A Wavelet Transform Method to Detect P and S-Phases in Three Component Seismic Data

The discrete time wavelet transform has been used to develop software that detects seismic P and S-phases. The detection algorithm is based on the enhanced amplitude and polarization information provided by the wavelet transform coefficients of the raw seismic data. The algorithm detects phases, determines arrival times and indicates the seismic event direction from three component seismic data that represents the ground displacement in three orthogonal directions. The essential concept is that strong features of the seismic signal are present in the wavelet coefficients across several scales of time and direction. The P-phase is detected by generating a function using polarization information while S-phase is detected by generating a function based on the transverse to radial amplitude ratio. These functions are shown to be very effective metrics in detecting P and S-phases and for determining their arrival times for low signal-to-noise arrivals. Results are compared with arrival times obtained by a human analyst as well as with a standard STA/LTA algorithm from local and regional earthquakes and found to be consistent.

基于改进切尾均值的矿井图像去噪算法

现有矿井图像去噪算法对于复杂噪声的去除效果有限,且处理速度不能满足实时监控需求。针对该问题,提出一种基于改进切尾均值的矿井图像去噪算法。首先,采用切尾均值滤波器对图像噪声进行初步滤除,同时引入二次检验机制处理残留的噪声点,通过引入离散系数提升算法对不同像素的区分能力,增强去噪性能;其次,采用基于极值数量的分类处理及再次检验机制,有效减少残留噪声问题;然后,在小波函数中引入新的控制变量优化软阈值函数和硬阈值函数,构建双阈值函数,结合Radon变换增强对线性特征的处理,增强对矿井图像的检测能力;最后,采用均方误差(MSE)与峰值信噪比(PSNR)进行图像质量评价。实验结果表明:相较于切尾均值算法、硬阈值算法、软阈值算法,基于改进切尾均值的矿井图像去噪算法处理的图像的MSE增长相对缓慢,MSE最小,图像去噪效果最好;引入离散系数后,去噪图像的MSE相较于引入前低300 dB左右,PSNR相较于引入前高20 dB左右,引入离散系数能有效减少噪声点对算法的影响;相较于卡尔曼遗传优化算法、变换域图像去噪算法、交叉分支卷积去噪网络,基于改进切尾均值的矿井图像去噪算法处理的图像MSE分别降低了27,21,13 dB,PSNR分别提升了8,6,3 dB,去噪耗时分别缩短了0.20,0.16,0.14 s。

基于深度学习的机载遥感通信系统自适应光学波前校正技术

自适应光学波前校正过程易受复杂背景、光照强度、噪声信号等问题的干扰,导致校正的效果降低。为了解决上述问题,提出基于深度学习的机载遥感通信系统自适应光学波前校正技术。通过相位差法实现自适应光学波前的探测,采用小波变换算法剔除其中的噪声,避免噪声对校正过程产生干扰。根据深度神经网络的预测与自学习能力构建动力学模型网络、策略网络与决策单元,通过与校正阈值的对比,完成机载遥感通信系统自适应光学波前的校正。实验结果表明,所提方法的斯特列尔比接近1,且校正时间短、校正效果好。

面向工业用户的混合DWT-DE-RNN电力负荷预测

电力负荷短期预测对于电力行业规划发展具有重要意义。随着电力市场的改革发展,电力负荷的短期预测对于工业制造型企业有效降低用能成本显得极为重要。然而,实际荷载序列数据体现出多重复杂特性,例如非线性、非平稳性和时间变化等因素影响。这里提出一种由离散小波变换(DWT)、差分进化算法(DE)和径向基函数神经网络(RBFNN)组成的三级混合集成短期负荷预测方法。DWT用于分解负荷数据以获得良好的用电特征;DE用于获得RBFNN预测所需的最佳可调参数。使用PJM公用数据集2001年负荷数据和辽宁省某地工业园区2015年整年数据对这里混合集成方法(DWT-DE-RBFNN)进行了评估。将DWT-DE-RBFNN方法与其他三种主流耦合方法(RBFNN、BPNN、SaDE-ELM)进行了比较。统计分析表明,这里所提方法在MAPE、MAD和RMSE的三种标准尺度上表现出更好的预测精度,体现了该方法的先进性。

无显式表达小波在不同尺度下的离散生成算法及幅频特性

为了获得无显式表达小波在不同尺度上的幅频特性,必须先解决它在时域各尺度上的离散生成。分析了原有的一个生成算法存在的问题,进而基于多分辨分析理论,提出了一种新的离散生成算法,利用小波低通滤波器系数通过迭代可得到不同尺度上的尺度和小波函数,由此研究了Daubechies2~10号小波在5个尺度上的幅频特性,得到的结果直观地显示了此类小波在不同尺度间存在较大频带重叠,其中D2~D4号小波的频带从第3个尺度开始还存在旁瓣,但在D9~D10号小波中旁瓣基本消失,频带重叠程度也相对减少。通过信号处理实例证实了这种幅频特性的准确性。

