基于db4小波变换与BP神经网络的暂态电能质量扰动分类方法

电能质量扰动信号的分类识别是进行电能质量扰动分析和治理的重要前提。提出一种应用小波变换与神经网络相结合的暂态电能质量扰动分类方法。首先,针对暂态电能质量扰动信号的特点,选择db4小波变换来获得各层上的能量值,以提取不同扰动信号的特征参量。再通过确定适当的BP神经网络模型,对输入的扰动特征参量进行分类识别。仿真结果表明,该方法可以有效区分几种暂态电能质量扰动事件,且识别率较高。

基于db4小波变换的电能质量数据压缩算法

针对传统小波变换运用于数据压缩算法存在的问题,提出了基于db4小波变换的数据压缩算法。该算法针对电能质量数据的特点,根据db4小波变换具有多分辨率分析的特性,将检测数据变换到小波域,以使信号能量主要集中于低频系数上,而后采用软阈值压缩算法处理小波低频系数。并采用游程编码的方式存储数据。对实际数据进行压缩,该算法压缩效果良好,计算速度快,适用于实时性要求较高的场合。

基于混沌序列和浮点小波变换的盲水印

利用同一密钥的混沌序列对经过置乱的水印信息实现双重加密,考虑小波变换的能量分布问题,把水印信息嵌入低频系数中,确保水印信息的可靠性。提取时利用图像复原方法实现盲检测。根据实验的结果和峰值信噪比(PSNR)的结果可知,该数字水印具有较好的鲁棒性和安全性并有很好的不可见性。