基于Mallat小波分解与改进GWO-SVM的道岔故障诊断

为顺应道岔故障诊断向智能化和自动化的发展趋势,以S700K转辙机功率曲线为例,提出一种改进型灰狼优化算法(GWO)与支持向量机(SVM)相结合的故障诊断方法。在8种故障模式和正常模式所对应的功率曲线实施5层Mallat小波分解,得到各层近似系数和细节系数,并计算各层系数的平方和;利用主成分分析法对系数平方和组成的向量集进行降维,得到特征向量集;改进型灰狼优化算法优化支持向量机参数,并用优化好的支持向量机进行故障预测。研究结果表明:该方法能有效提高道岔故障诊断的准确率。

基于Mallat塔式算法小波变换的多故障诊断方法

提出一种用 Mallat金字塔算法的小波多分辨率分析技术对系统进行多故障诊断的方法 .首先利用小波变换的多分辨率分析的特点 ,对系统的状态信号进行多尺度分解 ;然后根据其在不同尺度下的高频分量的小波系数模极大值和不同尺度的模极大值所在小波系数序列的对应关系进行多故障诊断 ,同时对故障的信息提取给出了相应的方法 .

Mallat 塔式算法在一维信号处理中的应用研究

探讨了 Ｍａｌｌａｔ 塔式算法处理一维信号的问题，给出了按二次采样间隔构造尺度函数与小波函数以及计算相应连续逼近及细节的公式。

基于插值小波塔式分解算法的图像边缘检测

在应用经典小波检测图像边缘时,通常利用离散积分替代连续积分获取小波系数。由于离散积分仅仅是连续积分的近似表达,因此这种方法在获取图像边缘时很难避免数值计算误差,这使得在检测图像细节部分时容易出现定位不准和边缘不清晰等问题。为了避免上述问题,利用插值小波采样理论中像素值即为插值小波系数的特殊性质,将插值共轭滤波器与Mallat塔式分解算法相结合,给出一种新的图像边缘检测算法。将该算法与经典小波算法进行对比实验,结果表明,该方法能够检测出经典小波算法无法检测到的边缘细节,且最终得到的图像边缘清晰完整,从而验证了该算法的有效性。

基于塔式分解格式的多尺度平移伪框架的特征

引进多尺度平移伪框架的概念.借助于算子理论与滤波器理论,刻画多尺度平移伪框架的特征.建立广义多分辩结构的塔式分解格式,给出塔式分解格式存在的充要条件,得到平方可积函数空间的函数仿射框架展式.

基于可调控塔式分解系数统计建模的煤岩识别方法

针对传统煤岩识别方法易受采煤工艺、煤层赋存条件等因素限制而普适性不强的问题,提出了一种基于可调控塔式分解系数统计建模的煤岩识别方法。首先,对煤岩图像进行多尺度可调控塔式分解;然后,把非对称广义高斯分布作为一个统计模型去拟合每一个可调控方向子带的系数分布,采用最大似然估计法获得非对称广义高斯分布的各参数;最后,以对称的相对熵为距离测度完成煤岩图像的自动辨别。实验结果表明,与现有的其他方法相比,该方法的识别准确率最高,为86.90%。

基于模板匹配与塔式分解的蛋白质结构域分类

首先构造结构域的距离矩阵灰度图像;其次建立典型二级结构的距离函数,并分析所呈现的灰度模式;然后基于模板匹配和塔式分解,提出了结构域特征;最后在结构类和折叠子两个层次实施结构域分类。本方法在第一种验证策略的分类精度分别为90.7%和74.6%,使用第二种验证策略的为93.8%和78.7%。相比其他方法,具有更高分类精度和更低的特征维数,说明本方法更有效。

