基于改进无参尺度空间经验小波变换的变压器高频电流局放噪声抑制研究

变压器是电力系统中的关键设备,局部放电(PD)是致使变压器绝缘劣化的主要原因,也是绝缘劣化的重要表现形式。针对高频PD信号中复杂的噪声信息,提出一种基于互信息和峭度优化的改进无参经验小波变换的降噪方法。该方法以经验小波变换(EWT)分解为基础,构造高斯核函数平滑频谱生成尺度空间,利用k-means聚类对边界点进行筛选得到频带分界点,然后提取无参尺度空间EWT分解的模式分量的互信息值和峭度值进行合并优化,排除冗余的频谱划分点并对频谱重新分割,利用新的频谱边界进行划分得到有价值的分量,在有价值的分量中去除噪声分量并将剩余分量进行通用阈值降噪然后重构信号达到PD信号降噪效果。文中方法不需要人工参与且解决了模态混叠问题,仿真和实验室、现场测试表明,与现有小波变换降噪和基于经验模态分解降噪的方法进行对比,文中的方法能够更加有效抑制PD信号中的噪声信息。

最优尺度变换—层次分析法视角下城市内涝风险评估

在城市暴雨内涝频发的背景下,以辽宁省阜新市主城区为研究对象,利用无人机采集处理得到高精度正射影像和DEM,结合城市排水管网数据建立InfoWorksICM的耦合水动力模型,对城市内涝进行模拟研究和精度验证。通过对城市内涝灾害系统的三个组成部分——致灾因子、孕灾环境和承灾体的分析,对其指标因子进行最优尺度变换和层次分析法分析(AHP)。利用情景模拟结果和指标体系技术建立城市内涝风险评估模型,并利用GIS空间分析技术绘制直观的风险评估图,多角度解释阜新市主城区内涝原因并提出建议,研究结果也可为其他城市内涝防治提供借鉴。

多时间尺度小波变换和LSTM自编码器电弧故障检测方法

在光伏发电系统中,电弧故障检测是维持系统安全运行的关键问题。以往的电弧故障检测方法大多基于单时间尺度的故障特征,然而单一时间尺度特征往往会受到环境变化的干扰,导致检测精度降低,针对这一问题,提出一种多时间尺度小波和长短时记忆(LSTM)自编码器电弧故障检测方法,该方法首先在机理分析的基础上找到电弧3个特性,即电弧初始阶段电流发生突变、燃弧阶段电流均值降低、燃弧阶段高频分量变大。再基于上述电弧特性进行小波变换提取对应多尺度特征,然后使用LSTM自编码器进行端到端的自动检测。与以往方法不同,该方法提取了电弧特性的多种时间尺度特征,增加了故障信号的检测依据,降低了受外界干扰时检测结果出现误报漏报的可能性。理论分析和实验结果表明,所提出的方法降低了故障电弧检测的误报率,提高了其准确率。

基于参数尺度变换的多谐波自适应前馈主动控制方法

螺旋桨脉动力会产生与轴频、叶频及倍频相关的周期激励信号,在频谱中表现为多个低频窄带线谱。此外,激励幅值、频率及相位会随着轴系转速、油膜润滑等条件的变化而产生未知波动,具有显著的时变特征。该文针对船舶动力系统的时变多谐波线谱振动特征,提出了一种基于参数尺度变换的自适应前馈主动控制方法。基于多跨多支承推进轴系动力学模型,进行了多谐波自适应前馈算法仿真验证,实现了对多个未知窄带干扰的有效衰减。考虑通道耦合响应关系,建立了多输入-多输出系统的多通道振动主动控制策略,开展了多通道交叉耦合谐波振动控制效果分析。结果表明,该文所提出的基于参数尺度变换的自适应前馈主动控制方法对多跨多支承推进轴系的时变多线谱振动具有良好的控制效果。

多时间尺度下大沽夹河流域河流径流小波变换分析

为了研究大沽夹河流域河流径流的变化规律,通过小波变换和灰色关联分析,对河流径流变化特征、气候变化和人类活动对径流的影响进行了分析,结果表明:近年来大沽夹河径流量明显下降,人类活动对河流径流演变过程产生显著影响,河流径流量正急剧减少。研究结果为区域水资源开发利用提供参考。

