基于Gabor小波变换压缩和偏最小二乘判别分析的土牛膝药材HPLC图谱鉴别

目的通过HPLC指纹图谱研究,快速有效评价土牛膝质量。方法以怀牛膝和川牛膝做为对照,采用高效液相色谱法,对不同产地、不同批号的8批土牛膝进行齐墩果酸和蜕皮甾酮的含量测定,同时对图谱进行Gabor小波变换压缩与偏最小二乘法判别分析。结果 HPLC-DAD法能有效检验土牛膝中的齐墩果酸和蜕皮甾酮含量,该方法重现性、精密度、稳定性试验RSD均小于5%,分类结果显示:8批河南产怀牛膝,8批四川产川牛膝药材的化学组成一致性好,但野生土牛膝化学组成较复杂、差异性大。结论该方法可以在一定意义上判断药材的类别,为有效控制野生药材质量提供参考。

基于小波变换的离心压缩机回流管线异常振动监测方法

为了避免回流管线振动信号的时频分辨率丢失,利用小波变换对离心压缩机回流管线振动信号进行预处理,并在其中引入了频率切片函数和尺度因子,利用其使原始的振动信号在时域和频域上以联合分布的形式存在,且信号切片函数随着原始信号的振动频率适应性调整.在异常振动监测阶段,充分考虑了旋涡进入回流管线时产生的激励作用,结合小波变换处理后的信号,实现对回流管线异常振动的监测.在测试结果中,离心压缩机回流管线的振动工频以及水平、垂直方向上的振动峰值监测结果均表现出了较高的准确性.

同步压缩小波变换在电力系统次同步振荡参数提取中的应用

大多数经典的次同步振荡(SSO)模式提取方法都有一些缺点,如模式识别率低,抗噪声性能差。因此,本文提出了一种新的时频分析方法,即同步压缩小波变换(SWT)。SWT结合了经验模态分解(EMD)和小波的优点,具有EMD的适应性,提高了EMD和小波的抗模态混合能力。因此,可以获得更好的抗噪声性能和更高的模式识别。首先,对SSO信号进行SWT变换,得到其时频谱。其次,通过自动识别算法分析每个固有模式类型(IMT)分量在其时频谱中的衰减特性,并确定哪个IMT分量需要重建。然后,重构具有发散特性的选定IMT分量。再次,利用希尔伯特变换(HT)实现了模态参数识别的高精度检测。仿真和应用实例证明了该方法的有效性。

基于压缩感知理论的远震P波数据重建研究

本文将基于压缩感知理论的地震观测数据重建方法用于天然远震事件的P波到时处理之中,基于曲波(curvelet)变换,建立基于L_(1)范数的正则化反演模型,并采用迭代收缩阈值算法(ISTA)求解该模型。针对在内蒙古布设的流动地震台阵记录到的远震波形数据,对其进行稀疏采样,采用稀疏反演重建方法对欠采样数据进行重建,并拾取重建数据的P波到时,之后开展远震P波层析成像进行验证。研究结果表明,远震天然地震观测数据在曲波变换中表现出稀疏性,可利用压缩感知方法实现远震P波数据的完备化处理。基于内蒙古流动地震台阵数据三维P波成像也表明,基于压缩感知的数据重建技术可以提高地震层析成像的分辨率,且压缩感知采集技术在天然地震研究中具有潜在的应用价值。

基于可调因子Gabor小波变换的地震高分辨处理方法

时频分析是利用地震资料识别薄层的重要方法之一,常规的时频分析方法受到固定时窗、窗函数等因素影响。为此,采用一种基于可调因子Gabor小波(Tunable Factor Gabor Wavelet,TFGW)的连续小波变换(Continuous Wavelet Transform,CWT)(简称TFGW-CWT)的时频分析方法对地震资料进行处理。该方法采用具有可调因子的Gabor小波进行变换,然后使用最小绝对值投影方法组合每个可调因子的连续小波系数,降低邻近频率的交叉干扰,提高局部时频分辨率。进一步采用非负矩阵分解(Non-negative Matrix Factorization,NMF)对时频数据体降维,得到一个低秩的特征数据结构关系体,减少了高维空间的数据冗余,凸显了高频信息,达到提高地震资料分辨率的目的。模拟记录和实际资料处理结果证实了该方法的有效性,可为薄层检测提供一种新的技术手段。

基于同步压缩小波变换的检测锚杆参数方法

时频的聚集性是评判信号分析方法效果的主要因素,传统的分析方法已经不能满足时频聚集性要求,因而提出一种高分辨率的分析方法-同步压缩小波变换(Synchrosqueezing Wavelet Transform, SWT)。该方法在频率方向上把小波系数重新挤压和排列,不仅提升时频的分辨率,而且还能实现信号重构。将此方法应用于分析锚杆质量检测数据,与传统的EEMD方法对比表明,SWT能够较为准确地描述信号的频率构成且重构的信号有较好的降噪效果。