塔式Gabor分解的图像水印算法

基于二维Gaobr基函数波形类似人视觉皮层简单细胞的感受面波形的特点,文章从视觉系统多通道模型的角度出发,结合视觉通道中心频率对数频程关系的特性,提出了一种基于塔式非均匀采样的Gabor变换图像水印算法,并且对Cox提出的算法在DGT、DCT和DWT三种不同变换域的实验结果进行了比较,实验表明Gabor变换域的水印具有更好的鲁棒性和不可感知性。

基于Laplacian塔式分解的自适应图像模糊增强

为解决部分数字图像对比度偏低、细节模糊等问题,提出了一种非线性拉伸与模糊增强相结合的自适应图像增强算法。使用Laplacian塔式分解对图像进行分解,高频子带系数采用贝叶斯萎缩阈值和非线性增益函数进行处理,以增强后高频子带系数信息熵为目标,自适应选取控制增益曲线形状参数和控制增益强度参数;低频子带系数采用模糊增强算法进行处理,对隶属度函数和模糊增强算子进行改进,并提出了一种模糊增强算子中阈值参数的自适应选取算法。实验结果表明,该算法能有效提高图像对比度和清晰度,突显图像细节信息,且实现了增强参数的自适应选择,更有利于图像的检测与识别。

Mallat小波分解在空气污染指数分析中的应用

小波分析法是一种窗口面积固定但形状、时间窗和频率窗都可以改变的时频域局域化方法,具有对信号的自适应能力。本文以可吸入颗粒物污染指数为例,利用Mallat分解在不同时频域的多分辩分析能力将其分解到不同的频域中进行分析,通过实际应用证明其效果良好。然后将Mallat小波分解方法应用于上海市城区全年可吸入颗粒物、SO2、NO2等污染物分析研究当中,结果表明秋冬两季煤、油等燃料的不完全燃烧对颗粒物浓度增加影响最大,而汽车尾气对后两者浓度的增加影响较大。

基于Mallat分解与Contourlet方向滤波的图像压缩

小波变换以其多分辨率分析和时频局域特性在信号处理中得到了广泛的应用。二维 Mallat 小波分解只能将图像分解为平滑、水平细节、垂直细节、对角线细节等四个部分。大多数图像特别是自然图像存在丰富的方向信息,然而 Mallat 分解只能对水平、垂直、对角线三个方向分析图像细节,所以在分解方向上存在不足。Contourlet 变换除了具有和小波一样的多尺度、时频局部性,还具有方向性和各向异性。但是这种方法变换后数据量大于原始数据,存在冗余。将 Mallat 分解和 Contourlet 中的方向滤波相结合,提出了一种新的图像压缩方法,保持了二维 Mallat 分解的无冗余性,并且充分利用了 Contourlet 的方向性.仿真实验表明这种方法优于单独采用 Mallat 分解和 Contourlet 变换.

基于塔式分解格式的仿射伪框架

引进了仿射伪框架的概念,建立了广义多分辨结构的塔式分解格式,给出了塔式分解格式成立的充要条件.由塔式分解格式导出空间L2(R)的函数仿射框架展式.

基于小波分解和灰度共生矩阵的纹理图像检索

采用Daubechies4小波对图像进行三层Mallat塔式分解,取每个分解层次上的每个子带图像的能量,加入在低频子带上提取的灰度共生矩阵统计量,来形成最终的特征向量以提高检索精度。

基于小波分解的建筑物变形监测数据处理

基于小波分析理论,利用小波去噪技术,对一组建筑物变形监测数据进行了去噪处理。实际计算结果表明,小波去噪合理有效,能够敏感识别观测噪声和有用信息,不需要待检测信号的先验知识,特别适合于建筑物变形监测的数据处理。

