基于Mallat算法和快速傅里叶变换的电能质量分析方法

提出了一种基于Mallat算法和快速傅里叶变换的电能质量分析方法。将小波消噪应用于采样信号,根据信号的突变点检测结果,将采用Mallat分解算法得到的第一层和第二层高频系数作为区分稳态和非稳态扰动的判据,进而求出扰动的持续时间。根据多分辨分析的频带划分原理,采用Mallat重构算法提取出了暂态扰动波形,并编制了可准确判别电压骤降、骤升和断电等短期变化扰动的识别子程序。对于稳态扰动,提出可将快速傅里叶变换作为区分谐波和闪变的一种手段。Matlab的仿真结果验证了该方法的准确性和有效性。

一种对FAST角点算法加强鲁棒性改进的M-FAST算法

基于快速的FAST算法,提出一种M-FAST角点算法,即首先使用直方图均衡化方法对图像进行增强,提高图像成分的清晰度并消除图像中光照强度的影响,其次用Mallat小波算法对图像进行去噪处理,加强图像的抗噪性,最后再使用FAST进行角点检测。通过实验对比,证明比原FAST算法更具鲁棒性和抗噪性。

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)

卷积型小波变换实现及机械早期故障诊断应用

为消除Mallat算法存在的频率折叠等固有缺陷对机械故障诊断的不利影响,提出采用卷积型小波变换进行机械故障诊断。推导卷积型小波变换快速分解算法,给出基于滤波器组的递归分解实现方法;针对滚动轴承早期故障诊断与定量识别难题及共振解调法与冲击脉冲法的不足,提出将卷积型小波变换与共振解调法、冲击脉冲法相结合的新方法对滚动轴承早期故障进行诊断与定量识别,给出具体实现过程。仿真实验与实例分析表明:卷积型小波变换能消除Mallat算法固有缺陷对机械故障诊断的不利影响,较内积型小波变换更适合机械故障诊断。该方法可有效对滚动轴承早期故障诊断与定量识别,具有一定应用价值。

基于DSP和LabVIEW的电参数检测系统

为解决大量非线性负荷和冲击性电力设备投入引起的电能质量问题,设计了一套基于DSP和LabVIEW的电参数检测系统,提出了将FFT(Fast Fourier Transform)和WT(Wavelet Transform)相结合的稳暂态检测新算法。该算法先通过小波变换消噪,然后找到小波变换高频系数的极大值点,继而确定暂态信号的持续时间及扰动幅值。然后利用正常信号周期拓展覆盖暂态信号作用的时间区间,最后对整个时间段FFT分析,得到各次谐波幅值、相位、频率结果。试验结果表明,该检测方案的准确性和可行性符合要求。

小波变换的快速算法研究及其在图像处理中的应用

文章通过对实序列快速傅里叶变换的算法推导及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的快速变换算法,给出了相应的算法步骤。从数学理论上进行了论证,并把该算法应用到静态图像处理中,得到了很好的快速和重建效果,具有一定的实用价值。

基于FFT的快速小波变换算法研究

多分辨率小波分析和 Mallat算法在数字信息处理和信号分析中得到了广泛的应用 .但是按照 Mallat算法计算信号的分解和重建 ,其计算量是很大的 .文章通过对基于 FFT的快速卷积、Mallat算法原理及离散小波变换 (DWT)算法结构的分析 ,针对其算法结构特征 ,提出了一种基于FFT的离散小波变换快速算法 ,并从理论上进行了论证 ,具有一定的实用价值 .

一种基于离散傅里叶变换的小波变换的快速算法

小波理论中的多分辨率分析和Mallat算法近年来已在数字信号处理中得到了广泛的应用.但如果直接按照上述算法计算信号的小波分解和重构,其计算量将是很大的.通过对离散傅里叶变换及Mallat算法原理的分析,针对离散小波变换算法结构特征,对其结构进行了重组,在此基础上利用快速傅里叶变换,提出了一种快速离散小波变换算法,并从理论上进行了分析和论证;与直接算法相比,可有效降低运算量.

小波快速分解和重构的一般公式

小波分析有良好的时 -频局部化性能 ,现被广泛应用于数字信号和图像处理等领域 ,但其在处理有限长信号时的实时性不太理想 .在分析了基于 Daubechies紧支集正交小波基的快速算法在实际使用中的局限性的基础上 ,本文推导出一般情况下的小波分解和重构公式 .

快速小波变换与卷积型积分算子

主要讨论了建立在二维Mallat算法基础上的快速小波变换。对于卷积型积分算子 ,可将运算量由原来的O(N2 )减少至O(N)

小波分析实现图像去噪

该文描述了根据Mallat二维快速算法,使用小波函数对含有噪声的图像进行分解去噪;描述使用软阈值方法进行阈值去噪;根据小波分解的最底层低频系数和各层高频系数进行二维小波重构,从而得到去除噪声图像。

基于小波分析的保险收入预测

提出了一种基于小波分析组合预测模型：首先利用Mallat算法对保险收入时间序列进行多尺度分解，得到对应尺度下的概貌（低频）分量和细节（高频）分量，然后从分解中提取趋势项并建模，最后对周期项（含季节项）和随机项进行了建模探讨，指出由于部分小波分解项所含有的周期存在相关性，此时对每一项分开建模并不一定能提高预测精度，通过给出分解项合并原则，然后对部分分解项进行合并建模．最后将各建立模型的预测结果进行叠加即可得原保险收入变量的预测值．将该模型用于中国保险收入的预测中，并与传统预测模型ARIMA进行了对比分析，结果表明，建立的组合模型充分利用了现有信息，预测精度高．