基于同步压缩小波变换和ResNet的变压器放电故障诊断方法

为实现电力变压器运行状态的智能监测和有效辨识,文中提出一种基于同步压缩小波变换图谱与残差神经网络(ResNet)的变压器放电故障诊断方法。利用同步压缩小波变换技术将采集得到的原始声纹进行相应的时频变换,进而得到不同状态下的时频图谱数据集;然后利用残差神经网络实现电力变压器不同状态的辨识;最后,搭建包含三种电力变压器设备典型放电故障的试验对系统进行模拟测试。试验结果表明:所提方法不仅能够有效表征变压器不同的工作状态,而且辨识精度有显著提升,相比于常规方法提升约10%。

同步压缩小波变换分频谱蓝化在薄层识别中的应用

传统谱蓝化拓频技术由于谱蓝化算子的单一性,蓝化拓频后频谱分布异常,从而导致地震资料高频段存在不合理的现象;同时,蓝化拓频后频谱低频段容易出现震荡,导致拓频效果不佳。为此,提出基于同步压缩小波变换的分频谱蓝化拓频技术。该技术首先利用同步压缩小波变换对频率的分辨率优势,将地震数据精确地分成多个分频数据体;然后,在分频段计算谱蓝化算子过程中,考虑不同频段振幅谱特征,提出一种基于不同频带能量差异加权的改进谱蓝化算子;再依据不同分频段振幅谱占比确定其对应的改进谱蓝化算子权重;最后,将改进谱蓝化算子与地震反射系数褶积,得到优化后的拓频数据。模型试算及实际地震资料测试结果表明:相较于传统谱蓝化技术,联合同步压缩小波变换分频及谱蓝化算子优化进行地震拓频,较大程度提高了地震资料的高频信息,拓频后地震数据分辨率更高,在保证薄层精细刻画下,其低频段信息也得到有效保留,视觉假分辨率得到一定程度的压制。

基于小波变换的压缩感知算法在交通监控中的应用研究

针对交通监控各个节点数据采集压缩环节存在数据量大、采样压缩存储负荷大等问题,提出了基于小波变换的压缩感知算法在远低于奈奎斯特采样率的情况下能够大幅降低采样压缩图像数据量,并采用了多种其他小波变换改进算法进行对比实验,对比重构图像的PSNR值和各还原图像数据,验证了此改进型算法能够降低并缓解监控数据采集压缩等环节负荷大的问题。

基于Gabor小波变换和神经网络算法的人脸智能自动识别方法

常规人脸智能识别方法使用Fused-MBConv结构生成智能识别参数,易受输入图像的浅层特征影响,导致人脸识别准确率较低,为此提出基于Gabor小波变换和神经网络算法的人脸智能识别方法。为验证该方法的识别效果,将其与其他人脸智能自动识别方法进行对比。实验结果表明,该方法的识别率较高,具有一定的应用价值。

基于小波变换和压缩感知的船舶通信系统微弱信号自动增强方法

在对微弱信号进行增强处理时,受原始信号中噪声干扰,导致增强后信号的误码率偏高。因此,提出基于小波变换和压缩感知的船舶通信系统微弱信号自动增强方法。以信号的不同频率成分为基础,构造一组特定的正交函数表示目标通信信号,再利用连续小波变换的方式对原始通信信号进行降噪处理。在微弱信号增强处理阶段,引入压缩感知技术,采用高斯随机的方式量化将压缩感知过程,以满足约束性等距条件为约束,实现对信号的增强处理。在测试结果中,设计增强方法的测试结果中,处理后信号的误码率始终稳定在0.36以内。

基于分数阶Gabor变换的LFM回波信号压缩采样方法

针对现有的压缩采样系统在线性调频(linear frequency modulated,LFM)回波信号压缩采样重构过程中存在的重构效果不佳的问题,提出一种基于分数阶Gabor变换的回波信号压缩采样方法。首先,利用不同目标回波信号在时延上的差异性,给出基于分数阶Gabor变换的LFM回波信号稀疏表示方法,并分析了分数阶Gabor变换的完备性条件。然后,根据分数阶Gabor变换低通滤波的实现方式,设计了LFM回波信号压缩采样系统,建立了信号重构模型。最后,通过仿真实验与应用实例分析,验证了所提压缩采样系统的有效性。实验结果表明,与现有压缩采样系统相比,所提压缩采样系统的重构误差更低、重构效果更好。

基于单层小波变换的压缩感知图像处理

根据图像小波变换系数层的特点,提出了基于单层小波变换的压缩感知算法,保留图像低频系数,只对高频系数进行测量。重构时,利用正交匹配追踪算法(OMP)对高频系数进行恢复,再进行小波反变换重构图像。仿真结果表明,与原有压缩感知算法相比,重构图像质量得到极大提升,在相同的测量点数下,PSNR平均提高2～4dB。

