近50年江苏省粮食产量变化的小波分析

粮食产量变化关系到国家和地区的粮食安全问题。以往对粮食产量变化的研究多集中在单时间尺度上 ,对多时间尺度的研究很少。以小波诊断技术为基础 ,对近 5 0年江苏省粮食产量变化进行了多时间尺度的分析。研究结果表明 :①近 5 0多年江苏省粮食产量生产大致经历了 5个阶段 ;②江苏省粮食产量变化具有明显的 5年、1 3年和2 5年的特征时间尺度和相应的周期性变化特征 ;同时特征时间尺度有逐步增加的趋势 ,即江苏省的粮食产量变化渐趋稳定 ;③小波方差分析发现江苏省粮食产量变化具有 1 3年和 2 5年的主要周期 ,并以 2 5年周期最为显著 ;④综合三个时间尺度上小波系数的演变趋势发现 ,无论是大尺度还是小尺度上 ,在未来的一段时间内 ,江苏省都将进入新的一轮粮食减产时期。针对粮食产量变化的这一趋势 ,进行了原因分析 。

小波—能量算子解调法的滚动轴承故障诊断

提出一种小波—能量算子解调法用于滚动轴承故障诊断中,利用小波变换的特性提取滚动轴承的能量集中的高频调制频带,并利用能量算子法对其实现解调,成功发现滚动轴承的故障源,实例表明能量算子解调方法相对于Hilbert解调法有更高的精度和更小的运算量,结合小波可以很好地运用于滚动轴承的早期损伤类故障诊断中。

小波变换和数学形态学在电力扰动信号消噪中的应用

基于小波变换和数学形态学的信号消噪方法都已被充分证明是行之有效的,但两种方法应用于电力扰动信号这一特殊对象的消噪是否能够适应良好,根据不同的信号和精度要求如何选择不同的消噪方法,成为一个很重要的问题。基于此,建立了重构因子用以评价算法对信号的重构能力,并对几种典型电力扰动信号进行了分析,通过计算其重构因子,讨论了两种算法对不同信号的适应性。通过仿真分析,得出对于无暂态脉冲或高频振荡扰动的信号,两种方法都是有效的,可根据计算速度和精度的不同要求予以选择;对于含暂态脉冲和振荡扰动的信号,基于小波变换的消噪效果明显优于基于数学形态学的消噪方法。

基于小波奇异熵与SOFM神经网络的电机轴承故障识别

提出一种用小波奇异熵(WSE)和自组织特征映射(SOFM)神经网络进行电机轴承故障识别的建模方法。首先通过对电机驱动端和风扇端采集的故障振动信号的小波奇异熵的计算和比较来识别故障轴承的端位;在此基础上以故障端信号的小波包分解底层各结点能量为特征向量输入建立自组织特征映射神经网络模型来识别故障轴承内部的具体点蚀破坏位置。小波奇异熵和SOFM神经网络的结合实现了故障轴承端位及其内部点蚀位置的联合识别。分别对含有内外圈和滚动体点蚀故障的轴承进行建模和识别试验,结果表明:该模型可以有效地识别电机故障轴承的端位及其内部点蚀破坏位置;与传统支持向量机和BP神经网络识别模型相比,该模型故障识别准确率更高,识别稳定性更好,更适宜于故障识别这样的多分类问题。

基于小波分形和一类辨识的航空发动机故障诊断

在支持向量机理论的基础上,针对支持向量机的二类辨识传统,引入了基于支持向量机的一类辨识理论。设计了航空发动机几种典型故障的一类分类器,使得发动机的故障诊断更加简单可行。同时,将小波分形方法引入到航空发动机振动信号的特征提取中。通过对航空发动机典型故障的成功诊断,证明了该方法的有效性。

短时交通流预测模型的分析与评价

从短时交通流预测定义出发 ,介绍短时交通流预测的原理及预测模型应具有的特性 ,重点介绍几种预测模型 ,对其建模的理论基础、特点及其可行性、有效性进行分析 ,并比较和评价各类预测模型。

基于压控电荷源和小波变换自适应算法的主-被动压电振动控制

针对压电被动振动方法中电路参数环境适应能力差、电路复杂和压电主动振动方法需要较高的输入功率问题,提出了一种基于压控电荷源和小波变换自适应算法的振动主-被动控制策略。首先,针对压电片等效电路的特点,设计了压控电荷源电路,并阐述了主-被控制方法的控制原理;对于压控电荷源的控制电压,引入了小波变换自适应算法,提高了系统的自适应能力。最后,基于dSPACE实时仿真系统,利用模拟电路和压电元件,设计并建立了四边固支的压电合金板的主-被动振动控制实验平台,对提出的方法进行了正弦和白噪声激励下的振动控制实验研究。结果表明,提出的方法能够有效的抑制压电合金板结构由于正弦激励引起的单模态和多模态振动,且能有效抑制白噪声激励引起的随机振动。

