心电信号小波分析

心电信号是一种非平稳并具有很多奇异点的微弱信号。小波变换中的模极大值消噪法具有非线性及自适应性,小波的这种特性对于类似于心电信号这种非平稳微弱信号是十分适用的。针对传统的消噪方法在处理心电信号时的局限性,研究了小波变换的时-频局部化特性及基于多分辨率分析的信号小波分解和重构算法———Mallat算法。采用小波分析的模极大值法实现对QRS波R峰值点的检测,以及对心电信号的消噪处理。通过试验研究可知,运用小波进行QRS波检测,QRS波的识别率高达99.9%,经过消噪重构后的心电信号信噪比较原始信号有较大提高。     

改进的基于小波变换的QRS波检测算法

为提高心电信号QRS波的检测精度,分析了小波变换对信号奇异点检测原理,提出了改进的基于小波变换的QRS波检测方法.该方法通过考察小波分解系数进行R峰位置区间定位,R波漏检回溯及正向、倒置R波判断的QRS波检测方法;并提出了一种新的跟随阈值.该算法在Matlab仿真环境中,经过对MIT-BIH数据库中典型14条ECG (...     

信号瞬变成分检测与提取及其在故障诊断中的应用

研究基于小波变换的信号瞬变成分检测与提取方法及其在机械故障诊断中的应用 .在分析信号的连续小波变换的模极大值理论的基础上 ,指出连续小波变换系数的模与信号瞬变成分的关系 ;通过分析小波函数的性质 ,分析小波函数对信号的连续小波变换的影响 ;在信号瞬变特征的提取过程中 ,提出基于门限值的特征重建方法 .将该方法应用于齿轮箱振动信号中瞬变成分的检测与重建 .结果表明基于连续小波变换方法能有效检测到信号中的瞬变成分 ,瞬变成分的重建结果有效地表示了机械的故障状态 .     

变形信号中突变点的检测

变形监测获得的信号含有噪声、变形信号和突变信号(信号的奇异性).信号在突变处的小波变换模极大值不随尺度的增加而变化,而在白噪声处的模极大值随尺度的增加而减小.根据这一规律,分析了变形监测信号突变点在卷积型小波变换下的特征及小波函数的选取,给出了用小波变换模极大值进行突变点定位、奇异度检测,根据突变点的奇异程度确定突变的的强度,检测变形信号的突变点.     

小波变换在心电图R波检测中的应用

介绍了一种新颖的信号处理方法－小波变换．利用三阶样条小波分析了信号的奇异点与其小波变换的关系，并通过ＥＣＧ信号的小波变换，分析了小波变换的抗干扰能力．最后提出了一种以小波变换为基础的ＱＲＳ波检测方法     

基于改进小波变换的自动化电气设备故障点检测

传统的自动化电气设备故障点检测方法通常采用梯度扩散法确认故障信号波,但该方法并未对信号奇异性进行分析,获取的信号函数峰值较低,检测准确度不高。为此,提出了基于改进小波变换的自动化电气设备故障点检测方法。首先考虑环境对设备的影响,分析电气设备特性,同时为了提高电气设备故障信号的质量,添加数字滤波器,然后运用改进后的小波变换理论对设备故障信号进行分析。最后,分析小波分析后的异常信号奇异性,运用双端检测对奇异信号进行测距,得出故障点位置,完成自动化电气设备故障点检测。实验结果显示,本文所设计的故障点检测方法获得的信号函数峰值更高,检测的准确度更高,满足设计需求。     

基于小波变换的信号特征与突变点检测算法研究

采用小波分解可以很好地研究信号的自相似性.小波变换能够分析信号奇异点的位置及奇异性强弱,即通过小波变换后的局部极大值在不同尺度上的衰减特性来衡量信号的奇异性.介绍了小波变换的基本概念,对信号特征和突变点检测算法进行研究,利用小波多分辨分析将突变信号进行多尺度分解,通过分解的信号确定突变点位置.通过Matlab实验,分析了信号奇异点定位和小波检测的结果,当小波变换尺度越精细时,检测突变点位置越精确,验证了小波变换是分析信号自相似性和突变点检测的有力工具.     