一种离散小波变换的快速分解和重构算法

通过对实序列的快速傅里叶变换算法的推导及Mallat算法原理的分析 ,根据离散小波变换 (DWT)算法结构特征 ,提出了一种离散小波变换的快速分解和重构算法 ;给出了相应的算法步骤 .从数学理论上对该算法进行了论证 ,结果表明与原有的快速小波算法 (Mallat算法 )相比 ,可显著减少信号与滤波器长度N较大 (大于 1 6)时小波变换的实乘次数 (分解仅为 ( 5log2 N + 7)N次 ,重构仅为 4N( 1 +log2 N)次 ) ,提高了运算速度 .且该算法有着良好的并行性 ,易于数字信号处理器 (DSP)

小波变换中经验模态分解的基波检测及其在机械系统中的应用

针对Mallat算法中存在的频率混叠现象,提出一种应用小波变换和经验模态分解(Empirieal mode decomposition,EMD)检测基波的新方法。应用离散二进小波变换将谐波信号分解成不同频带的子带信号,并确定了最佳分解级数。对包含基频成分的子带信号进行单子带重构,再利用经验模态分解就能提取出基波,最后在时域上采用最小二乘法估计基频和幅值。多种方法的仿真比较和工程应用的效果表明,所提方法能有效地提取出基波,频率和幅值的测量具有很高的精度。

基于多尺度分解的超光谱图像异常检测

提出了一种基于多尺度分解的超光谱图像异常检测算法。在目标和背景均未知的前提下,利用光谱和空间两种信息完成对异常目标信号的定位,从而实现超光谱遥感数据中异常目标检测。首先利用非下采样塔式变换对超光谱图像进行分解,将其划分为不同尺度子块;然后依据超光谱图像同一波段不同尺度空间内相邻系数的相关性,采用不同波段各个尺度空间的反锐化掩模方法优化背景数据分布,从而抑制异常数据对背景的干扰;最后利用设计的核RX算子得到异常目标检测结果。为验证方法的有效性,利用真实和模拟的AVIRIS数据进行了实验,并与经典RX算法相比较,实验结果表明,基于非下采样塔式分解的异常检测方法具有更好的检测性能和较低的虚警。

小波分解在图像放大缩小中的应用

首先介绍了几种常用的图像放大与缩小的内插算法，然后介绍了小波分析的性质，小波的 Ｍａｌｌａｔ算法在一维的分解和重构公式，并且在此基础上提出了利用小波分解进行图像的放大与缩小的方法，最后简单比较了内插算法与小波方法，指出了利用小波分解的优点。

基于改进Mallat算法及包络线的气阀故障诊断

气阀故障微弱信号特征不明显,常规方法难以通过计算结果来判断气阀状态,且传统Mallat算法存在频率混叠及边界震荡现象,难以提取出气阀故障特征。为此,提出一种结合改进Mallat分解算法及包络线的故障特征提取方法。改进传统的边界处理方式,对信号右边界进行数据延拓,用二阶Volterra模型对延拓信号进行预测,用递推最小二乘法求取预测系数,用非抽样算法对信号进行小波包分解。对分解得到的各频带信号进行奇异值降噪处理,通过奇异熵增量曲线选择降噪阶次,画出信号的上、下包络线,用于提取气阀故障特征。对仿真信号及工程信号的处理表明,用改进的Mallat算法对信号进行分解,消除了边界震荡及频率混叠现象,成功提取了阀片破损的微弱故障特征,取得了良好的效果。

基于原子库树状结构划分的诱导式信号稀疏分解

针对以往提出的稀疏分解算法仅从原子库构造方面或分解方式角度对算法进行各种改进且计算复杂度高的问题,提出了一种诱导性塔式分解算法。该算法首先将原子库逐层划分,得到一个树状层次结构的原子库,然后在迭代过程中利用划分所得树状结构有目的、有导向性地指引信号分解方向,从而一劳永逸地加快了信号分解速度,极大地降低了算法的计算复杂度。实验结果表明,与经典的匹配追踪(matching pursuit,MP)算法相比,本文算法在同等稀疏度且逼近误差接近的情况下,计算量大约降低为MP算法的1/40,计算时间降低为MP算法的1/100左右。仿真实验证明了该算法的有效性。