一种新的化工过程历史数据压缩方法研究

为了对化工过程的历史数据进行压缩处理以减少数据的存储空间,给出了一种新的数据压缩方法.该方法基于整数小波变换和多级树集合分割,对原始数据进行5层整数小波分解,得到小波系数和相应的时间方向树,使用多级树集合分割编码对小波系数进行编码,输出位平面,再利用自适应算术编码对输出的位平面进行编码,进一步提高压缩比.应用该方法对一造纸厂的温度数据进行压缩和还原,仿真结果表明,该方法无需浮点运算,编码时利用了原始信号在各尺度下小波变换系数的自相似性,具有计算复杂度低、数据压缩速度快、压缩比高和重构误差小的特点.

基于最小二乘法的SIMO傅里叶神经网络研究

利用傅里叶级数的原理,构造单输入、多输出(SIMO)傅里叶神经网络,将非线性映射转化成为线性映射,将求解神经网络权值的方法由非线性优化方法转化成为线性优化方法,并采用最小二乘法计算网络的权值,从而大大提高了神经网络的收敛速度并避免了局部极小问题.而且,在训练输出样本受白噪声影响时,最小二乘法具有良好的降低噪声影响的功能.

基于小波包分析的纸浆浓度信号去噪方法

针对造纸过程的纸浆浓度检测信号,给出了一种基于小波包分析的去噪方法。讨论了小波包分析和去噪的原理、阈值和阈值函数的选取,比较了选择不同阈值以及不同阈值函数对纸浆浓度信号去噪的效果。理论分析和仿真都表明基于小波包分析的去噪方法的有效性。