奇异信号消噪中小波消失矩的选取

信号小波变换模的局部极大值和信号奇异性之间存在对应关系,利用信号和噪声小波变换模极大值在不同尺度上表现出的截然不同的性质,可以对奇异信号进行消噪。本文讨论了小波消失矩的阶数与信号Lipschitz指数间的关系,分析了消失矩对奇异信号检测的影响。实验结果表明,为了有效地检测奇异信号的各种奇异性特征,需要根据信号奇异性选择具有不同消失矩的小波。

多尺度边缘检测方法提取近红外光谱信息特征的研究

利用小波变换中的多尺度边缘检测方法对甲硝唑药片近红外光谱进行了信息特征的提取。通过偏最小二乘法建立所提取的特征与甲硝唑浓度之间的数学模型,并进行精度分析。结果表明,小波变换多尺度边缘检测能够有效分离并提取光谱信息特征,降低噪声,为一种有效的光谱信息特征提取方法,为解决近红外光谱中光谱叠加严重和信息率低等难题提供了一种思路。

基于ICA和小波变换的轴承故障特征提取

应用独立分量分析方法和小波变换分离轴承的振动信号,提取其状态特征。并对信号进行自相关预处理,突出信号的非高斯成分,较好地满足独立分量分析的前提条件,即源信号统计独立。采用基于负熵的快速独立分量分析(ICA)算法,成功地分离出了信号的一些独立成分。对ICA处理后的分量信号进行小波变换,完成信号检测,消噪,频带分析,以获取故障信号特征,确定故障的位置和强度。研究结果表明,独立分量分析方法和小波变换能提取明显的轴承故障信号特征。

基于小波神经网络的激光散斑图像去噪技术研究

提出基于小波神经网络的图像去噪方法,该方法兼有小波分析的良好时频域特性和神经网络的自适应能力。实验结果表明,该方法在去除噪声上优于中值滤波等传统去噪声方法,其散斑指数较小,峰值信噪比较大,在有效去除噪声同时,又能很好地保护图像的细节信息。

基于改进的BSP模型的红外图像并行处理研究

针对导弹末制导红外图像处理实时性要求,分析了红外图像并行实时处理算法及其集群计算机的实现,建立了适应于实时处理的BSP改进模型和集群并行处理软件系统,并给出了红外图像并行处理算法的实现方法。研究了应用提升小波实现图像并行处理算法及实现,进而分析了算法性能,推导出了加速比模型。实验验证了其有效性。

应用小波理论处理油(气)田长时压力监测数据

自90年代以来,越来越多的生产井和注入井安装了长时井底压力计.关于长时压力数据分析的主要障碍是数据中的噪音和奇异点、巨大的数据容量、不完备的信息以及缺少动态分析工具.本文以小波理论为基础,经过反复试验,寻找到了适合于处理长时压力数据的小波类型;在Chee kin(2001)的线性回归方法与小波分解的基础上,建立了剔除异常点的多重阀值法、剔除噪音的软阀值方法以及确定瞬变值的多步法;油(气)田实例说明了上述方法的有效性.

基于小波特征提取和筛选的爬坡事件分类

为了便于对不同爬坡事件采取有针对性的控制调度策略,该文提出采用小波变换挖掘爬坡事件内部特征,并筛选出有效的能量特征用于指导爬坡分类。首先分析小波变换的原理和多分辨率特性,给出小波能量特征的提取方法。其次,结合类内稳定和类间差异的目标,以离散度矩阵为参考,使用判别分析法筛选出有效特征。最后文中以美国BPA区域2013年的风电数据为实例,按照风过程的类别生成3类爬坡样本,并根据文中所提方法训练得到爬坡分类器,然后对实例数据进行爬坡分类和验证。结果表明,小波能量特征对于区分不同类别爬坡事件具有可行性,同时筛选的小波特征对于进一步改善爬坡分类的性能具有重要意义。

非单调条纹图的相位恢复新方法

在连续小波变换和展开相位拐点识别的基础上,提出一种非单调条纹图的相位恢复新方法。包裹相位通过连续小波变换的方法提取,提出小波变换尺度步长的选择准则及对粗糙尺度作迭代均值滤波的技术。基于展开相位拐点与符号歧义点的单应性,可通过检测并修正展开相位拐点的方法恢复非单调条纹图的真实相位。给出了详细的理论推导、数值模拟及实验验证过程。数值模拟包括一维及二维的含噪声信号,实验为基于显微干涉法的微桥的静动态形貌和变形测试。模拟及实验结果表明,该法只需一幅条纹图即可准确解调非单调条纹的相位,最大误差小于4%,且具有极强的抗噪能力。这为显微干涉测量提供了有效的相位恢复新手段。