抑制局部放电混合干扰的浮阈值量化算法

由于局部放电(PD)信号与含有的混合干扰(白噪和窄带)在能量分布频段上存在明显差异,根据小波包变换各节点分解系数能够有效反映被分析信号能量变化的特点,建立一种以反映PD信号分解系数中噪声能量为判据的浮阈值量化算法,使得最优基下各节点阈值随相应节点分解系数中信号噪声强度的变化而变化,自适应地决定各节点最佳阈值选择,以实现对PD信号分解系数更精细划分。通过对含有混合干扰的仿真与实测PD信号的小波包最优分解,分别用传统全局阈值量化算法与笔者建立的浮阈值量化算法进行了干扰抑制效果的对比,结果表明:后者具有更强的抑制混合干扰的能力,且混合干扰抑制前后PD信号波形相似度更高。

一种基于整数平方量化阈值的小波图像编码算法

作为JPEG2000的重要组成部分,整数小波变换(IntegerWaveletTransform)和嵌入式零树编码(EmbeddedZerotreeWaveletCoding)有许多优越性,但是图象经整数小波变换(IWT)后各子带系数幅值的动态变化较小,因此其能量集中性较第一代小波变换差很多,不利于零树编码(EZW)。该文从零树编码的量化阈值入手,将传统零树编码中“2的整数次幂”量化阈值改为从1开始的整数平方量化阈值,通过缩短了各量化阈值间的距离,减少了重要系数集中出现在较低量化阈值的机会,增加了编码过程中零树的数量,从而充分利用了整数小波变换能量集中性较低的特点。实验证明,该算法通过整数平方量化阈值有效地将整数小波变换同零树编码结合起来,提高了编码效率。

基于整数平方量化阈值和索引表的小波图像编码算法

一般小波变换 ,零树编码优点很多 ,但对于能量集中性较差的整型小波变换就显得力不从心 .因此对整型小波变换存在的这一特点结合零树编码的优点提出了一种新算法。第一 ,根据整型小波变换后各子带系数幅值的动态变化较小 ,小波图像能量较一般小波差的特点 ,提出了利用整数平方作为量化阈值的整数平方算法 ,充分利用了整型小波变换 ;第二 ,提出一种基于索引表和游程编码的小波零树编码的新思路 。

考虑多模态数据的重载货车危险驾驶行为识别方法

综合考虑货车操纵数据、驾驶员眼动数据和心电数据,本文提出一种多模态的重载货车危险驾驶指标构建和行为识别方法。首先,设计自然驾驶实验,利用车辆惯导、眼动仪及心理数据记录仪这3种设备采集车辆运行、眼动及心电等多模态驾驶数据,通过多设备时间同步及数据清洗,构建多模态驾驶数据集。其次,将重载货车危险驾驶行为分为危险驾驶操纵行为和疲劳驾驶行为两类,通过提取数据特征,构建9种危险驾驶行为指标,表征超速、速度不稳、急变速、急换道及疲劳驾驶这5种危险驾驶行为。针对危险驾驶操纵行为,组合文献调研、指标计算及四分位差法确定危险行为特征参数阈值;针对疲劳驾驶行为,通过因子分析和K均值聚类法划分疲劳驾驶类型。最后,构建重载货车危险驾驶行为数据集,采用随机森林分类模型识别危险驾驶行为,并与BP神经网络、K近邻及支持向量机等分类模型对比。结果表明,随机森林模型对于5种危险驾驶行为的分类准确率均在90%以上,整体优于其他分类算法,能够较高精度地识别驾驶中出现的危险驾驶行为。本文的多模态重载货车危险驾驶指标构建和分类方法能够用于危险驾驶行为识别,为驾驶员多模态危险驾驶行为预警提供思路和理论依据。

基于HSV阈值量的青花瓷纹饰分类研究

民间收藏、拍卖对青花瓷图像的数字化需求和将数字特征、艺术风格相结合的自动分类目的。本文研究青花瓷图像的颜色特征算法并利用KNN进行纹饰分类。根据青花瓷片的纹饰知识,结合图像颜色特征算法的研究,提出一种基于HSV空间的多阈值量化颜色直方图特征提取方法。利用KNN做分类实验,分析对比传统颜色特征提取算法。实验证明,应用本文方法提取的颜色特征和分类方法可以有效地对青花瓷纹饰图像进行分类。

阈值走势及小波变换尺度对SPIHT编码性能影响的研究

对SPIHT算法进行了深入的研究,通过对大量实验结果的分析统计,从阈值变化生成编码量的走势及小波变换尺度变化时不同阈值生成编码量所占比重两方面对SPIHT编码性能的影响作了详细研究,并给出了仿真试验结果.