基于动态多尺度变换的资源信息快速检索技术

针对传统医疗资源信息检索算法检索效率低、准确率不足,难以实现信息快速检索等问题,文中提出了一种基于动态多尺度变换的资源信息快速检索技术。该技术方案利用多尺度变换中的离散小波变换对待检索的资源信息关键词进行分解,再按照规则推理及语义形式转换在数据库中查找对应检索信息,通过计算检索信息与检索条件之间的相似程度来确定检索结果的有效性,最后再返回满足符合条件的数据。以某医疗人力资源数据集为样本展开的实验结果表明,相较于其他同类信息检索算法,所提算法能够在保证检索响应时间的条件下,使查全率与查准率分别达到91%和95%以上。

基于多尺度多方向Gabor变换的Tsallis熵阈值分割方法

为了能在统一框架内处理无模态、单模态、双模态或者多模态直方图情形下的自动阈值选取问题,该文提出一种基于多尺度多方向Gabor变换的Tsallis熵阈值分割方法(MGTE)。该方法先通过Gabor变换得到多尺度乘积图像,然后利用内外轮廓图像从多尺度乘积图像中重构1维直方图,并在重构1维直方图上采用Tsallis熵计算模型来选取4个方向Tsallis熵取最大值时对应的阈值,最后对4个方向的阈值进行加权求和作为最终分割阈值。将提出的方法和5个分割方法在4幅合成图像和40幅真实世界图像上进行了实验。结果表明提出的方法虽然计算效率不占优势,但它的分割适应性和分割精度有明显的提高。

双指数变换与多尺度细节凸显的红外图像增强

鉴于现有的红外图像增强方法易产生局部的欠增强和过增强以及不清晰的边缘纹理,提出了一种双指数变换与多尺度细节凸显的红外图像增强方法。根据红外图像边缘纹理的粒度,基于Retinex理论用双边滤波将红外图像分解为大、中和小尺度的细节层和基础层;对基础层进行系数小于1的自适应指数变换,在控制亮区过增强的同时自适宜地提高图像的亮度和对比度,而对大、中和小尺度的细节层分别进行系数大于1的自适应指数变换,多尺度地增强图像的边缘细节。实验结果表明,所提方法具有比部分现有方法更优的增强效果,增强图像的视觉效果较清晰,对应的平均梯度和信息熵均较高,而无参考图像质量指标更小。

一类2+1维群体平衡方程的尺度变换群分析及自相似解

该文研究一类2+1维既有聚合又有破损过程的群体平衡方程.用尺度变换群方法获得了方程接受的尺度变换群、自相似解、精确解和约化方程.研究结果表明尺度变换群方法不但可用于群体平衡方程,而且不需要很困难地求解决定方程.

多媒体数据自适应多尺度分块压缩仿真研究

在多媒体图像数据压缩过程中,为了减小数据体积,通常需要牺牲图像的一些细节和精度,这会导致部分信息的丢失。为了提高压缩效果,以多媒体图像为例,提出一种面向多媒体数据的分块无损压缩算法。通过四叉树算法对多媒体图像展开分块处理,通过结合边缘特征和方向特征的多尺度小波变换算法获取多媒体图像每层子带图像块的自适应采样率,基于纹理块和平坦块的自适应多尺度分块压缩感知方法完成多媒体图像数据的分块无损压缩。实验结果表明,所提算法的压缩效果更好,不仅能够实现数据有效压缩,而且不会损失图像信息,且压缩时间较短,整体应用效果更好。

基于SIFT特征点提取的ICP配准算法

为解决传统迭代最近点(ICP)算法对点云配准的起始点对选择不佳而导致配准时间长、效率低的问题,提出一种基于尺度不变特征变换(SIFT)特征点提取的ICP点云配准算法(ST-ICP)。首先使用SIFT算法进行原始点云与目标点云的SIFT特征点提取,根据提取特征点完成快速点特征直方图(FPFH)特征运算,通过采样一致性初始配准算法(SAC-IA)搜索对应点对、求解变换矩阵,再进一步运用ICP算法进行点云精细配准。实验结果表明:与ICP算法相比较,ST-ICP算法的配准误差在迭代次数为5次时减小了1.019 cm,迭代次数为10次时减小了0.443 cm;在配准误差达到10^(-2) cm级别时,ST-ICP算法所用时间比传统ICP算法减少了12.829 s。ST-ICP算法优化了对应点对的选择,提升了配准精度和配准效率。

