基于非线性小波变换阈值法的大坝表面变形监测分析

为了实现对大坝坝体GNSS原始监测数据中高斯噪声、白噪声等异常特性进行有效去噪,同时要求保留异常信号中的有效信息,基于小波变换分析理论,应用非线性小波变换阈值法对大坝坝体的GNSS原始监测数据进行去噪处理。结果表明,该方法能够有效剔除GNSS原始监测数据中不同类型的噪声点,明确了大坝坝体外部变形与库水位的相关性关系,分析了运行期内大坝坝体外部变形相对值分布状况,揭示了大坝坝体变形的周期性、趋势性等特征,为坝体变形监测的设计、变形趋势的观测与预测等提供参考。

非线性小波变换在故障特征提取中的应用

经典小波变换在不同尺度采用一种小波基 ,不能很好地匹配信号的局部特征 ,因而造成降噪信号丢失了原始信号中部分的有用信息。为了克服上述缺陷 ,提出了一种基于第二代小波变换的非线性小波变换振动信号预处理方法 .应用第二代小波变换的预测器和更新器相互独立的特点 ,根据预测方差最小的选取原则 ,确定每个变换样本的最佳预测器 ,使预测器能够适应信号的局部特征。模拟数据和振动信号的分析表明 ,该方法克服了传统小波降噪方法局部信息丢失的缺陷 ,不仅可以有效地去除信号中的噪声 ,而且能够保留信号的局部特征。作为一种预处理方法 ,在某发电厂的故障诊断中有效地从振动信号中提取了故障特征。

低水平放射性γ能谱数据平滑的非线性小波方法

设计了低水平放射性γ能谱数据平滑的非线性小波方法，与传统的多项式拟合移动平滑方法和傅立叶分析方法相比，本方法具有谱峰值损失小和消除统计涨落彻底的优点。

基于非线性小波与形态学相结合的边缘检测方法

小波分析是图像与信号处理研究领域的一个重要工具,现有的小波分析方法大多集中于对线性小波的研究。智能交通中车型识别的基础是精确获取图像中汽车边缘和汽车特性,而图像中汽车边缘特性多表现为非线性性,采用非线性方法进行研究更为适合。文章在描述了非线性小波变换框架后,提出了一种用数学形态学实现非线性小波分解的方法来获取汽车边缘信息。为了正确识别车型,再进一步用修正后的数学形态学检测算子提取汽车边缘,得到了较为清晰的连续汽车边缘,为以后车型进一步分类提供了条件。经过实验检验该方法具有一定的可行性和稳定性。

基于球坐标的非线性小波变换图像压缩编码算法

利用小波变换的 3个高频分量之间相关特性 ,提出了基于球坐标变换的非线性小波变换图像压缩编码的方法 .在小波收缩中 ,采用双曲线收缩处理球坐标下的径向分量以提高重建图像的质量 .实验结果表明

基于非线性小波变换的汽油机爆震强度识别

为提高利用振动信号检测汽油机爆震强度的精度,提出了一种基于非线性小波变换的爆震强度识别方法.首先,采用非线性小波变换对振动信号进行分解,提取出爆震特征.然后,在包含爆震特征的小波细节分量上计算一组能够表征爆震强度的时域统计特征参数.最后,将这些统计特征参数输入到人工智能分类器进行爆震强度识别.对某汽油机进行了爆震台架试验,并对提出的方法进行了验证.结果表明:非线性小波变换可以清晰地从缸盖振动信号中检测出微弱的爆震冲击特征;同时,采用支持向量机能够获得更优的爆震强度识别精度和泛化性能.

心电信号的非线性小波检测方法

将非线性小波方法应用于心电信号的检测。利用二进Daubechies小波对有高频噪声干扰的心电信号按Mallat算法进行小波分解;探讨了非线性小波检测方法;结合Lipschitz指数判据,将其应用于高频干扰心电信号的去噪,实现了滤除噪声的同时又有效地恢复了心电信号。

非线性小波变换及其应用

对线性小波变换和非线性小波变换进行了介绍,在此基础上重点分析了非线性小波变换的优点,最后对非线性小波变换的若干典型应用及应用中的问题进行了讨论.

自适应非线性小波在灰度级图像去噪中的应用

针对线性小波能有效去除高斯白噪声,而形态小波对目标细节的保留特性,在自适应非线性小波框架中提出了一种自适应非线性小波算法,合理利用线性小波和非线性小波的去噪能力,实现灰度级图像自适应去噪。仿真结果表明:在噪声干扰下,所提出的方法有效且稳健,对灰度级图像去噪达到预期的效果。

非线性小波去噪技术在水声信号识别中的应用

应用非线性小波去噪技术对小波包能量法进行改进,提出了一种新的方法———去噪小波包能量法。该算法对信号小波去噪后,再用小波包能量法提取信号的特征。文中研究了不同的小波去噪方法对水声信号分类识别率的影响,在实测信号样本集上用BP神经网络进行了识别实验。结果显示了算法的有效性。

基于球坐标系的非线性小波变换去噪算法

提出一种新的非线性小波变换去噪方法 .该方法把线性小波变换后得到的 3个高频分量通过球坐标变换后 ,得到球坐标下 3个分量 ,然后在球坐标中根据图像统计特性设定的收缩因子处理小波收缩去噪 .结果表明 ,该方法比直接进行小波收缩的结果有更好的峰值信噪比 .