一种基于新量化方案的形状自适应整数小波编码算法

首先提出了基于提升方案的形状自适应整数小波变换算法,然后对整数小波同第一代小波的变换系数分布特性的差异进行了详细的分析.针对整数小波变换系数幅值动态变化范围小,而传统EZW中阈值区间相对较大,不利于形成零树结构的不足,提出了基于奇数平方的阈值选取方法.并在此基础上,提出一种基于二分法的量化逼近方案,与传统的基于位平面的量化方法相比,该方案能用更少的比特来完全重构一个系数.最后,提出了基于整数小波变换和新的量化方案的形状自适应EZW编码算法.实验结果表明,阈值选取方法是合理的,而基于二分法的量化逼近方案是有效的.在相同码率下,与传统阈值选取和量化方案相比,该方法重构图像的峰值信噪比要高出0.5～2dB.

一种VLBI数字基带转换器的阈值计算方法及其FPGA实现

随着电子技术的进步,数字化的设备成为发展的趋势。在VLBI2010中定义了新型VLBI数据终端,新的系统使用数字逻辑电路完成VLBI的数据采集。数字基带转换器(Digital Base Band Converter,DBBC)是VLBI数据终端的核心部件,其功能是将射频接收机输出的宽带模拟中频信号数字化处理后,选取若干频道转换为基频信号。与模拟设备相比,其在带通特性、长基线条纹信噪比性能等方面有很大优势。其中经过基带转换后的信号需要通过自动增益控制(Auto Gain Control,AGC)模块进行阈值比较,得到2 bits量化信号作为输出。目前2 bits数字自动增益控制模块设置阈值的方法是基于传统的自动增益控制方法,即信号通过平方、累加和开方,计算出信号的平均功率,再通过平均功率得到阈值。提出了一种量化阈值计算的新方法,该方法通过统计数字信号各比特位的状态分布,并与原阈值进行比较,从而确定新阈值的相应比特位的值,使经阈值比较后的量化输出符合预定的比例。阈值随每N个输入信号的统计情况进行更新,从而实现2 bits动态量化。这种方法可以避免多位数据的平方、累加和开方的复杂计算,从而减少数字自动增益控制模块的资源占用。通过对其FPGA设计的仿真结果分析,验证了该方法的可行性。对2 bits量化原理及其量化误差分析的关键部分作了论述,并通过MATLAB计算出最佳量化门限和量化状态。

基于拟合优化的多传感器测距误差残差补偿修正算法设计

在复杂环境下,多传感器协同测距过程,受信号强弱、传感器性能、光照的影响,测距过程存在一定误差。为解决上述问题,提出一种多传感器测距误差补偿算法。该算法首先利用小波变换将多传感器信号分解成低频和高频信号,并对高频信号采取阈值量化处理。将处理后的高频信号与低频信号重构,完成信号降噪。其次采用坐标投影法构建误差模型,并在模型中采用带有拟合优化的残差补偿法修正误差。最后将灰度重心算法与电荷耦合原理结合消除光斑,完成多传感器测距误差补偿。实验结果显示:这种算法的残差平均值在0.37附近波动、标准差平均值为0.42、信号采集误差平均值小于1 Hz,能够实现多传感器测距误差的准确补偿。

量化压缩感知在语音压缩编码中的应用

利用语音信号在离散余弦变换(DCT)域的近似稀疏性和量化压缩感知理论,文中提出一种基于量化压缩感知的语音压缩编码方案。编码端利用压缩感知技术,将语音信号投影成数据量大大减少的观测序列,然后对观测序列采用Lloyd-M ax量化得到量化后的观测样值;解码端直接利用量化后的观测样值,结合重构算法重构出原始语音信号的DCT系数,经过DCT反变换得到重构后的语音信号,并采用后置低通滤波器改善重构语音的听觉效果。该编码方案解码端不需要进行反量化,而是直接利用量化后的观测样值进行重构,有效降低了解码端的运算量及复杂度。仿真结果表明:采用量化迭代硬阈值(QIHT)算法重构效果优于迭代硬阈值算法(IHT),重构语音的信噪比能达到20 d B以上,MOS分达到3.26。

基于小波变换和均值滤波的图像去噪

通过对图像中含有高斯噪声的分析和研究,结合现有图像去噪的方法,提出了采用均值滤波和小波变换相结合的方法来消除图像噪声。对含噪图像进行小波分解并且对各层小波系数进行阈值量化和进行小波重构,采用不同的模板对水平、垂直、以及对角方向子图像进行均值滤波,将低频近似子图像与处理后的各细节子图像结合得到去噪后的图像。仿真结果表明,所提出的方法相比于其它单一的去噪方法具有更好的去噪效果。

