A NEW APPROACH FOR UNSUPERVISED RESTORING IMAGES BASED ON WAVELET-DOMAIN PROJECTION PURSUIT LEARNING NETWORK

The Wavelet-Domain Projection Pursuit Learning Network (WDPPLN) is proposedfor restoring degraded image. The new network combines the advantages of both projectionpursuit and wavelet shrinkage. Restoring image is very difficult when little is known about apriori knowledge for multisource degraded factors. WDPPLN successfully resolves this problemby separately processing wavelet coefficients and scale coefficients. Parameters in WDPPLN,which are used to simulate degraded factors, are estimated via WDPPLN training, using scalecoefficients. Also, WDPPLN uses soft-threshold of wavelet shrinkage technique to suppress noisein three high frequency subbands. The new method is compared with the traditional methodsand the Projection Pursuit Learning Network (PPLN) method. Experimental results demonstratethat it is an effective method for unsupervised restoring degraded image.

基于小波域威布尔分布模型的电机滚动轴承故障诊断分析

阐述小波域威布尔分布模型的原理,探讨基于小波域威布尔分布模型的电机滚动轴承故障诊断方法,包括数据采集和预处理、小波变换和威布尔分布模型的应用、故障特征提取和诊断准确性评估。

融合小波域信息的语义分割疫苗玻璃试管缺陷检测算法

针对疫苗玻璃试管缺陷检测中遇到的缺陷形态不规则以及缺陷类间相似度高的问题,提出了一种融合小波域信息的语义分割网络。该网络通过引入离散小波变换分支,实现了小波域信息与卷积主干网络特征图的有效融合,从而提高了对不规则缺陷的分割完整度。在主干网络设计中,加入了动态蛇形卷积,以提升对不规则缺陷分割的细腻度。同时,对主干网络结构进行优化,降低了对计算资源的依赖同时提升了分割精度。通过构建专用的疫苗玻璃试管缺陷分割数据集,与现有的几种卷积语义分割网络和视觉Transformer网络进行了一系列对比实验。实验结果显示,该方法在精度、完整度及细腻度方面均优于所对比的网络,证实了该方法在疫苗玻璃缺陷检测任务中的有效性。

基于PSO-SVM的Φ-OTDR系统模式识别研究

针对相位敏感光时域反射仪(phase sensitive optical time domain reflectometer,Φ-OTDR)系统中误报率高的问题,提出一种多域特征提取与粒子群算法优化支持向量机(particle swarm optimization-support vector machine,PSO-SVM)相结合的模式识别算法。首先,对原始信号进行差分处理后提取时域特征,并利用小波包分解方法,通过验证不同分解层数下的事件分类准确率,设定最优分解层数为6层,提取差分信号的能量特征。然后以SVM分类器为基础,利用PSO算法优化SVM分类器参数,提高光纤振动信号识别准确率。最后利用Φ-OTDR事件数据集进行验证,实验结果表明,该模式识别算法达到了95.6%的振动事件分类准确率。

机体表面振动信号影响因素关联性分析

为了研究机体表面振动信号各影响因素的影响规律,在不同转速、转矩、润滑油温度及配缸间隙下,对比分析振动信号的峰值、方差、标准差及均方根等4个时域参数以及小波包分解得到的各频段能量的变化趋势。结果表明:随着转速的升高,燃烧压力峰值出现波动,在活塞惯性力的主导作用下,振动信号时域特征参数及频段5以上频率成分的能量呈增加的趋势;燃烧压力峰值随着转矩的增加而增大,振动信号时域特征参数及各频段能量均呈增加的趋势;随着润滑油温度的升高,在润滑油阻尼及燃烧压力的双重作用下,振动信号时域特征参数幅值整体呈降低的趋势,频段12以上频率成分的能量呈增加的趋势;随着配缸间隙的增加,密封性降低导致燃烧压力峰值减小,但由于活塞二次运动加剧,导致振动信号时域特征参数及频段5以上频率成分的能量呈现增加的趋势。