基于小波变换的精密测量点云多尺度分解

为了减小多源跨尺度点云数据尺度与数据量上的差异,提出了一种基于小波变换的点云多尺度分解方法。对细节丰富的小尺度点云数据进行多尺度分解,以及尺度分解在跨尺度点云数据配准中的应用进行研究。首先,对小尺度点云进行栅格建模,建立全局点云二值表达函数。根据离散小波变换理论,对栅格点云进行多次的三维小波分解,利用小波尺度函数的低通特性,保留低频信息来获取原始小尺度点云的近似尺度数据。然后,基于面维数和差体维数差表征与原始数据的相似度,确定有效的小波分解级数。最后,将各级分解得到的点云数据与大尺度点云数据进行精确配准,并将配准关系应用于原始点云,提高跨尺度点云的配准精度。实验结果表明:本文提出的多尺度分解方法能够对数据进行有效分解,应用于某航空发动机叶片多尺度测量中,将显微测量的局部气膜孔小尺度点云数据与整体叶片结构光数据配准,配准精度提升了61.36%。该分解方法应用于叶片边缘与栅格零件多尺度测量中,配准精度分别提升了48.59%,43.86%。所提的点云多尺度分解方法能够有效分解小尺度点云数据,大幅提升跨尺度数据的配准精度。

一种在尺度空间下基于边缘的角点目标检测方法

图像中的目标角点位置是实现很多计算机视觉任务的关键数据。为了克服传统检测算法产生的数据冗余问题,提出了一种在尺度空间下基于边缘的角点目标检测方法。首先,构建一个分组多层的尺度空间,将原图投影到其中后得到多个平滑图像。与此同时,采用定义的边缘算子检出平滑图像中所有边缘而得到多个按序存放的像素点集,当点集数量稳定时停止更大尺度的变换。然后,在当前尺度下,计算点集中各元素反映其角点强度的特征值。根据这些特征值变化规律检出角点的支撑集区间,并在此区间中采用高斯拟合函数确定最终的目标角点。实验表明,该方法能够检出特征显著的目标角点及其角度,其中合成图像精度在像素级,应用案例中的平均误差与图幅比约为1.5/100。

线性变换与局部均衡融合的红外图像增强

为了改善红外图像的效果,提升对比度和清晰度,丰富边缘细节信息,提出了融合线性变换和局部均衡的红外图像增强方法。利用图像的像素值分布,对像素值进行自适应的分段线性变换,并用局部的直方图均衡增强图像;分别计算两张增强图像的权重图。对比度权重、显著性权重和亮度分布权重;以拉普拉斯金字塔和高斯金字塔的方式,分别对增强图像和权重图进行分解,将分解的图像与权重图进行多尺度线性融合,获得效果理想的增强图像。结果表明,相对于现有方法,本文中提出的方法增强图像的视觉效果更清晰,信息熵、平均梯度和变异系数分别比现有方法高出9.03%、23.87%和9.97%以上。该研究可更有效地提高红外图像增强的性能。

基于改进经验小波变换的海洋平台结构模态参数自动识别方法

针对经验小波变换(empirical wavelet transform,EWT)方法在处理低信噪比信号中频谱分割边界容易产生误判的问题,提出了一种改进经验小波变换(improved empirical wavelet transform,IEWT)的结构模态参数自动识别方法。首先计算信号的互功率谱矩阵,采用奇异值分解(SVD)及尺度空间(SSPP)方法确定频谱的分割边界,将信号分解为若干固有模态函数(IMF)分量,再结合随机减量技术(RDT)和希尔伯特变换(HT)实现模态参数的自动识别。使用IEWT方法对自由振动响应信号及ASCE Benchmark模型信号进行模态参数识别,并分别与EWT方法、基于自回归功率谱的经验小波变换(AR-EWT)方法及小波变换(WT)方法进行对比,结果表明IEWT方法能够自适应确定频谱分割边界,对结构的频率及阻尼比等模态参数具有较高的识别精度;进一步将该方法应用到实验室海洋平台模型的模态参数识别中,证明该方法可用于复杂噪声环境下的低频结构的模态参数识别。