基于小波变换的信号去噪方法研究

对小波阈值去噪方法进行了研究,阐述了小波变换和小波去噪的基本原理和方法,利用四种自适应阈值规则对含噪信号分别进行去噪处理,并比较了去噪效果。以采集到的语音信号为例,采用不同的阈值去噪方法去噪,在MATLAB下进行仿真,结果表明小波变换既能有效地去除信号噪声,又能较好地保留原信号中的突变信息。

基于小波变换和Teager能量算子指纹图像增强

指纹增强是指纹自动识别系统中比较重要的一个环节,它直接影响到指纹识别系统的识别精确度。二维Teager滤波器是一种非线性边缘提取滤波器,其特性近似于Mean-Weighted高通滤波器,即兼有局域平均和高通滤波的特性,因而可均衡去除噪声和增强图像边缘。将一种改进的Teager能量算子用于小波分解后低频域的纹理滤波部分,并对高频域进行阈值量化去噪,最后重构子图像。实验表明,该算法能够使图像的质量明显得到改善。

基于小波变换的视频图像压缩算法研究

提出一种时域加强并结合时间轴稳定性码率控制的三维小波变换的视频图像编码方法。该算法根据人类视觉系统(HVS)的特性对视频图像不同频率的数据进行粗细不同的量化,可以很好地解决当图像运动变化较大时所产生的大数据量的问题;该算法无运动估计和补偿环节,降低了复杂度;采用提升型变换可以节省内存空间并提高运算速度;进行了码率控制,得到了良好的时间轴稳定性,提高了视频图像的清晰度和流畅度。

一种基于EZW改进算法的图像压缩方法研究

针对原EZW算法未能很好利用图像小波系数特点及按照频率特性量化小波系数的不足,提出了对图像小波系数进行信噪分离、阈值化处理以及对低、高频图像信息进行分阈值量化的改进算法,并给出了在保证复原图像质量情况下扫描终止的判别条件,以节省压缩时间,在实时传输中能有效地提高图像压缩效率。仿真实验结果表明,改进算法无论在扫描相同次数下的信噪比,还是相近信噪比下的压缩比都获得了较大改善,为小波变换下的图像压缩方法提供了新的思路。

基于小波包分析的ECG信号降噪

在临床医学检测上,心电信号(ECG)是一种典型的人体生理信号,在采集时常伴有工频干扰、基线漂移和肌电干扰等影响。为后续能进行有效诊断,必须对采集的ECG信号进行预处理。文中介绍了一种基于小波包分析的ECG信号降噪方法,首先根据熵标准选择最佳小波包基,然后对ECG信号进行多层小波包分解,最后对分解系数进行阈值量化后得到重构信号。通过对胎儿ECG信号的仿真实验,结果表明,小波包分析方法比傅里叶变换和小波变换等具有更好的降噪效果。

一种基于空间累进预测的图像编码算法

提出一种结合空间层次累进的预测编码方法,在预测过程中能够利用被预测像素的四周像素对其进行预测.通过构建层次结构图来将图像中的像素划分等级,根据层次等级不同依次进行预测,预测过程中采用实时处理的思想,以减少对内存的需求.根据不同等级像素重要性不同的特性,采用改进的嵌入零树小波编码方法对预测结果进行多阈值量化.实验结果表明,方法计算简单,内存要求小,性能优于JPEG ,在实时和无线多媒体等计算能力较弱的环境中尤为适用.

非稳态信号的去噪及提取特征频率方法研究

基于风力发电机齿轮箱振动信号特点,研究了非稳态振动信号的处理方法。对小波阈值去噪方法进行了分析,提出了小波阈值的综合量化规则,以齿轮箱的振动信号为例,比较了不同阈值方法去噪效果,结果显示综合量化去噪方法更有效。针对Wigner-Ville分布理论中频率混叠和干扰的缺点,在小波阈值的综合量化规则去噪之后的基础上采用经验模态分解和Wigner-Ville相结合的方法对齿轮箱轴承故障进行诊断。试验结果表明,经验模态分解和Wigner-Ville分布相结合的方法能有效地提取非稳态信号的特征频率。

小波分析在信号消噪中的应用

在论述小波和小波包原理的基础上,对信号消噪分别从小波和小波包两个方面进行方法步骤的研究,最后对一工程实例的信号进行了处理。

带噪语音信号小波去噪算法研究

去噪问题是信号处理中必不可少的问题。滤波作为传统的去噪方法,主要包括线性滤波和非线性滤波。噪声与信号频率重叠,传统方法要想取得良好的去噪效果必须牺牲部分信号。现有的小波模极大值去噪方法虽然有较好的去噪效果,但是该方法计算量大。小波阈值去噪方法更简单,但小波重构后的小波系数与噪声的小波系数存在恒定的偏差。在阈值去噪方法的基础上提出一种改进算法,仿真结果表明该算法在加性高斯白噪声污染下表现出较好去噪效果。