利用小波逆变换模拟随机风场的脉动风

首先对洞庭湖大桥处的自然脉动风进行了小波分析,从分析结果可以看出,自然脉动风具有一定的间歇性和局部相似性。传统的谐波合成法(WAWS)和线性滤波器方法(ARMA)虽然可以模拟随机风场的脉动风,但是它们无法模拟脉动风的局部相似性和间歇性。针对这一点,采用Meyer小波基,利用小波逆变换,模拟随机风场的脉动风。最后,根据目标谱,模拟了随机风场的脉动风,模拟的脉动风具有和自然脉动风类似的间歇性和局部相似性,同时模拟脉动风的风谱与目标风谱基本吻合,说明了论文方法的有效性。

基于小波逆变换方法的风力机风场数值模拟研究

针对风力机随机风场的特点,采用小波逆变换方法,仿真出相互独立的风力机随机风场,并对其进行空间相关性修正。以1.5 MW风力机为算例,分析了3种风功率频谱的差异特点,基于空间变化的改进Von karman功率频谱模型,采用Littlewood-Paley小波基作为小波逆变换的正交基函数,利用小波系数和功率频谱密度函数的关系进行了空间相关性修正,模拟出风场36个节点风速时程,并通过时域分析、频域分析以及时频联合分析,得到模拟频谱与目标频谱吻合较好的结论。该结论表明了风力机风场的非平稳性、局部相似性和间隙性,以及高非线性风速功率频谱的逼近性,证明了小波逆变换方法在模拟风力机随机风场的有效性和准确性。

基于正交小波逆变换的平稳风速时程数值模拟

对于大型结构,风荷载往往起控制甚至决定作用,对其进行风振响应时域分析是必要的,而进行时域分析首先必须解决风荷载的输入问题.基于多分辨率分析的思想和正交小波基推导了小波系数与功率谱密度函数之间的关系,从而可由已知的功率谱密度函数随机生成各尺度上的小波系数,进而由生成的小波系数通过逆变换生成平稳风速时程.根据这一思路,利用L-P小波基,模拟了与Davenport谱相一致的某点脉动风速时程,算例表明,模拟的风速时程功率谱与给定的目标谱吻合较好,证明了该方法的有效性.

基于正交小波逆变换的空间相关性风场数值模拟

基于多分辨率分析的思想,利用正交小波基小波系数与功率谱密度函数的关系,以Davenport谱作为目标谱,通过逆小波变换,模拟出互不相关的风速时程,并考虑空间相关性,将其转换为具有空间相关性的风场。通过算例分析了所模拟风场各点风速时程的功率谱密度函数和互相关函数,均与目标值符合较好,证明了该方法的可行性和有效性。所模拟的空间相关性风场,可为结构风振时程分析提供荷载输入。

多小波逆变换数字图像曲面缩放仿真

当前图像缩放方法耗时长、缩放完成后图像质量得不到保障,提出基于多小波逆变换的数字图像曲面缩放方法。利用Harris角点检测法对数字图像中重要角点进行检测的过程中,设置角点响应函数,通过响应函数值与选定门限的比较,确定图像中的重要角点,并将重要角点输出。基于数字图像角点检测结果,对原图像进行小波分解,并根据三次样条插值的方式实现图像中高频子带系数的放大。利用自适应阈值法对放大之后的系数进行处理,使用非线性增强函数转变原图像各个尺度上的细节分量间对比度,将所得结果引入多小波逆变换中,得到缩放后的数字图像。仿真结果表明,基于多小波逆变换的数字图像曲面缩放方法运行耗时短、缩放后图像分辨率高,与当前相关方法相比更具科学性和可实践性。

二维翻转结构9/7离散小波逆变换研究与VLSI实现

采用提升结构的二维9/7离散小波逆变换模块是高清图像解码显示和实时处理的关键支撑技术。为实现电路模块的整体优化,在提升结构二维9/7离散小波逆变换标准算法的研究基础上,通过分析图像数据的输入输出顺序,结合器件模型提出一种翻转结构的优化算法。进一步地,给出了所提算法的一种多核并行VLSI结构:通过流水线技术将关键路径降为一级乘法器延迟;通过重组织数据流,处理N×N大小的图像仅需4N的中间缓存,从而在提升该模块速率的同时降低了中间缓存。基于Sparten6-xc6slx150t FPGA进行综合验证,结果表明该模块可稳定运行于166.34 MHz时钟速率。

基于小波逆变换合成的心率变异性信号的IPFM模型

本文提出了心率变异性（ＨＲＶ）信号的一种改进的积分脉冲频率调制（ＩＰＦＭ）的计算机仿真模型。由于合理地设计了模型的前置部分，从而使得仿真的ＨＲＶ信号的频谱和调制信号的频谱具有一致性。又由于采用了小波逆变换的方法合成了ＨＲＶ信号中的１／ｆ部分，从而使得仿真的ＨＲＶ信号的时域特征及频域特征均比原有的ＩＰＦＭ模型更接近于实际的ＨＲＶ信号。仿真结果证实了这一点。

一类多维连续小波逆变换的逐点收敛性

研究了多维连续小波逆变换的逐点收敛性。首先引入一类多维连续小波,这类多维连续小波变换具有高频时,小移动,低频时,大移动的特点;其次讨论了这类多维连续小波的逐点收敛性,给出了这类多维连续小波逆变换逐点收敛成立的一个充分条件。

基于小波逆变换DEM解压缩

本文分析了经过压缩后的DEM的数据结构,提出了采用小波变换的逆变换进行解压缩,并对压缩结果进行评价,找出最佳的压缩比的方法。

基于离散小波理论的时间尺度变换实现

时间尺度变换就是使信号在时域上压缩或扩展而幅度不发生变化 .将连续小波理论的时间尺度变换推广到了离散小波变换领域 ,推导了基于离散小波变换的函数时间尺度变换公式 ,在已知任意平方可积函数 f(t)的条件下 ,通过离散小波变换和反变换求得期望的 g(t) =f(t/ λ) ,并给予了理论证明和仿真实验 .