基于改进阈值函数的小波去噪算法研究

针对用小波变换进行信号去噪的阈值函数设定问题,在传统软、硬阈值函数去噪的基础上,提出一种改进的阈值函数方法,并与极大重叠离散小波包变换相结合,从而得到一种改进阈值函数的小波去噪方法。Matlab仿真结果表明:去噪方法提高了重构信号的信噪比,有效除去噪声,且保留原始信号的细节特征,是一种较好的信号消噪方法,在股票去噪中具有较高的实用价值。

基于离散小波变换的地震资料自适应高频噪声压制

针对现有的小波变换阈值去噪方法无法适用于地震资料高频噪声压制的缺点,笔者分别对阈值函数和阈值选取方案进行了改进,提出了连续硬阈值函数与自适应阈值相结合的地震资料高频噪声压制方法。连续硬阈值函数兼具软、硬阈值函数的优点,可提高重构地震信号的保真度,减少人为噪声误差;自适应阈值方案可根据非平稳地震数据中的能量时变、空变分布特点,通过引入不同子带小波系数标准差、代数平均值以及几何平均值等统计参数,使阈值能够随不同子带的小波系数能量变化而自动调整,以适应地震资料高频噪声压制的要求。实际地震数据处理结果表明,笔者提出的方法在提高信噪比的同时,可保护陡倾角反射界面信号,提高噪声压制后地震数据的保真度。

基于离散小波变换与小波包分解的语音增强算法

提出了一种基于离散小波变换(DW T)和小波包分解(W PD)的语音增强算法。该算法首先将带噪语音进行离散小波变换,并分别对离散逼近信号和离散细节信号采用不同的基小波进行小波包分解,再按照不同的规则选取阈值进行去噪,最后对去噪后的语音信号完成重构。计算机仿真表明,在计算量相当的情况下,该算法优于离散小波变换法去噪和小波包分解法去噪。

基于DWT域对数量化索引调制的数字水印算法

为了提高水印的透明性和鲁棒性,解决QIM均匀量化不适用于非均匀信号的问题。引入μ律技术,将小波分解与对数量化索引调制结合,提出基于DWT域的对数量化索引调制数字水印算法。算法对原始图像进行离散小波变换,对变换后的近似部分系数运用μ律函数,再用QIM方法嵌入二值水印。选择合适的嵌入位置,通过对量化步长和参数进行讨论得到其最优值。仿真实验结果表明,该算法与以前的量化算法相比提高了水印的透明性,并对高斯噪声、中值滤波、JPEG压缩等常见攻击具有更强的鲁棒性。

离散小波变换和互相关函数幅值向量在复合材料层合结构损伤检测中的应用

提出一种随机激励下的结构损伤检测方法。首先选取双正交小波函数对结构在随机激励下的时域响应进行一维离散小波变换(discrete wavelet transform,DWT),然后利用重构的包含最低频率信息的近似信号计算互相关函数幅值向量(cross correlation function amplitude vector,CorV)。利用结构损伤前后CorV差的二次差分作为损伤检测的指标。与直接利用振动响应原始信号计算CorV来检测损伤的方法相比,该方法能更准确地进行复合材料层合结构分层损伤定位。通过对带有不同位置分层损伤的复合材料层合板损伤检测的数值仿真,验证用文中方法检测复合材料层合结构分层损伤的有效性。

基于广义解调时频分析的多分量复杂信号分解方法

在广义解调时频分析方法的基础上,将该方法应用于多分量时频变化信号的分解,并对该方法进行了改进,给出了由改进的广义解调时频分析方法分解多分量复杂信号的具体步骤。重点分析了自动获取相位函数的方法,以及对分离出来的各单分量再次进行广义时频解调的问题,得到了比较理想的时频分布。仿真实验结果证明:此法不仅可以得到原始信号中各分量的时域波形,同时也可以得到各分量的时频分布,从而为多分量复杂时频变化信号的准确分离提供了有效途径。

改进Bubble函数的多分辨率边缘提取方法

在数学上,通常用Bubble函数来描述神经系统的侧抑制现象。Bubble函数在频域里相当于一带通滤波器,它可以反映不同的时域、频域特性,但它不具有调节带宽的功能。因此对Bubble函数进行改进,改进后的Bubble函数能够通过调节参数来获取不同时域、频域响应和滤波效果。最后,用改进的Bubble函数将小波和侧抑制有机地结合,构造出多分辨率侧抑制网络,该网络利用小波变换去除噪声、侧抑制网络突出边缘,从而可以准确、有效、快速地提取出图像边缘。

采用级联仿射不变函数的快速平面形状识别(英文)

现有的基于小波变换的形状识别算法具有很高的计算复杂度,难以满足许多实时应用的要求。文中提出了基于级联仿射不变函数的快速形状识别算法,用于识别仿射变换下的含噪目标。利用目标轮廓的小波变换可以得到一组仿射不变函数,并进一步构造出级联仿射不变函数。为了保证级联仿射不变函数的平移不变性,预先对轮廓的起始点进行了有效配准。从而通过级联仿射不变函数的内积,方便地度量出目标形状的相似度。与现有基于小波的识别算法相比,所提出的算法具有很低的计算复杂度,其所需CPU时间仅为其它算法的1/7。实验结果验证了该算法的有效性和起始点配准的准确性。

