坐标系,稳态时各物理量均为直流,借助线性化工具,可方便地获得风电场在某稳态工作点处的线性化矩阵。通过对比仿真验证了该建模方法的准确性。

基于小波分解的OFDM与单载波信号识别

针对多径信道下OFDM信号的识别问题,提出了一种基于小波分解获得细节特征的信号识别方法。由于不同调制方式信号的细节分量在同一分解水平下存在较大差异,而细节分量几乎包含了信号的全部细节信息,从而直接反应信号的变化情况。通过理论推导和仿真测试证明单载波和OFDM信号在进行多层小波分解后,每层对应细节分量的幅度值具有不同的变化,然后利用其幅度差作为特征参数,并基于最近邻法判决规则实现单载波信号和OFDM信号的有效识别。仿真结果证实了该方法在较低信噪比下识别的正确性和可行性。

小波细节的微分特征及其在重力场断裂分析中的应用

利用小波细节的微分特征对重力场进行断裂分析。理论分析和模型计算结果表明,小波细节具有水平一阶导数的特征,利用该特征对地质体边界的重力场进行小波变换,并结合频谱分析方法估算重力场小波的场源深度,由此可获得不同深度上断裂的空间位场及特征。与传统的向上延拓和求水平一阶导数来分析断裂的方法相比,该方法克服了向上延拓异常特征模糊化,使重力场的断裂分析更加准确和可靠。应用该方法分析了东秦岭地区的断裂分布。

频率切片小波变换在局部放电信号分析中的应用

在对电力设备局部放电信号进行时频分析时,当信噪比较低或周期性窄带干扰的频率与局放信号频带重叠时,会影响信号时频特征提取的准确性,使目前的局放信号时频分析方法存在局限性。为此,利用频率切片小波变换具有自由分割时频面的优点,提出一种基于频率切片小波变换的局放信号时频分析新方法。首先根据Heisenberg不确定性原理选择时频聚集性最佳的频率切片函数,利用频率切片小波变换获取局放信号的时频分布,突出信号非平稳特征,再根据噪声信号能量与局放信号能量时频分布的差异,选择时频细化区域重构分离出局放信号,结合3σ准则及窄带干扰抑制方法进一步消噪。仿真和实测信号的处理结果表明,与S变换相比,频率切片小波变换具有更高的时频分辨率和任意频带信号提取的灵活性,能够细腻刻画信号的非平稳过程;将时频信息融入局放信号噪声干扰抑制,信号能量损失和波形畸变较小,有利于后续局放信号的模式识别和机理研究。

MEA信号锋电位的小波变换分类

小波变换是信号处理领域最近若干年发展起来的先进方法,对信号的时域信息和频域信息都有很好的表现。我们利用小波变换对MEA信号的锋电位数据矩阵进行小波分解,将各锋电位变换后的最后一个尺度的逼近信号和各尺度上的细节信号的方差对波形非相似性测度的贡献率的大小作为依据,鉴别波形的不同。找出贡献率和大于90%的8个数据进行系统聚类,大大地降低了数据的维数和计算机的机时,并得到了很好的分类结果。

信号相关的串扰优化详细布线

针对超深亚微米IC布线设计中的串扰问题,提出基于改进遗传算法的串扰优化的详细布线方法 该方法同时考虑了产生串扰的动态和静态的因素,能够更加准确地反映线间串扰的情况,为布线的调整提供更大的余地 实验证明,该方法不但比现有的方法能更好地减少线间串扰。

一种由粗到细的脉压雷达信号调制类型识别方法

为了实现脉压雷达信号的调制类型识别,提出了一种由粗到细的调制类型识别方法。它首先将信号粗分成PSK信号和调频信号两大类,然后使用时域累加瞬时自相关法实现了PSK信号的类内细分,采用一次瞬时自相关实现了调频信号的类内细分。仿真实验表明,该方法简单有效,具有优良的识别性能和很高的工程应用价值。

低信噪比转换波资料的处理方法

针对低信噪比转换波资料处理中常规自动静校正产生假静校正量和速度分析失效的两个难题，我们将处理流程分成两条数据流。其中一条专用于作静校正及速度分析，无需刻意追求分辨率与保真度，只要求有起码的信噪比；另一条则是利用前一条数据流所求得的静校正值和速度对转换波资料作精细处理。实际资料的处理表明，该方法可以收到满意的效果。