直埋热水供热管道泄漏定位检测实验研究

选用傅里叶滤波法和小波阈值法进行了管道泄漏信号降噪和泄漏定位的对比研究。在DN300管路的实验直埋热水供热系统上进行了泄漏检测实验,采用小管径支管和调节阀模拟泄漏点、加速度传感器测量声波振动信号,依次选用2种滤波方法对直埋热水供热管道泄漏的声波振动信号进行数据降噪处理,讨论了泄漏信号降噪前后的信号频域特征和定位精度。在北京市某小区直埋供热管道进行了声波降噪泄漏检测工程验证,定位偏差不超过1.0 m。研究表明,傅里叶滤波法和小波阈值法对直埋热水供热管道泄漏定位的声波振动信号降噪处理效果显著,小波阈值法保持了全频段的信号特征,可获得更高的定位精度。

小波分频自注意力Transformer图像去雨网络

针对视觉Transformer对高频信息捕捉能力弱以及目前许多图像去雨方法易丢失细节的问题,提出小波分频自注意力Transformer图像去雨网络(WFDST-Net)。小波分频自注意力Transformer(WFDST)作为WFDST-Net的主要模块,其利用不可分提升小波变换获取特征图的低频分量和高频分量,分别在低频和高频中进行自注意力交互,使模块从低频中学习恢复全局结构的能力,在高频中强化捕捉雨纹等线条细节的能力,增强对不同频域特征的建模能力。WFDST-Net采用U形架构并通过不可分提升小波变换获取多尺度特征,可在捕获不同形状高频雨纹的同时保证信息的完整性。相比其他图像去雨相关的Transformer,WFDST-Net具有更低的参数量。此外,提出VOCRain250数据集用于联合图像去雨和语义分割任务,该数据集比目前广泛使用的BDD150更具优势。实验表明,所提方法增强了视觉Transformer对不同频域信息的捕获能力,并在合成和真实数据集以及VOCRain250中的表现优于目前先进的去雨方法,能有效去除复杂雨纹并保留更多细节特征。

基于改进小波变换的OTDR事件检测方法

针对信号中噪声影响的问题,提出了基于改进小波变换的光时域反射仪(OTDR)事件检测方法。首先通过对小波去噪算法进行改进,获得新的阈值选取方式和阈值判断函数,然后结合小波模极大值法和斜率法定位测量光纤发生事件位置和光纤始末端位置,计算事件衰减损耗的同时对事件进行分隔和误判消除。仿真和实验结果表明:所提方法的定位精准度较高,反射事件和非反射事件的计算位置偏差分别小于5 m和15 m;测量光纤的事件检测分析结果与光纤连接位置及光纤总长度相符。

平抑风电波动的混合储能容量配置策略

风电波动特性会削弱电力系统安全稳定性,阻碍风电上网与消纳。因此,平抑风电波动是实现风电价值的重要手段与途径,对市场化的电力运营具有重要的意义。首先,基于风电输出特性,提出一种基于小波去噪(wavelet domain denoising,WDD)联合模型预测控制(model predictive control,MPC)优化风电输出的短期平抑策略;其次,以综合价格为混合储能容量配置指标,风储联合运行为限制条件,实现风电功率波动平抑及混合储能的最优分配;最后,对混合储能进行荷电状态优化控制,延长储能使用生命周期。结果表明,采用小波去噪和MPC方法具有最低的综合评判指数,说明此策略有助于减少弃风,可实现更有效的储能分配。

融合小波频域和马尔可夫链的数字传媒图像特征提取研究

针对现有数字传媒图像特征提取算法存在的边界控制不清晰、特征易丢失等问题,提出一种融合小波频域和马尔可夫链的数字传媒图像特征提取研究。利用小波频域算法去除数字传媒图像噪声信息(通过对不同子频图像的差异处理,最大限度地去除噪声信息,保护特征信息),以无噪数字传媒图像为基础,利用马尔可夫链构建边界闭合曲线,完成图像分割目的,基于Tiansi算子提取数字传媒图像每个分割区域的特征,从而实现数字传媒图像特征的快速、精准提取。实验数据显示:在不同实验工况背景下,提出方法应用后获得的数字传媒图像噪声比例最小值为1.02%,数字传媒图像分割综合评估系数最大值为0.96。

