DWT算法在乒乓球动作识别分析中的应用

针对传统乒乓球动作识别未考虑动作的时序性和动态特性的问题,研究在二维DWT算法的基础上引入奇异值分解,设计出一种改进DWT算法,以获得乒乓球动作的局部特征,从而提升其识别准确率。实验结果显示:在识别准确率计算中,改进DWT算法的平均识别准确率为97.8%,优于其他算法,表明其识别精度较高;在识别时间计算中,改进DWT算法的识别时间与其他算法相比,均下降了50%左右,表明其识别效率较高。以上结果证明了改进DWT算法的优越性能,为乒乓球的动作识别提供了有效的技术支持。

基于DWT-SARIMA-LSTM的流感预测模型研究

为提高流感预测模型的准确率,针对流感数据的季节性与波动性特点,提出利用离散小波分解(DWT)、季节性自回归综合移动平均模型(SARIMA)和长短期记忆神经网络(LSTM)综合建模,构建DWT-SARIMA-LSTM混合预测模型。首先,将流感数据分解为高频成分与低频成分,对低频成分使用SARIMA模型、高频成分使用LSTM模型分别进行预测;其次,将预测值融合得到最终的预测结果;最后,构建流行控制图预警模型。使用从中国香港卫生署官网获得的中国香港地区2010—2019年的流感数据对模型进行预测和验证,其MAE为0.3427,MAPE为8.0973%,RMSE为0.4632,预警模型的准确率为100%,该模型较于如ARIMA-LSTM等其他混合模型有更高的预测精度。

基于DWT-Informer模型的水量预测研究

为准确呈现水消耗的变化趋势以及预测未来的用水需求,提出一种基于DWT-Informer模型的用水量预测方法。与传统方法相比,该预测方法具有以下优势:(1)对历史用水量数据进行DWT分解,可以更好地捕捉用水量信号的不同频率成分和变化趋势;(2)Informer模型具有更强的时间序列建模能力和预测能力,可以更准确地预测未来日用水量;(3)采用多头注意力机制构建输入与输出的全局关系,有利于提升参数水平。通过实际日用水量数据进行算例分析,分析结果表明,相较于其他常用预测方法,该文提出的方法在MAE、RMSE、MAPE等指标上均表现优异。

基于DWT与SVM的风门开闭阶段识别方法

为解决因风门开闭导致的风速传感器数据异常波动与误报警问题,提出一种基于离散小波变换(DWT)与支持向量机(SVM)的风门开闭阶段识别方法。使用多尺度滑动窗口将传感器风速监测数据离散化为若干段不同尺度的子时间序列数据,利用统计方法与DWT,提取各尺度子时间序列数据中的统计特征与隐含的波动特征,建立SVM风门开闭阶段识别分类模型。为进一步优化识别结果,基于重叠度(IoU)规则合并、修正、组合、取优分类识别结果,再根据相似准则建立长度方向取变率为2、整体相似比为1∶16的相似试验模型,开展风门开闭扰动试验,验证方法的可行性。结果表明:在测试集上的识别准确率较高,对于风门开闭时间的识别准确率可达到90.08%,风门开闭阶段的划分准确率可达到71.05%,优化滑动窗口尺度数量,可继续增加方法识别的准确率。

基于2D DWT与MobileNetV3融合的轻量级茶叶病害识别

针对现有茶叶病害识别方法病害信息挖掘不足导致识别准确率低的问题,该研究提出了一种基于二维离散小波变换(discrete wavelet transform, DWT)和MobileNetV3融合的茶叶病害识别模型CBAM-TealeafNet。为增强网络对病害频域特征的检测能力,将2D DWT获取的频域特征与bneck结构提取的深度特征融合,形成频域与深度特征融合的识别网络。为提高特征提取能力,在bneck结构中,嵌入卷积块注意模块(convolutional block attention module, CBAM),为特征通道分配相应权重。为解决样本类别不平衡对识别模型性能的影响,利用焦点损失函数取代交叉熵损失函数以提高识别精度。经验证,CBAM-TealeafNet在5种不同茶叶病害上整体识别准确率达到98.70%,参数量为3.16×10^(6),相对MobileNetV3,准确率提升2.15个百分点,参数量降低25.12%。该方法可为茶树叶部等作物病害轻量级识别研究提供模型参考。

DWT和AKD自动编码器的DDoS攻击检测方法研究

针对DDoS网络流量攻击检测效率低及误报率高的问题,本文提出一种基于离散小波变换(Discrete Wavelet Transform, DWT)和自适应知识蒸馏(Adaptive Knowledge Distillation, AKD)自动编码器神经网络的DDoS攻击检测方法.该方法利用离散小波变换提取频率特征,由自动编码器神经网络进行特征编码并实现分类,通过自适应知识蒸馏压缩模型,以实现高效检测DDoS攻击流量.研究结果表明,该方法对代理服务器攻击、数据库漏洞和TCP洪水攻击、UDP洪水攻击具有较高的检测效率,并且具有较低的误报率.

