基于B样条小波变换的矢量地图数据压缩及边界处理

在离散小波变换的快速Mallat算法基础上 ,根据小波滤波器的特点 ,提出了一种基于B样条小波变换的矢量数据压缩的边界处理的方法 。

基于子波变换和AR模型的轴心轨迹识别

应用子波及子波向量，结合自回归时间序列ＡＲ模型，给出了大型旋转机械轴心轨迹的识别方法．该方法不仅能够反映轨迹的总体特征，而且还一定程度地描述了ｘ轴信号与ｙ轴信号的相关性．实验表明本方法具有较高的识别率．

基于B样条二进小波变换的故障选相研究

利用暂态行波的特征提出了一种基于小波变换的故障选相方法。该方法的实现原理是通过解耦变换将不独立的三相故障电流变换为解耦的零模电流分量和3个线模电流分量,并运用B样条二进小波对解耦变换得到的模电流分量进行分析,计算得到零模电流分量和线模电流分量初始行波的模极大值;并根据4个模电流分量极大值在不同故障类型下的不同特征进行对比分析选出故障相。所提出的故障选相方法充分运用了故障时电流初始行波中的模电流分量特征,克服了现有选相方法选相速度慢、受波形畸变影响等缺点,采用所提方法可得到准确、可靠的选相结果。最后通过PSCAD软件进行了仿真,运用Matlab分析了各种故障时的数据,验证了所提选相方法在选相方面的准确性和优越性。

基于B样条小波的等高线数据简化

基于B样条小波的变换特征,本文研究了地貌形态的自动综合过程中等高线的数据简化问题,提出了基于B样条小波的等高线的数据简化方法,并进行了实验。理论和实验结果表明,利用所述方法对等高线进行数据简化,方法简捷,精确度高,而且能够保留原等高线的形状结构特征。因此,基于B样条小波的数据简化对地貌形态自动综合是可行的。

基于小波变换的2D形状分析

提出一种以小波变换为基础，可以对２Ｄ形状进行旋转对称性检测、边缘轮廓的角点位置确定，并使方向规则化的分析方法。该方法的特点是：方便、准确。

基于AOK-TFR的轨道电路故障诊断方法

为弥补现有补偿电容检测方法在检测及时性和检测成本等方面的不足,基于传输线理论,提出了机车信号感应电压幅值包络(IVECS)仿真模型;在此基础上,分析了补偿电容故障对IVECS的影响规律,建立并验证了基于频率的IVECS等效回归模型;利用补偿电容故障位置前后IVECS的频率变化,提出了基于自适应最优核时-频分布的补偿电容故障诊断方法.该方法基于机车信号的实际数据,采用B样条离散二进小波对数据进行滤波降噪处理,并利用自适应最优核时-频分布提取处理结果的时-频信息,再通过检测时-频信息中频率的变化实现对故障电容的定位.经过对随机抽取的100段实际数据的测试,准确率约为92.58%,表明该方法能准确检测轨道电路发生故障的补偿电容位置.

认知诱发电位动态提取的研究进展

认知诱发电位是评价脑认知功能的重要指标。目前临床上应用的平均认知诱发电位由于平均而丧失了大量的动态信息;尤其是认知诱发电位潜伏期(相位)变化大,平均方法将使其波形和波幅严重失真。因此认知诱发电位的单次(少次)动态提取是近年来诱发电位提取技术研究的热点与难点。动态提取认知诱发电位的关键之一在于如何使提取方法适于每个单次诱发电位相位变化大的问题。以三类典型的动态认知诱发电位单次提取方法为例,介绍了近年来在该领域中的研究动向。这三种方法是:B样条小波变换去噪声法、基于三阶相关的滤波法和小波神经网络法。

多光谱图像的边缘特征检测方法

利用多光谱图像的两像素点灰度差异强度指数,定量分析了多光谱图像的边缘特征及响应特征差异,指出传统灰度算子会导致弱边缘特征漏检。为减小边缘响应强度差异,在光谱特征空间中分别利用特征值和特征向量表征多光谱图像的梯度变化大小和方向,同时采用B样条小波对影像进行多尺度变换,获取不同尺度的边缘特征。实验结果表明,此方法对多光谱图像检测出的边缘特征响应均匀且较为显著,综合多尺度边缘能准确检测并定位边缘点,且能有效地抑制噪声。