低压直流配电网强弱电弧特征及检测算法

直流电弧没有过零点特性,难以自行熄灭,易引发电气火灾,威胁直流配用电安全。通过搭建电弧模拟发生实验平台,采集不同电压下电弧信号,研究电弧电阻、电压等特性,分析了不同电压下电弧特征的差异性。以GB/T 35727—2017中低压直流配网标称电压优选值为依据,研究220 V、750 V、1 500 V3种不同电压等级电弧检测特征,对比傅里叶、小波、奇异值分解等频域特性,最大值、最小值、平均值、标准差等时域特性,得到不同电压等级下电弧检测的优质判据,证明了不同时频域特征适用于不同的电压等级。结合神经网络模型,设计了适用于750 V系统的电弧检测算法,算法检测精度为99.12%。

基于时域多分辨分析方法的长波信号时延预测

长波地波传播时延是决定陆基导航定位系统精度的关键,时域有限差分(Finite Difference-Time Domain,FDTD)方法可以提高其精度。但是FDTD方法在计算长距离的模型问题时迭代次数随之增多导致数值计算误差变大。主要通过基于圆柱坐标系下采用具有紧支撑特性的二阶矩Daubechies小波函数为尺度函数的时域多分辨分析(Multiresolution Time Domain,MRTD)方法来提高数值计算精度。随后对MRTD方法进行色散分析,最后将该方法应用于低频地波的传播预测中,提取观测点的衰减因子相位,与使用FDTD数值算法得到的结果进行对比,结果表明:MRTD方法可以在保持精度的前提下用时比FDTD更短。

基于双域分解的数字图像细节信息增强处理方法

提出基于双域分解的数字图像细节信息增强处理方法。经实验证明:采用该方法对数字图像作增强处理后,失真率始终保持在1%以下,PSNR值最高可超过30 dB,说明该方法增强后的图像失真率低,峰值信噪比高,对数字图像原始细节保留较好,增强效果较好。

几种常用水声信号的特性研究

水声信号是水下导航定位通信的主要信息载体,对其特性进行研究尤为重要。水声常用信号主要有连续波信号、线性调频信号和双曲线调频信号,研究了这三种常用信号的时域、频域以及功率谱波形,对它们的模糊函数、模糊度、模糊函数ξ=0和τ=0截面进行了计算,研究了这三种信号的自相关函数及小波时频分析,研究结果表明实验结果与理论值符合较好。

用于地下金属浅层探测的便携式频域电磁探测系统降噪方法研究

浅地表电磁探测的接收信号是十分微弱的,其受宇宙辐射电磁噪声、电源频率、谐波干扰以及工业电器噪声等环境因素影响,采用电磁感应法时不可避免地会受到线圈耦合的影响,会导致频域电磁系统信噪比低、一次场干扰严重且接收信号很容易淹没在噪声中。因此本文通过对差分模型的互感建模分析,提出了一种收-发线圈水平共轴差分式组合设计方案来去除一次场干扰;在系统采集模块提出了一种二次场数字正交矢量解调算法,用来提取电磁信号中的幅值和相位;在数据处理模块提出了一种小波阈值去噪技术,利用信噪比、均方根误差对实测数据与小波变换的去噪效果对比分析,最后基于上述技术设计相应的便携式频率域电磁地下金属探测原理样机系统。实验结果表明,水平共轴差分方案可以有效抑制一次场的干扰,数字正交矢量解调算法可以有效地从噪声信号中提取出有用信号的幅值和相位,通过对比分析小波变换,将系统信噪比提高了27.32 dB。本文研究成果对频率域电磁法探测系统提取二次场信号和对采集信号进行噪声去除具有实际应用价值。

基于双频域特征聚合的低照度图像增强

针对低照度图像质量较差、噪声多、纹理模糊等问题,提出一种基于双频域特征聚合的低照度增强网络(dual frequency-domain feature aggregation network,DF-DFANet)。首先,构建频谱光照估计模块(frequency domain illumination estimation module,FDIEM)实现跨域特征提取,通过共轭对称约束调整频域特征图抑制噪声信号,并采用逐层融合方式提高多尺度融合效率以扩大特征图感受野范围。其次,设计多谱双注意力模块(multiple spectral attention module,MSAM)聚焦图像局部频率特征,通过小波域空间、通道注意力机制关注图像细节信息。最后,提出双域特征聚合模块(dual domain feature aggregation module,DDFAM)融合傅里叶域和小波域特征信息,利用激活函数计算自适应调整权重实现像素级图像增强,并结合傅里叶域全局信息提高融合效果。实验结果表明,在LOL数据集上所提网络的PSNR达到24.3714,SSIM达到0.8937。与对比网络相比,所提网络增强效果更具自然性。

