电能质量监测网录波数据压缩方法

为满足电能质量监测网存储与传输海量录波数据的需要,提出了提升格式的2维离散小波变换、多级树集合分裂(set partitioning in hierarchical tree,SPIHT)编码、算术编码相结合的数据压缩方法。为了有效降低数据的冗余度,该方法将采集的1维电能质量数据按整数倍周期排列为2维矩阵;采用提升格式的2维离散小波变换对数据进行压缩,然后对小波系数进行SPIHT编码,实现了对压缩性能的控制;最后采用算术编码进一步提高了压缩比。对几类常见的电能质量扰动数据进行了压缩实验,证明该方法具有较好的压缩性能。在不同压缩码率下对ATP-EMTP仿真模型得到的扰动数据进行了压缩实验,验证了该方法能通过控制压缩码率实现对压缩性能的控制。

基于小波变换和SVM算法的微电网短期负荷预测研究

为了满足微电网的建设和发展对其负荷预测的精度和方法适应性提出的更高要求,本文在时域和频域上比较分析了微电网负荷曲线和传统负荷曲线,得出了微电网负荷波动性更强的结论,然后根据微电网负荷的特点,考虑微电网负荷受星期类型和气象因素的影响,提出对微电网负荷进行离散小波分解的基础上,建立支持向量机(SVM)模型对各层分量分别进行预测,最后运用分解关系得出预测结果。研究表明,与直接应用SVM模型预测相比,分解微电网负荷曲线后再进行SVM模型预测能够实现更高的预测精度,更适用于当前微电网短期负荷预测需要。

基于奇异值分解的图像融合水印算法

基于奇异值分解在图像处理中的特性,提出了一种鲁棒性较强的图像融合水印算法．再充分利用视觉感知的各种掩蔽特性进行保密信息的嵌入,使水印有很强的不可视性．并且本方案仅选择了中频小波域进行融合,从而提高了对于JPEG压缩,剪切等攻击的抵抗能力．

视频三维小波分解系数的统计分析

运动补偿的3D小波变换的模型已经成为视频处理系统的热点.视频序列经过时间分解和空间分解,生成不同的小波子带,小波子带分成时间和空间上相互不重叠的编码块独立编码.使用两种拟合优度方法,即KS和X^2,研究视频序列的亮度分量的编码块小波系数分布情况.实验结果表明.认为高通帧的编码块小波系数近似符合广义高斯分布是合理的.这样的认识对于率失真模型的建立和码率优化分配具有重要的作用,最终确保编码器具有更好的编码效率.

离散小波变换在医学图像中的应用

本文以三维医学体数据作为研究对象,充分利用离散小波变换,对其进行多分辨率分解,把三维医学体数据分解成三个不同方向上的子医学体数据。实验结果表明,三维医学体数据经过离散小波变换后被分割成八个子频带,其主要能量和特征集中在低频子带系数中,可以用来提取特征向量构造零水印。

Reconstructing rice phenology curves with frequency-based analysis and multi-temporal NDVI in double-cropping area in Jiangsu, China

Crop phenology retrieval in the double-crop- ping area of China is of great significance in crop yield estimation and water management under the influences of global change. In this study, rice phenology in Jiangsu Province, China was extracted from multi-temporal MODIS NDVI using frequency-based analysis. Pure MODIS pixels of rice were selected with the help of TM images. Discrete Fourier Transformation （DFT）, Discrete Wavelet Transformation （DWT）, and Empirical Mode Decomposition （EMD） were performed to decompose time series into components of different frequencies. Rice phenology in the double-cropping area is mainly located on the last 2 IMFs of EMD and the first 2-3 frequencies of DFT and DWT. Compared with DFT and DWT, EMD is limited to fewer frequencies. Multi-temporal MODIS NDVI data combined with frequency-based analysis can retrieve rice phenology dates with on average 79% valid estimates. The sorting result for effective estimations from different methods is DWT （85%） 〉 EMD （80%） 〉 DFT （74%）. Planting date （88%） is easier to estimate than harvesting date （70%）. Rice planting date is easily affected by the former cropping mode within the same year in a double-cropping region. This study sheds light on under- standing crop phenology dynamics in the frequency domain of multi-temporal MODIS data.

基于小波分析的云计算在线业务异常负载检测方法

随着越来越多的在线业务被迁移到基于云的平台上,如何检测云平台上在线业务的异常运行状态成为了一个重要的问题。现有方法通过分析在线业务的实时负载数据来判断业务是否存在异常,在应对由程序异常或突发用户访问引起的异常负载时存在准确率低、误报率高的问题。该文提出并实现了一种面向云计算在线业务的异常负载检测方法。该方法利用小波分析技术,将原始负载数据分解成频率不同的多条曲线,并利用统计分析技术,通过检测各个频率上的异常增长或降低来判断负载是否存在异常。实验结果表明:同现有方法相比,该方法更准确,同时可以大大降低误报率。