基于非线性小波变换和经验模式分解的轴承故障特征提取

针对滚动轴承等复杂零部件振动信号故障特征难于提取的特点,采集4组变速器轴承振动信号,构造基于第二代小波变换的非线性小波变换对振动信号进行自适应预处理,有效地去除了振动信号中的噪声,抑制了经验模式分解过程中的模态混叠。将预处理后的信号进行经验模式分解,获得了一系列瞬时频率且具有物理意义的本征模函数,对每个本征模函数进行Hilbert变换,得到了振动信号的Hilbert边际谱,提取出了信号能量随瞬时频率变化的特征。

基于非线性小波变换的图像边缘分解方法

图像边缘分解重建过程中,为解决重建后的边缘振荡问题,提出无需对小波变换跃变点两侧延拓,采用非线性变换把能量集中到低频分量上,用精细尺度上小波变换模极大值对跃变点进行奇异性检测,用较少存储空间和计算量即可有效克服重建图像边缘振荡问题。

回归函数非线性小波估计的优良性

在X服从区间[0,1]上的均匀分布的假设下,证明了回归函数的非线性小波估计中小波系数的无偏性和一致性.并证明了设置二次阈值情况下,小波系数的估计更有效.

固定设计点情形下回归函数的非线性小波估计

在固定设计变量但不一定等距,误差为一般的随机变量的情况下,构造了回归函数的非线性小波估计以及自适应非线性小波估计。证明了非线性小波在Besov空间中可达到最优收敛速度,自适应非线性小波估计在一大类Besov空间中可达到次最优收敛速度(即和最优收敛速度只相差lnn)。这样,在固定设计变量情况下,构造的回归函数的非线性小波估计和Donoho等人在等距固定设计点对回归函数的非线性小波估计几乎具有同样的优良性质。进一步,只要求误差为有界三阶距,而Donoho等人要求误差服从正态分布。

非线性小波变换在人脸识别中应用

文中提出非线性小波逼近在人脸识别中的应用,并将之与基于线性小波逼近的人脸识别算法进行比较,提出一种基于非线性小波逼近的高效算法,并且用实验证明本算法的具有很高识别率,同时证明本算法具有不会受到人脸姿态特征的影响的优点。

非线性小波变换阈值法去噪在工程中的应用

利用基于非线性小波变换阈值去噪算法,对变形监测数据进行去噪处理,对模拟数据的处理结果表明,基于非线性小波变换阈值去噪方法与传统的阈值去噪方法相比,能有效地去除伪吉布斯现象,提高信噪比,剔除变形监测数据中的噪声,识别被噪声疏忽的有用信号。

一种新的二维非线性提升小波变换方法

根据图像的统计信息 ,本文构造了一种新的非线性算子即统计算子 ,提出了基于该算子的一种新的非线性提升小波分析方法 .使图像经过该方法变换以后 ,在无量化失真的前提下 ,以较大概率取得零高频系数 .本文将该方法与现存文献中所提出的非线性形态学小波等分析方法 ,进行了标准图像的测试分析 ,实验结果显示 ,利用本文所提出的基于统计算子的提升小波分析的方法所得到的高频子带的熵都低于其它几种非线性小波变换 ,取得了很好的分析结果 .

随机设计变量情形回归函数的非线性小波估计

在随机设计变量情形 ,构造了回归函数的非线性小波估计以及自适应非线性小波估计 .证明了非线性小波估计在Besov空间中可达到最优收敛速度 ,自适应非线性小波估计在一大类Besov空间中可达到次最优收敛速度 ,即和最优收敛速度只相差lnn .这样 ,在随机设计变量情形 ,所构造的回归函数的非线性小波估计和在固定设计点下对回归函数所构造的非线性小波估计几乎具有相同的优良性质 .进一步 ,只要求误差有有界三阶矩 ,而不要求误差服从正态分布 .

基于非线性提升小波的有损图像压缩及其优化

基于提升的小波变换结构简单,不需要额外的存储空间,易于实现,在图像压缩中具有很好的应用价值。文章对使用非线性算子(如最大值,最小值等)构造的非线性提升小波结合SPIHT编码算法在图像有损压缩方面的性能进行了分析。同时,提出了一种改进的非线性提升小波实现结构。实验表明,该实现结构应用在图像有损压缩时,恢复图像的峰值信噪比和主观视觉效果均有明显提高。