模拟电路故障诊断的新方法

本文提出了用多小波神经网络诊断模拟电路故障的新方法。根据多小波的多分辨率分析思想,构造了一种多小波神经网络,其激励函数为具有紧支撑集、对称性和正交性的多尺度函数和多小波函数。用多小波神经网络和单小波神经网络对实例电路进行故障诊断,仿真结果表明,与单小波神经网络相比,多小波神经网络不仅学习收敛速度快,而且能够更准确地对模拟电路进行故障诊断。

基于多小波阈值收缩与子带增强的图像去噪

为保证在图像去噪的同时,尽量保留图像的边缘特征,提出一种新的基于多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此,该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明:与单一的阈值收缩方法相比,该去噪方法不仅保留了图像的边缘特征,而且提高了去噪图像的峰值信噪比,优于普通的阈值收缩方法.

一种新的基于提升多小波变换的图像融合方法

多小波是一种新的小波,它在理论上所表现出来的优势以及它在应用领域所具有的潜力,使其受到高度重视。在短短的几年时间内,它在图像处理方面的应用已取得了一定的成效。提升方法不仅是现存小波变换的一种快速算法,而且是构造新的小波变换的一种工具。本文根据提升方法和多小波变换的特点,对多小波实现了提升变换,并把这种基于提升方法的多小波变换应用于图像融合,结果表明有更好的效果。

GHM类正交多小波变换及其在地震资料去噪中的应用

多小波是对小波理论的一个新发展,它可以同时满足正交性、对称性、短支撑等良好的特性要求。文中介绍了多小波基本理论、多小波变换具体过程及预处理方法,提出了基于GHM类多小波变换的地震资料软阈值去噪方法,通过对合成数据和实际资料进行处理分析,表明多小波变换在有效压制随机噪声的同时,能较好地保留原信号的特征信息,是一种行之有效的去噪方法。

一种基于多小波变换的数字图像水印算法

提出了一种基于离散多小波变换(DMT)的数字图像水印算法。首先对图像作GHM多小波两层和三层分解来嵌入水印信息,然后根据多小波的特征改进Dugad的阈值选取公式,最后采用一种新的图像质量标准来评价水印图像和原图像的相关性。实验证明在GHM多小波变换域中嵌入水印比在DWT域中嵌入水印具有更好的鲁棒性。

基于多小波展开的Volterra级数非线性系统建模方法

Volterra级数作为一种非线性系统模型,因其具有坚实的理论基础、简洁的表示形式和明确的物理意义,在许多领域引起了广泛的研究兴趣。Volterra级数实际应用的难点在于Volterra核的辨识,随着核阶次的增加待辨识参数的数量呈指数增长。为了减少待辨识参数,文章以分段二次多小波为基函数将Volterra一阶核和二阶核展开,将问题转化为少数展开系数的估计问题。通过典型的非线性振荡器进行验证,结果表明Volterra核的辨识结果非常接近于理论值,同时由Volterra级数能准确计算系统在不同输入下的响应。此外,针对常用的输入信号无法反映非线性系统中不同频率相互作用产生的非线性影响,文中设计了一种适合于二阶核辨识的输入,称为二维扫频,与常用扫频信号相比,试验结果表明这种输入明显能更好地激励系统的非线性特性。

BOR多小波域水印信息单层嵌入的分析与实现

为研究多小波域内数字水印算法的优越性和灵活性,对精确重构(BOR:Balanced Optimal-Reconstruc-tion)多小波分解系数进行了详细分析,提出了图像多小波变换的分层性(不同于分解的级数)观点。根据这一特点,待隐藏的信息可分层嵌入图像BOR多小波域。通过仿真实验对可读的自适应盲水印信息嵌入BOR域单层子图算法与小波域算法进行比较的结果表明,前者拥有优良的不可感知性和更强健的抗图像处理攻击能力。

基于CL多小波及SPIHT编码的电力系统故障录波数据压缩算法

针对电力系统故障录波数据的存储和传输问题,提出了基于CL多小波和多级树集合分裂SPIHT(Set Partitioned in Hierarchical Tree)编码的数据压缩方法。首先对故障录波数据进行CL多小波变换,然后对变换以后的系数进行一维SPIHT编码,对得到的排序位流再进行算数编码。实验结果表明该算法在压缩比为8.2907%时,均方误差为0.4544%,信噪比达46.8504,同时该算法可以根据需要自由控制压缩比,实现了可变码率,在应用中可得到满意的压缩效果。

多重小波系数重排SPIHT及其在图像编码中的应用

根据SPIHT算法的特点,提出了适合SPIHT算法实现的图像编码方案。首先对图像做预滤波和二维的二重小波分解;然后为了更好地利用小块之间数据的相关性,把三层的二重小波分解的子带结构重排成了类似标量小波分解的子带结构;接下来根据小波系数值的统计分析对小波系数进行量化处理。SPIHT编码的实验结果显示,这种编码方案能取得较好的编码效果。

利用多小波的改进多层阈值对超声图像降噪

医学超声图像存在特有的斑点噪声,大大降低了图像质量,必须进行降噪处理。多小波具有比单小波分解更加精确、去噪效果更好的特点。对超声图像进行分形插值多小波分解,根据多小波分解后的能量分布特性,提出了改进多层阈值与模糊聚类相结合方法,将小波系数模糊聚类分成噪声和信号两类,然后在不同尺度对信号小波系数进行不同阈值萎缩处理,实现降噪目的。结果表明该方法优于硬阈值和软阈值法,可有效地降低图像斑点噪声并保留图像细节。