高维小波变换的一般形式

利用小波变换是等距变换这一事实,推导出高维小波变换的一般形式,使通常的小波变换只是其中的一种特殊情形。在实际应用中,可以适当的选取参数α,β。这使小波变换的应用更广泛,使用更灵活。

小波变换的一个注记

本文给出一个新的定义小波变换的方法 ,此方法可根据不同的实际问题 ,调节α与β的值 。

改进经验小波变换在滚动轴承故障特征提取中的应用

针对高速列车齿轮箱滚动轴承故障特征提取困难的情况,提出了基于改进经验小波变换(Empirical Wavelet Transform,EWT)的轴承故障诊断方法。首先,对轴承振动信号进行EWT变换得到多阶固有模态分量,通过计算峭度值筛选出包含故障信息的固有模态分量,采用经验小波逆变换的方式对筛选分量进行重构,最后计算Hilbert包络解调谱对重构信号进行分析。研究表明,结合EWT,峭度系数和经验小波逆变换的方法可以准确的提取轴承的故障特征,为轴承监测和维修提供准确信息。

1994年6月广东省特大洪涝期间气象要素的小波分析

通过对１９９４年６月广东洪涝期间省内南雄与电白两站逐时地面降水、气压和温度的小波分析，清楚地将影响两站的不同尺度的扰动显示出来，利用小波方差图可帮助确定该段时间的主要天气系统，利用小波逆变换可对原序列进行多种形式的重构。

一种基于小波域的数字水印嵌入与提取算法

提出了一种基于小波变换的图像嵌入数字水印及检测的方法。对数字图像进行多级二维小波变换可以得到一个逼近图像和几个高频细节图像,对低频(逼近部分)图像嵌入数字水印,对加入水印的图像进行小波逆变换得到重构图像。检测时,先对重构图像进行小波变换,再对低频图像提取数字水印。

基于多进制小波遥感影像融合的研究

为监测地面沉陷区的动态演化信息,探讨了基于多进制小波变换与RGB特征融合相结合的遥感影像融合方法。在融合过程中,首先对高分辨率全色影像和多光谱影像进行M进制小波分解,再将高分辨率影像的高频分量分别与多光谱影像的R,G,B波段高频分量以区域能量为融合准则进行特征融合,形成新的高频分量,然后与多光谱影像的低频分量进行多进制小波逆变换,最后经RGB合成为彩色影像。结果表明,该方法既改善了影像的清晰度和分辨率,同时也保留了原影像的光谱信息,利用融合后的影像进行地面沉陷区监测,效果明显提高。

基于小波算法联合混沌理论的图像加密研究

图像加密作为信息加密领域的重要一支,其对于信息安全的重要性显得愈发重要,能够有效地对目标图像信息进行加解密逐步成为了人们的研究热点;为了提高图像加密的安全性,以混沌系统所具有的初值敏感性以及类似随机为基础,提出了采用"混沌变换"方法对图像进行置乱操作的算法,随后以此为基础结合小波理论设计一种图像加密算法;在图像的预处理阶段首先对图像采用小波变换得到四幅小波子图;随后基于混沌置换将四幅子图置乱处理;最后通过小波逆变换恢复出目标加密图像;通过数值仿真实验表明通过该方法解密获得的图像具有与原图像非常高的一致性,并且获得了较高的安全性。

基于小波和维纳图像复原的像移补偿方法

提出一种基于小波变换和维纳滤波相结合的图像复原方法,有效地消除了航空成像系统的像移模糊。该算法先在小波变换的基础上对各个子频段的小波系数进行维纳滤波,以达到更好的消除模糊的目的。然后对维纳滤波后的图像进行小波逆变换,得到复原图像。经实验验证该算法对因前向像移造成的图像模糊有比较好的复原效果。

基于不可分小波与标记分水岭的图像分割

针对传统的分水岭算法过分割的问题,提出一种结合不可分小波与标记分水岭的图像分割算法。根据二维不可分小波理论,文中利用伸缩矩阵为[2,0;0,2]的不可分小波的构造方法构造了四通道的对称滤波器组,并把它应用到标记分水岭的图像分割中。利用该滤波器组对原图进行不可分小波变换,对分解出的低频子图进行标记分水岭分割;然后对利用标记矩阵进行区域平均后的低频子图进行小波逆变换,得到区域平滑图;最后,对最终的平滑图使用标记分水岭算法,得到分割结果。实验结果表明,该方法可以有效地解决分水岭过分割问题,且较好地保留了图像目标的轮廓信息。

基于ResNet及损失函数的模糊图像复原算法

以获取模糊图像细节特征,提升模糊图像的清晰度为目的,设计基于ResNet及损失函数的模糊图像复原算法。首先,将模糊图像作为残差神经网络的输入,通过残差神经网络提取模糊图像内的细节特征;其次,将模糊图像细节特征描述为若干幅高分辨率图像同对应的中等分辨率图像小波系数间的差异,并通过残差学习过程提升网络收敛效率;最后,通过残差神经网络输出的特征图与小波变换结果实现超分辨率图像的复原,并利用损失函数优化整体网络,获取更多模糊图像缺失的细节。实验结果表明,该方法在实际应用过程中选择ReLU函数作为激活函数、在迭代次数为200 000次的条件下可获取最优的复原图像,图像复原后峰值信噪比平均值为31.89,结构相似性平均值为0.90,具有较好的模糊图像复原效果。