平稳小波域多尺度乘积下的指数Renyi熵自动阈值选择方法

受目标和背景的大小比例、噪声或者随机细节等因素影响,灰度图像的灰度直方图可能呈现出无峰、单峰、双峰或者多峰模式。为了在统一框架内处理这4种不同直方图模式下的自动阈值选择问题,提出了一种平稳小波域多尺度乘积下的指数Renyi熵自动阈值选择方法。该方法首先利用平稳小波对原始图像进行水平、垂直和对角方向的多尺度变换,再对各个方向的高频子带进行多尺度乘积运算构造出融合图像;然后通过内外轮廓图像对融合图像进行采样重构一维直方图;最后计算重构直方图所对应的指数Renyi熵,并取最大值对应的阈值作为最终分割阈值。提出的方法与4种自动阈值分割方法、2种聚类分割方法以及2种活动轮廓分割方法进行了比较。在16幅合成图像和50幅真实世界图像上的实验结果表明:在合成图像集中,相比于分割精度第2的方法,平均马修斯相关系数提高了41.2%;在真实世界图像集中,相比于分割精度第二的方法,平均马修斯相关系数提高了20.8%。提出的方法具有更稳健的分割适应性,且在分割精度方面明显优于其他8个分割方法。

基于时频特征融合与GWO-ELM的棒控电源早期故障状态辨识方法

针对核电棒控系统电源(PWE)早期故障状态辨识问题,提出一种基于融合时域与时频域的故障特征和灰狼优化算法(GWO)的极限学习机(ELM)辨识方法。首先,根据棒控电源PWE工作原理和控制棒驱动机构的驱动电流,利用电流上升时间分析了早期波形形态与早期故障模式。然后,构建融合电流上升时间、均方根-差分和和小波包奇异熵的故障时频特征,分析了特征的可区分性。进而,采用GWO算法进行ELM分类器参数择优,建立GWO-ELM模型实现PWE早期故障状态的辨识,以提高辨识精度。最后,通过开展不同特征组合和辨识模型比对试验,结果表明所提方法能有效实现棒控电源早期故障识别诊断,且平均辨识准确度可达98.86%。

常用数字水印技术在攻击下的性能分析

随着信息技术的发展,各种数字产品层出不穷,如何保护数字产品版权、完整性、防复制或去向问题成为目前的研究热点.数字水印技术可以在数字产品中嵌入水印,为数字产品提供版权、完整性等方面的保护.文章通过MATLAB软件研究常用数字水印技术在受到攻击下的性能指标参数,分析不同攻击程度下的指标曲线,为数字水印技术应用场合提供参考.研究表明,基于小波域的数字水印嵌入策略能更有效抵御各种攻击,与原图具有一定相关性的数字水印生成方法能有效增大图片版权保护的安全性.

基于小波变换与卷积神经网络的羊脸识别模型

为解决养殖场条件下羊只的个体识别问题,本文基于小波变换与卷积神经网络,提出一种融合频域特征与空间域特征的羊脸识别模型DWT-GoatNet。首先采集总计30只高相似度西农萨能奶山羊日间、夜间两种不同光照环境下的面部图像,基于SSIM指标剔除其中相似度过高的样本,接着进行图像裁剪,并通过模糊、调整亮度、平移、旋转、加入噪声、缩放等方法完成数据增强;然后,设计基于二维离散小波变换(2D-DWT)与卷积运算的羊脸特征提取模块,完成特征融合;之后,以前述羊脸特征提取模块为基础,添加分类模块,进行卷积神经网络搭建;最后,进行超参数组合寻优,形成羊脸识别模型。试验结果表明,本文所构建的羊脸识别模型在日间、夜间两种不同光照环境下测试集上识别准确率分别可达99.74%和99.89%,高于AlexNet、VGGNet-16、GoogLeNet、ResNet-50、DenseNet-121等经典卷积神经网络模型,说明所构建模型适用于羊只的个体识别,为精准养殖、农险理赔领域相关工作提供了有效解决方案。