基于离散小波变换和ICA支持向量机的人脸识别

为了实现对具有不同光照、姿势和噪声的人脸进行识别并提高识别精度,设计了一种基于离散小波变换和最小二乘支持向量机的人脸识别方法。首先,采用二维离散小波变换对人脸图像进行压缩和降噪,以提取低频特征信息分量,然后采用快速独立成分分析法ICA对经过离散小波变换后的人脸低频分量进行特征提取,以进一步减少人脸特征向量维数。在获取图像特征向量的基础上,采用径向基函数作为核函数,将训练样本数据输入最小二乘支持向量机进行训练以获得最终的分类模型。在ORL数据库下采用MATLAB仿真工具进行仿真,实验结果表明,该方法能有效地实现对人脸识别,与其他方法相比具有较高的识别精度。

一种新的半易损数字水印算法

本文提出了一种新的半易损数字水印算法。文中首先介绍了该水印的设计方案、实现过程,最后本文利用试验论证了该方法的合理性。试验结果表明,该方法具有创新性、可行性。

基于RBF网络的人脸识别和表情分析方法研究

为解决人脸识别过程中出现的无法有效区分多姿态人脸的问题,进一步提高人脸表情识别率。本文在分析现有人脸表情识别方法的基础上,提出新的识别技术,即采用基于径向基函数(RBF)神经网络的方法,首先对图像皮肤和非皮肤像素进行分离,把人脸区域从检测到的皮肤区域中提取出来,然后以人脸表情数据库JAFFE为测试数据库,对人脸图像进行Gabor小波变换(GWT)和离散余弦变换(DCT),最后将该算法用于径向基函数神经网络的训练过程,建立相应优化模型,并将其应用到人脸表情的识别中,研究结果表明,具有收敛速度快、识别率高等优点,比文献中的方法提高了3%和8%的识别率。

重构小波阈值的微机电系统-惯性测量单元降噪处理

针对随机误差对微机电系统-惯性测量单元(micro electro mechanical systems-inertial measurement unit,MEMS-IMU)输出数据精度的影响,利用离散小波变换可降噪的特点,对MEMS-IMU数据进行降噪处理。在小波降噪过程中,阈值的估计以及阈值函数的选取直接关系到降噪的质量,构建一个新的阈值函数,通过调节阈值函数中的比例因子,解决传统多重小波分解重构在降噪方面的不足。实测数据的处理结果表明:在小波降噪过程中,新的阈值函数能够有效抑制MEMS-IMU中随机误差的影响,与传统小波降噪相比,新的阈值函数降噪后,信号具有更佳的平滑度,能够有效提高捷联惯性导航系统的定位定姿精度。

基于DWT与改进中值滤波的矿井视频监控图像去噪

井下光照不均、煤尘浓度大以及视频图像获取设备电路电压不稳定等各类因素的存在,导致矿井视频监控系统获取的图像存在大量噪声,影响了对矿井各类生产信息的准确判读。为此,将离散小波变换(Discrete wavelet transform,DWT)与改进中值滤波算法相结合,提出了一种矿井视频监控图像高效去噪算法。首先,对获取的矿井视频图像进行自适应噪声检测,根据检测结果,对图像采用改进中值滤波算法处理;然后对滤波后的图像进行3层离散小波变换,鉴于图像的噪声信息绝大部分集中分布于高频分解系数中,故对低频分解系数不作处理;最后对高频分解系数采用一种改进软阈值去噪函数模型进行去噪,将去噪后的高频分解系数与原始低频分解系数进行重构,得到去噪后清晰度较高的图像。采用实地获取的山西潞安某煤矿井下视频图像进行试验,并与小波软阈值去噪、中值滤波等算法进行去噪效果对比分析,此外,对各算法的试验结果分别采用信噪比(Signal noise ratio,SNR)以及算法运行时间进行评价,结果表明:新算法对于矿井视频监控图像的去噪效果优于其余2类算法,且算法运算时间也具有一定的优势。

双密度小波变换的自适应电能质量信号去噪

为改善电能质量信号的去噪效果,提出一种基于双密度小波变换的自适应电能质量信号去噪算法。双密度小波变换具有近似的平移不变性,能更准确地描述信号的真实特征。而双变量收缩函数充分考虑小波系数的层内层间关系,对小波系数采用结合局部方差估计的双变量收缩函数进行去噪处理,并用收缩后的小波系数重构信号。实验结果表明:该算法在有效滤除噪声的同时,能够更好地保留电能质量信号的特征信息,使去噪信号的视觉信息有较大改善。

基于DWT和RBF神经网络的水印算法研究

提出了一种在经过四级小波变换的原始图像中嵌入数字水印的算法。根据人类视觉特征来决定嵌入水印的强度,用秘钥来决定水印嵌入的位置,通过使用训练的RBF神经网络来嵌入和提取水印。实验结果表明:该算法简单有效,且对常见的图像处理具有较好的鲁棒性。