基于DWT的PCA+SVM优化算法在人脸识别应用中的研究

文章提出一种PCA+SVM算法优化方法,以小波变换(DWT)为基础,旨在提升人脸识别的精度。先用DWT将原本的人面影像分解成多个子带,再将每个子带进行PCA降维运算,选出最重要的特征子集作为输入资料,最后用SVM分类器来识别人面。实验结果显示,其在ORL人脸数据库中提出的方法,应用前景更好,人脸识别准确率明显提高。

基于DWT-SOM-HFS的配电台区短期负荷预测研究与应用

针对由电力负荷时序特征不确定性引起的负荷预测精度下降、以及现有预测方法模型可解释性弱问题,提出一种基于离散小波变换、自组织特征映射与层次模糊系统多模态组合方法的配电台区短期负荷预测方法。首先,利用离散小波变换将原始时域负荷序列分解为不同的频域分量,并将其作为负荷聚类的特征量;然后,采用自组织特征映射算法对负荷进行聚类,将原始负荷数据划分为带特征量的数据分量组;运用层次模糊系统模型对各组分量分别进行负荷预测,再将各组分量预测结果进行叠加,得到最终负荷预测值;最后,采用某地区所属配电台区的实际负荷数据进行算例分析,结果表明所提方法能够有效提高负荷预测精度,同时具有合理的模型可解释性。

基于DWT-SVD与迁移学习的水印检测模型

近年来,基于深度学习的空域水印检测已经取得较好进展,但对于变换域的检测效果还不太理想。针对此问题,本文提出一种基于DWT-SVD与迁移学习的水印检测模型。整个模型分为3个部分:在嵌入水印部分,首先对水印图像进行预处理,然后对载体图像进行三级小波变换和奇异值分解,最后完成水印嵌入;在迁移学习部分,将含水印图像和原始图像数据集放入改进后的VGG19-XVGG19神经网络模型进行迁移学习训练、特征提取、模型参数优化与检测模型构造;在水印检测部分,先利用模型对图像进行检测和预处理,如果检测结果存在水印,则利用DWT-SVD逆变换提取水印。实验结果表明本文算法在小波域上的水印检测耗时较短、准确率高。

基于DWT-DCT-SVD算法的数字音频水印性能评价分析

音频作品被非法篡改会导致作者利益受到侵害,因此音频水印嵌入提取算法的研究在数字产品版权保护中具有重要的研究价值。针对音频水印的特性及评价进行分析,分别基于离散小波变换、离散余弦变换以及DWT-DCT-SVD等算法,重点研究音频水印评价标准中透明性和鲁棒性问题。考虑相同音频及水印,针对不同的嵌入提取算法从透明性及鲁棒性两方面进行对比分析。结果表明,DWT-DCT-SVD算法在透明性及鲁棒性方面更具优势,为数字产品版权保护中音频水印算法的选择、应用及优化提供了重要的理论及应用依据。

暂态电能质量扰动的GWO-VMD与DWT结合检测方法

针对噪声环境下暂态扰动检测困难的问题,提出一种GWO-VMD与DWT相结合的检测方法.首先,利用灰狼优化算法(GWO)结合包络熵对变分模态分解(VMD)的参数K、α进行自适应优化处理,避免人工选择参数导致分解效果差的缺陷;其次利用优化后的VMD算法将含有噪声的暂态扰动信号分解为有限个调幅调频信号(VIMF);再次采用快速傅里叶变换(FFT)算法确定每个VIMF分量的含噪程度,对低噪分量平滑处理后进行重构;最后利用离散小波变换(DWT)方法对重构的暂态扰动进行检测定位.仿真实验表明,GWO-VMD与DWT相结合的检测方法具有较高的准确率和有效性.

基于多特征提取与灰狼算法优化SVM的车内异响识别方法

传统的异响识别方法对测试设备要求较高且易受实验员经验差异影响。针对这种情况,提出一种基于多特征提取与灰狼算法优化支持向量机(Support Vector Machine,SVM)的车内异响识别方法。该方法以采集实验获得的6种车内常见异响作为研究对象,提取短时能量、小波变换优化的梅尔频率倒谱系数(DWT-MFCC)及其一阶差分组成混合特征参数,将灰狼优化算法应用于SVM的参数寻优中,建立异响识别模型并进行识别分类,同时探究选用不同维度的特征或不同算法对识别效果的影响。结果表明,所提取的25维混合特征能有效传达异响信息,该方法在收敛速度与识别准确率方面优势明显,能更好地实现车内异响的识别。

基于人类视觉特性(HVS)的离散小波变换(DWT)数字水印算法

伴随着计算机网络通信技术的蓬勃发展,数字媒体数据的交换和传输变得日益简单且快捷.数字水印技术是一项将数字、序列号、图像标志等版权信息嵌入到数字产品信息中,用来保护数字产品版权和认证来源及完整性的新型技术.提出了一种基于人类视觉特性HVS的小波域盲数字水印算法,通过借鉴人类视觉特性HVS算法思想自适应的嵌入水印信息,能够很好地达到水印嵌入透明性和鲁棒性的平衡.通过Matlab软件实验仿真,表明该算法具有较好的透明性和鲁棒性.

