基于同态滤波和2D-DOST的电能质量扰动识别

针对电能质量扰动识别准确率低的问题,提出基于同态滤波优化二维离散正交S变换振幅图像的电能质量扰动识别方法。首先把一维的扰动信号映射为等行列的二维信号,将二维离散正交S变换方法应用到二维扰动信号中,通过时频变换出振幅矩阵,进行振幅矩阵的同态滤波优化处理,随后对特征块分别提取相关特征,最终使用支持向量机进行分类。实验结果表明,优化的同态滤波+二维离散正交S变换方法相较原二维离散正交S变换方法对电能质量扰动识别准确率有显著提升,同时识别效率和抗噪性更强。

离散正交S变换在电能质量扰动检测中的应用

为了准确检测电能质量扰动信号的起止时刻,提出了基于离散正交S变换的扰动信号检测方法。在传统S变换的基础上,结合快速傅立叶变换对信号进行离散化处理,而后引入频带中心、频带宽度和时间变量对算法进行改进。构造基函数向量得到离散正交S变换系数矩阵,最终找到变换矩阵系数的突变点,从而检测出扰动信号的起止时刻。将该方法的分析结果与传统S变换的分析结果进行比较,结果表明离散正交S变换可准确有效地检测出扰动信号的起始和终止时刻。

基于扩展Infomax与DOST的多导联睡眠脑电伪迹去除方法研究

对多导联脑电信号(EEG)的预处理对于睡眠疾病的检测、预防和治疗有着重要的意义,传统的S变换法在处理多导联EEG信号时在伪迹自动识别、计算复杂度和阈值选取这三方面存有不足,影响了该方法的应用效果。为了提高该方法的应用效果,采用一种扩展Infomax与离散正交S变换结合的伪迹去除方法(DOSTIN),根据分形维数法实现伪迹识别,利用最大类间方差法使阈值的选取避免了过度去噪造成的有用信号损失。采用麻省理工的公开数据集验证去噪后的效果,结果表明DOSTIN法在保证去噪效果的同时,比ICA与S变换相结合方法的计算复杂度降低了30%,证明该方法在多导联信号去噪方面具备可行性。

利用压缩感知技术的离散正交S变换地震数据重建

压缩感知中不同稀疏变换的重建效果及计算效率存在差异,为此文中提出一种基于压缩感知技术的离散正交S变换(DOST)地震数据重建方法。通过求取一组正交基函数与时间序列的内积,得到时频矩阵,使原始信号呈现更强稀疏性,以改善压缩感知地震数据重建效果。该方法弥补了S变换不能作为压缩感知的稀疏变换的局限性,向压缩感知理论体系引入了一种适用的稀疏变换方法。理论模型和实际数据试算结果表明,该方法迭代快速且收敛稳定,整体重建效果令人满意。

基于快速离散正交S变换的电能质量扰动检测方法

提出了一种快速实现离散正交S变换的方法;并将此方法应用于检测电能质量扰动信号的起止时刻。离散正交S变换(DOST)是一种冗余度小的变换,然而利用基函数方法计算DOST的算法复杂度相对较高。为了降低算法复杂度、提高计算效率,根据DOST系数矩阵的特点,先对其进行分块处理,再利用FFT的优势,得到快速离散正交S变换(FDOST);并给出其计算复杂度的证明。将得到的FDOST系数按时频规律排列成矩阵,通过对矩阵的分析,检测扰动信号起止时刻。通过对实验数据和真实故障录波数据的分析,验证了算法的有效性和实用性。

基于改进S变换的手掌静脉身份识别

针对目前基于手掌静脉的身份识别问题,分析了掌脉图像的纹理特性,提出一种利用改进的S变换能量特征的识别方法。首先对掌脉图像进行二维离散正交S变换(2D-DOST),将变换后的频域图像作为掌脉纹理特征的一种体现,即形成S变换能量曲面(STES);然后将不同掌脉能量曲面进行减法运算,得到能量差曲面,进一步计算曲面的标准差,并以此为依据对不同掌脉进行分类识别。在通用的接触式标准掌脉图库上测试的结果表明,本文方法正确识别率为99.892 5%,识别时间为0.017 3s;同时使用自主设计的采集仪在非接触环境下测试的结果表明,本文方法正确识别率可达99.480 6%,识别时间为0.020 2s。相比其他典型和流行算法,本文算法提高了手掌静脉识别系统的性能,具有可行性和有效性。