基于HOG特征与二维Gabor小波变换的高铁接触网支撑装置耳片断裂故障检测

针对高速铁路接触网支撑结构中旋转双耳耳片断裂故障难以检测的问题,提出一种HOG(histogram of oriented gradients,梯度方向直方图)特征与二维Gabor小波相结合的图像检测方法。为实现旋转双耳在待检测图像中的定位,利用其正负样本的HOG特征对线性SVM分类器进行训练,对检测窗口内是否包含旋转双耳进行判别。为实现耳片断裂故障的可靠诊断,利用二维Gabor小波变换能量值对图像中的边缘信息进行筛选,进而对耳片断裂故障引起的故障裂痕进行识别。实验结果表明,本文提出的方法能在复杂的接触网支撑与悬挂装置图像中准确识别发生耳片断裂故障的旋转双耳部件,检测结果不受拍摄距离、拍摄角度以及曝光度等因素的影响,具有较高的使用价值。

基于小波变换的有损图像压缩算法研究

文章从实际应用角度出发，全面系统地阐述了小波变换基本理论，提出了一种基于小波变换的有损图像压缩算法。该算法首先利用小波变换对图像进行分解，然后根据各子图像特点对小波系数进行相应的向量量化编码，从而实现图像压缩目的。实验结果表明：该图像压缩算法的使用，可以在图像质量几乎不下降的条件下，极大地提高压缩比，改善恢复图像质量。

基于小波变换的旋转机械振动信号数据压缩方法的研究

在分析了旋转机械振动信号的特点和小波变换在信号奇异性检测上的特性后 ,提出了利用小波系数表征信号的奇异性特征 ,及用信号的频谱来表征信号的整体特征。而用这二类数据表征信号时的数据量远远小于振动时域信号的数据量。因此本文提出了利用这二类信号对振动信号进行数据压缩的方法。通过仿真计算和对实际数据的计算证明 ,该方法既可以得到较高的信号压缩比又保留了信号的局部特征 ,有着很好的信号重构性。

基于Gabor小波变换的人脸表情识别技术研究

为了使人机交互得到更好的研究,提出了一种基于Gabor小波变换的人脸表情识别的新方法;首先对图像进行预处理以提高后续处理的准确度,预处理包括确定纯的人脸表情区域,尺寸和灰度归一化,然后对表情子区域进行Gabor小波变换,提取表情特征矢量,进而构建表情弹性图,最后用模板匹配的方法来识别图像的人脸表情;经过实验,发现Gabor小波变换提取特征时受光照影响比较小,该系统不仅具有很好的鲁棒性,并且速度快,识别率高。

基于纹理的自适应提升小波变换图像压缩

经典二维小波变换仅在图像的水平和竖直方向应用小波滤波,不能提供灵活的方向信息,对纹理信息丰富的自然图像稀疏化效果不理想,在基于小波变换的图像压缩中还需改进.为了实现更有效的图像的稀疏表示,文中提出一种新型的基于图像纹理的自适应提升小波变换:根据局部特征将图像自适应分块,预先判断局部图像纹理方向,保持正交性质不变;沿纹理方向应用小波滤波,结合提升变换格式实现即位运算;沿纹理方向插值获取分数像素值,保护纹理信息不被破坏,总体变换对图像纹理描述更有效;结合JPEG2000中的编码方法EBCOT,对变换系数和方向信息分别编码,应用于图像压缩.仿真实验是在数值结果和视觉效果上将文中方法和JPEG2000方法作比较,以体现文中方法的优越性.

提升小波变换与分形相结合的图像压缩

提出了一种提升小波变换与分形相结合的图像压缩方案.充分利用小波变换后系数能量的分布特性,对提升小波变换后的低频部分采用改进的分形图像压缩编码,其余部分采用集合分裂嵌入块(SPECK)编码算法.试验结果表明,该方法在提高了压缩效率的同时,获得了较高的恢复图像质量.

压缩小波变换地震谱分解方法应用研究

小波变换作为一种具有多分辨率特征的时频分析方法得到了广泛应用,但受不确定性原理影响,其时频分辨率有限。压缩小波变换(synchrosqueezing wavelet transform,SWT)通过对小波变换的复系数谱在尺度方向进行压缩重排,提高了小波变换的分辨率,同时保持了其完整的数学可逆性。合成信号和实际单道记录测试结果表明,压缩小波变换能够更准确地刻画信号的时频特征;实际地震资料时频分析应用试验中,基于压缩小波变换谱分解方法的目标储层油气检测结果与钻井结果吻合,对储层位置的刻画更加准确,低频异常的现象更加明显,能显著降低储层流体检测的多解性。