基于小波包分析的电力负荷预测算法

提出基于小波包分解和重构的电力负荷预测算法。算法使用具有线性相位的双正交小波对电力负荷数据进行小波包分解和重构 ,然后用神经网络直接对各尺度上的电力负荷分量进行预测 ,最后将各尺度上的预测值相加 ,得到实际负荷预测值。算例表明算法具有较高的预测精度 ,优于传统的 BP神经网络 ,有利于分析不同时频区域的电力负荷特性 。

小波域空间自适应图像消噪算法

基于小波阈值的图像消噪方法是简单而又有效的,对小波系数进行空间自适应的研究可使阈值能自适应于图像的统计特性,可进一步提高消噪性能。分析了现有的自适应建模方法在消噪性能和计算消耗上的不足。在假定小波系数为具有未知分布参数的广义高斯分布随机变量的基础上提出了一种基于方差的上下文局部建模方法,用于估计每个系数所对应的参数。该方法能很好地反映小波系数的局部统计特性。实验证明其消噪效果要好于其它空间自适应建模方法。

基于PCI总线的小波视频压缩卡的设计与实现

文章提出了一个基于PCI总线的利用小波变换的方法对视频流进行压缩的系统，并对其硬件实现做了具体描述。

基于mallat算法的自相似网络流量随机建模

传统的网络流量自相似模型均从分形函数入手,计算复杂。文中应用小波变换对流量序列样本进行mallat多分辨分析,并重构各层数据,再随机拆分组合所得重构序列来进行仿真。所生成的仿真流量符合聚合方差估计,具有较好的自相似性。

AN MRA YIELDS AN ORTHONORMAL WAVELET BASIS——AN OPERATOR THEORETIC PROOF

In this paper we show how to construct a scaling function and an orthonor-mal wavelet basis from a multiresolution approximation using an operator theoreticmethod.

图象压缩中小波基的选择

小波变换用于图象压缩时 ,小波基的一些性质对编码的效果有很大影响。通过分析双正交小波、正交小波的特点 ,以及小波基的正则性和消失矩在图象编码时对恢复图象质量的影响。从而给出了图象编码是选择双正交小波的原则。最后通过三个被证实的标准进行了分析 ,并通过实验进行了验证。

基于Matlab和小波降噪的钢琴基频测量系统设计

随着环境的变化,钢琴的基频会发生偏移,影响演奏效果。人工调琴易受生理和心理影响,造成结果的不准确。为了检查出钢琴的基频,采用数字信号处理技术和小波降噪的方法,做了"小字一组"的频率测量实验,获得了钢琴基频的实际数据,为调琴提供准确的依据。

基于时域脉冲特征量的神经网络方法在变压器局放模式识别中的应用

对电力变压器特高频局放单个时域脉冲信号做小波包分解,以其能量前三位和熵值前三位加上能量和熵值共8个特征量作为神经网络的输入特征量,分别研究了BP神经网络、Elman神经网络和PNN神经网络对4种典型变压器局部放电信号的模式识别效果。通过对实验室实测信号的识别,证明了采用此特征量的神经网络识别方法简单有效实用,从而为电力变压器局放信号的识别提供了有效的参考。

〈II〉型三角剖分下非张量积连续小波基的构造

对〈II〉型三角剖分下的二维线性元空间 ,讨论了半正交连续样条小波基的构造 ,并证明广义Euler -Frobenius多项式在单位圆上无零点 。

一种基于小波分析的大规模网络流量模拟

针对传统的大规模网络流量模拟不能兼顾流量细节的自相似性的问题 ,应用小波变换对样本流量进行秒级粒度上的多尺度分析 ,利用小波系数模拟生成网络流量 ,既满足细节上的自相似性又具有大规模网络流量的周期。

基于小波变换的例外挖掘

1引言例外常常是指数据集中远远偏离其它对象的那些小比例对象,在大多数研究中作为噪声被遗弃.但是在一些应用中,例外的检测能为我们提供比较重要的信息,使我们发现一些真实而又出乎预料的知识,具有很高的实用价值,如文[1]挖掘了时序数据中的例外,从而在存储容量相同的情况下,可以获得对原始序列更精确的表示.

小波变换在多级传动齿轮箱缺齿故障诊断中的应用

针对缺齿故障的多级传动齿轮箱,由于幅值及相位调制现象带来的诊断问题,利用小波分析和包络谱分析,对直齿圆柱齿轮故障信号进行降噪和功率谱分析,准确的找到故障特征信号,诊断齿轮箱的故障。结果表明小波变换能够较好的诊断缺齿故障。

大地电磁信号整理分析

小波分析是具有时频多分辨率分析特点的新的信号处理方法,本文应用时间序列反映出大地电磁信号功率谱特性并比较了几种常规实验手段的分析效果,通过小波变换分离出假频所在通道并进行初步除噪,按能量强弱对信号重新截断划分.本文的目的就是尽可能的消除对各组信号不一致的影响因素(局部噪声),提取共性较强的部分并按能量的差异来划分这些信号.