基于多小波变换的混合水印应用研究

扩频和量化技术是数字水印中两种基本的技术,扩频水印有鲁棒性强的特点,而量化水印具有更大的容量,考虑到两者之间存在互补性,论文在图像多小波变换统计特征和视觉掩蔽模型基础上,提出了一种新颖的图像多小波变换域内基于扩频和量化的混合数字水印方案。实验结果表明所提出的算法既具有较高的嵌入容量,又具有较强的鲁棒性,特别是在高压缩比下具有较高的性能。

油水两相流温度波动信号的相含率提取算法与实验

利用多小波变换法研究了不同流量下的温度波动信号与含油率的关系，解决了油水两相流温度信号受外界噪声干扰，微弱的真实温度信号难以提取问题，建立了含油率与热电偶电压幅值波动及油水总流量的关系式。实验结果表明，含油率范围为10％～70％，油水总流量为1～2．5m3／h时含油率的平均测量误差为2．31％。

改进的混合级联遗传算法

将模拟退火算法和级联遗传算法相结合,提出了一种改进的混合级联遗传算法。模拟退火算法承认物种进化过程中的局部失败和倒退,它允许进化中的波折而不是非要物种进化一直是上升的、成功的,模拟退火算法能使搜索过程避免陷入局部最优解。级联遗传算法假设问题的最优解总是靠近于问题的局部最优解的,据此,级联遗传算法通过不断缩小解空间达到快速收敛的目的。综合运用这两种算法,可克服模拟退火算法收敛速度慢、级联遗传算法局部搜索能力差的缺点。利用本算法构造CL多小波前置滤波器的实验结果表明,本算法不仅计算速度快,而且稳定性也得到了显著提高。

基于参数斜矩阵的多进制多小波的构造与应用

斜矩阵是Walsh矩阵的一种变形,可以由Walsh矩阵变异得到。而Walsh矩阵又与小波关系密切。这样就可将斜矩阵和小波通过Walsh矩阵联系起来。论文利用这种思想提出一种基于带参数斜矩阵的多进制多小波的构造方法,这类多进制多小波的滤波器组矩阵由参数斜矩阵生成,构造方便,并能通过对参数的适当选择使滤波器系数更具灵活性。论文实验中利用这类多进制多小波进行图像阈值去噪,获得了良好的效果。

用二次分形插值构造一类正交多尺度分析

给出了利用二次分形插值函数构造一类连续、紧支撑和正交的多小波尺度函数的方法。不同于用仿射分形插值函数建立的正交小波,尺度函数具有可微性,可用来建立微分方程的数值方案。

Sa4多小波提升格式的Harris角点检测

针对Harris算法对噪声敏感且不具有尺度不变性的不足,将Sa4提升多小波多分辨技术运用到图像角点检测中。先利用Sa4多小波的提升格式构造图像金子塔,再在不同尺度下进行角点检测,实现多分辨率分析即小尺度下的精确定位和大尺度下的抗噪性强。最后为了综合利用各尺度下的角点信息,采用由细到粗和由粗到细相结合的角点筛选方案,克服了单一尺度下角点信息丢失,位置偏移,提取出伪角点等不足。实验结果表明,该算法定位更准确,抗噪性能更好。

基于正交多小波变换的快速分形图像编码

提出了一种快速分形图像编码算法。编码时,通过插值正交多小波变换将原始图像缩小,然后使用基本分形编码算法进行压缩;解码时,使用基本分形解码算法进行解码,然后使用插值正交多小波变换恢复图像。实验结果表明,与直接使用分形编码方法相比,该方法缩短了编码时间,并且在信噪比、压缩比等方面得到了改善。

四重正交对称多小波的设计

探讨一类重数为4的正交对称多小波的设计,对于任意长度为2N的对称-反对称正交多小波,运用所给的构造算法可得到长度为(2N+1)的对称-反对称正交多小波,反之亦然。

双正交多子波包理论

多子波与单子波相比,可同时拥有正交性、紧支撑、对称性和高的逼近阶等特性,成为子波研究的一个新热点.为了使多子波对信号分解具有更广泛的适应性,将双正交多子波基扩展到多子波包,建立了双正交多子波包的理论框架,并把有关单子波包的定义、概念和性质推广到双正交多子波包,给出相应的证明,这将为双正交多子波的全频带快速分解和实现奠定理论基础.

基于多小波和分维的图像融合算法

多小波理论是小波理论的扩展,在图像处理方面具有单小波所不具有的优点。它能为图像提供一种比小波多分辨分析更精确的分析方法。在图像的多小波分解的不同尺度上的子图像间有自相似性,而自相似性又是分形分维的基础。于是,根据图像多小波分解的特点,提出了一种新的基于图像多小波分解的分维融合算法,将不同源图像经多小波变换分别分解成不同尺度的子图像,对高频子图像在相应的尺度上以分形分维作为权系数进行融合,对低频子图像在相应的尺度上以区域能量作为权系数进行融合,并分别采用多聚焦图像、可见光和红外图像作为源图像进行融合实验,实验结果表明该方法是可行的。