一种基于DWT和DCT的盲灰度级水印算法

提出一种新的盲灰度级水印算法。它充分利用离散小波变换的多分辨率特性和离散余弦变换的能量压缩能力,将预处理后的灰度水印图像隐藏在原始图像DCT系数量化值的奇偶性中,在水印的提取过程中不需要原始图像的参与。实验结果表明,该算法对图像剪切、JPEG有损压缩、中值滤波等攻击有很强的鲁棒性,对旋转、噪声等攻击也具备了一定的抵抗能力。

基于DWT和视觉加权的图像质量评价方法研究

提出了一种新的基于小波变换和视觉加权的图像质量客观评价方法(WVWPSNR,wavelet and vision weighted peak signal noise ratio)。该方法将图像的DWT和HVS特性相结合,利用子图分解以及视觉加权处理实现图像质量的客观评价。对多幅分别经过JPEG压缩、JPEG2000压缩、White Noise(白噪声)、Gaussian Blur(高斯模糊)、FastFading降质的图像进行测试,实验结果表明该方法可靠、有效,与主观评价结果更接近。尤其是该方法对JPEG压缩图像的质量评价性能较好。

一种DWT与DCT结合的盲音频水印算法

该文提出了一种新的盲音频水印算法。它充分利用离散小波变换的多分辨率特性和离散余弦变换的能量压缩能力,通过量化处理把降维后的二值图像水印嵌入到原始的音频信号中,在水印的提取过程中不需要原始音频信号的参与。仿真实验证明了算法的鲁棒性和不可感知性。

一种基于DWT的彩色图像数字水印算法

本文提出了一种基于离散小波变换 ( DWT)的彩色图像数字水印算法 .算法选择彩色图像的 YIQ色彩空间的Y分量嵌入水印 .利用人类视觉系统 ( HVS)的特性 ,定义视觉掩蔽函数 ,将二值图像加密后自适应地嵌入到 Y分量的DWT系数中 ,从而兼顾了水印的不可见性和鲁棒性 .该算法既能在有源的条件下提取出嵌入的图像水印 ,也可以在无源的情况下 ,检测出水印的存在性 ,因此具有灵活性和应用范围广的特点 .

基于CWT和DWT相结合的谐波检测

提出了一种基于连续小波变换(CWT)和离散小波变换(DWT)相结合的电力系统谐波检测方法。首先利用CWT系数的幅值来检测谐波频率,该过程不用事先根据谐波次数确定分解层数,而只是确定尺度范围及步长,即可得出各次谐波频率。然后根据确定的谐波成分利用DWT来检测谐波幅值,并通过Matlab软件进行了仿真分析。仿真结果表明该方法有效地解决了基于离散小波变换的谐波检测方法中谐波次数未知而无法确定分解层数的难题,并能精确可靠检测各次谐波频率和相应的幅值。因此,CWT和DWT相结合是一种有效的电力系统谐波检测方法。

结合Zernike矩和模板具有RST不变性的DWT-HMM鲁棒水印算法

抵抗几何攻击是鲁棒水印研究的关键问题之一。为实现水印同步,提出了一种结合Zernike矩和小波域模板实现由粗到精几何同步的算法,即首先利用平移归一化图像的Zernike矩估计旋转和缩放参数,并用校正旋转和缩放后的图像和原图像之间的质心增量估计平移参数;然后基于粗略估计的参数,通过匹配小波域模板实现旋转、缩放和平移(RST)参数的精确识别和校正,该同步方法可以较大程度地降低搜索空间。水印嵌入和检测采用了小波域向量隐马尔可夫模型(DWT-HMM)。仿真结果表明,利用由粗到精的几何同步方法和基于HMM的水印算法能有效抵抗StirMark平台的多种单项攻击和联合攻击,算法具有较好的鲁棒性能。

DWT、NSCT和改进PCA协同组合红外偏振图像融合

为充分保留红外光强和偏振图像细节、强度等信息,综合多算法的优势性能,提出一种DWT、NSCT和改进PCA的多算法协同组合融合新方法,在考虑3种算法互补协同关系基础上,充分保留源图重要目标和细节信息。首先,用离散小波变换(DWT)将源图分解为高低频分量,低频用非下采样轮廓波变换(NSCT)再次分解;其次,对主成分分析法(PCA)进行权值改进,分块融合NSCT分解所得低频分量;然后,提出"相关系数-局部能量-局部标准差"规则融合NSCT分解所得高频,用"层内对比度"规则融合DWT分解所得高频;最后,NSCT逆变换重构所得图像作为DWT低频融合图,再用DWT逆变换获得最终融合图像。实验结果表明,所提方法在视觉效果、细节层次及保留等方面比单一或简单组合方法更具优势,对不同场景适应性较强。