基于多尺度分割和缨帽变换的高原山区森林覆盖变化检测

【目的】基于影像多尺度分割和缨帽变换,构建适用于高原复杂山区森林覆盖变化的检测方法。【方法】应用Landsat 5 TM和Landsat 8 OLI多光谱影像,以滇中东高原过渡山区地带为研究区,基于多尺度分割,利用缨帽变换(TCT)和主成分分析(PCA),重构面向对象多特征变化矢量,确定最优阈值,提取森林覆盖变化信息,并验证结果精度。【结果】(1)文中构建方法(PMKT-D)的试验结果总体精度为92.32%,Kappa系数为0.8437,结果精度显著优于对照方法;(2)2010−2020年间滇中东高原过渡山区森林覆盖变化面积356.88 km2,占影像总面积的1.06%,森林覆盖变化显著。【结论】基于多尺度分割,结合TCT和PCA能够有效消弱高原山区复杂地形和物候影响,发挥面向对象多特征变化矢量优势,增强森林覆盖变化光谱特征,显著提高变化检测精度。

基于映射规则的多尺度地图符号变换模型

总结了空间多尺度地图符号变换规则,提出了一种多比例尺地图符号自动转换方法。该方法根据地图符号分类和视觉变量,依据符号的几何、语义、特殊效果等联合特征将符号变换转化为几何变换、语义变换、特效变换及其3种形式的组合,将其抽象为变换规则,并从逻辑上构建知识规则库,基于规则建立多尺度地图符号变换模型,实现不同比例尺地图符号变换。以1∶10000和1∶50000两种尺度国家标准地形图符号为例,进行了实验验证,验证了方法的有效性和高效性。

大尺寸TFT屏视频信号的尺度变换与降场频实现

为解决测试超高清视频处理主板需要更换不同规格TFT屏幕的难题,同时进一步缩短测试耗时;提出了一种FPGA器件联合DDR3 SDRAM存储芯片的尺度变换和降场频的系统结构,将不同分辨率和不同场频的视频信号归一化为高清视频信号。系统以4 K@60 Hz超高清视频作为输入信号,送到由FPGA控制的DDR3组成的视频数据读写模块中,实现数据跨时钟域传输和尺度下变换处理及视频数据的连接;连续输出尺度下变换与降场频处理后的高清视频信号。经对比实验测试,相较于多路FIFO加DDR3的存储结构,消耗的存储资源减少352 256 bit,同时转换过程耗时减少6.761μs。结果表明本系统更适用于生产线上视频处理主板的测试需求。

Gamma变换与多尺度细节增强的红外图像增强

针对现有的红外图像增强方法存在欠增强、过增强以及微小细节不清晰等缺陷,提出了一种Gamma变换与多尺度细节增强的红外图像增强方法。该方法充分利用红外图像边缘细节的多尺度特性,用多尺度的引导滤波将红外图像分解为多尺度的细节层和基础层;对基础层进行自适应的Gamma变换,Gamma指数自适应于基础层图像亮区像素数与暗区像素数的比值,旨在适宜地调整红外图像的整体亮度,使得隐藏于暗区的图像信息得以正常显示;对多尺度的细节层分别进行四邻域的拉普拉斯增强,以提升多尺度细节信息的信号强度。实验数据证明,相对于部分最新的现有方法,本文方法具有更好的增强效果,增强图像的视觉感知效果更佳,客观的图像质量指标平均梯度和无参考图像质量指标均较高。

基于尺度变换的时间尺度及尺度估计实现方法

傅里叶变换(FT)作为一种经典的积分变换,以其为纽带揭露了自然界除时间外的另一个基本物理量,频率。科恩认为尺度是一种像频率一样的物理属性,而链接时间与尺度的纽带为尺度变换(ST)。文中从信号处理的角度,分析了ST本质含义,介绍了一种高效的快速尺度变换数值计算方法,在此基础上,提出可适用一维信号、二维信号的时间尺度(TS)及尺度估计(SE)实现方法。仿真部分综合数字图像、人为构造信号处理结果,验证得出所提方法可行性。