基于小波变换和连续Hopfield神经网络的重叠峰解析策略

针对化学谱图分析中的重叠峰解析问题,提出了一种基于小波变换和连续Hopfield神经网络的谱图重叠峰解析策略.使用高斯函数作为曲线拟合的数学模型,将重叠峰分解为一系列高斯峰的叠加组合.首先,根据检测信号卷积型小波变换中奇异点特性分析原理,利用卷积型小波变换方法寻找信号的特征点,并根据特征点对信号做出初步解析;然后,构造解析峰参数与解析误差之间的函数关系,并以之作为连续Hopfield神经网络的能量函数;最后,根据该网络自我演化特性经过指定次数的迭代得到误差函数的极小值点,进而得到谱图重叠峰的最终解析参数.谱图重叠峰模拟解析表明,所提算法有效.     

基于二进小波变换的奇异信号消噪

小波变换在时、频两域均具有表征信号局部特征的能力,是描述和检测信号局部性质的有效手段;利用小波变换模极大值能检测出信号上的所有奇异点,根据小波变换模极大值随尺度的增、减规律,去除噪声对应的极值点,再由模极大值重构信号,提出了小波变换基于奇异信号的消噪方法,并应用于对一瞬时心率信号进行消噪.     

基于小波包分解和虚拟仪器的传导干扰信号检测

小波包分解(WPD)不仅能检测非平稳信号的整次谐波,还能检测信号的非整次谐波,且小波变换本身对信号的奇异点十分敏感,常常用来跟踪开关电源传导干扰信号.在虚拟仪器(VI) LabVIEW 6.i平台上,基于小波包变换算法设计了VI程序,实现了开关电源传导干扰信号实时检测系统.该系统具有信噪分离、测量传导干扰功率谱、伴有噪声的原始振动波形和噪声波等测量功能,实测结果表明该方法是可行的和有效的.     

试论新经济时代财务管理的创新

分析了新经济对理财环境的影响,指出财务管理目标、财务管理手段、财务风险管理、财务制度和财务评价体系等方面只有随着新经济时代的到来而创新,才能满足形势发展的需要。     

信息传递的最短同步到达时间的算法

对在非记忆通讯系统所对应的有向图是本原有向图的条件下给出了信息传递的最短同步到达时间的算法。     

特征点提取算法性能分析研究

在图像匹配中,使用特征点来描述图像,计算量小、匹配简单,而且特征点往往比较稳定,不易随光照条件和图像的平移、旋转和尺度等变化而变化。因此基于特征的图像配准方法是目前图像配准领域研究的热点。介绍了几种主流的特征点检测算法的原理,并对特征点检测算法性能进行了定量分析研究。从特征点检测速率、正确率、旋转不变性和抗噪性等方面进行了对比,研究了各种特征提取算法的优缺点。为根据不同图像质量选择合理的特征提取算法提供了良好的客观依据。     

室内CDMA用户定位方法研究

提出了一种基于最大似然（ML）法和最小二乘（LS）法的室内CDMA用户定位方法，根据CDMA信号模型和多径信道模型，估计室内用户信号到达已知位置的参考点的幅度衰减系数，然后根据室内传播损耗模型得到用户与参考点的相对距离，再利用参考点位置对用户进行定位，由于参考点可以为固定接收机或已被定位的室内用户，因此本定位方法还适用于多跳通信，本定位方法算法简单，但模拟结果表明却具有较高的定位精度。     

行波测距用数据采集系统的设计

行波波头到达时刻差的确定是保证行波测距精度的关键。根据行波测距的要求,采用4通道60 MHz采集卡设计了专用的数据采集系统。并利用此数据采集系统进行了模拟实验,实验结果显示,所检测行波信号波头突变特性明显。在此基础上,可较容易实现对于行波波头到达时刻的精确确定。     

含缺陷管道超声导波检测信号的相关性分析

提出一种基于相关性分析的管道缺陷检测方法.该方法通过截取入射信号作为主动检测信号,将实测信号作为被检测信号.借助于合适的窗函数计算检测信号和不同时刻测试信号的相关系数,通过相关系数的峰值点判断波到时刻.从而提高识别精度.为了消除来源于模式转换和噪声的杂波信号,设置阈值可达到滤波效果.利用该方法,对单位置腐蚀和双位置腐蚀,在不同噪声水平下的测试信号进行相关性分析.结果表明,阈值法可以较好地抑制噪声和模式转换对识别结果的影响,且具有较高的识别精度.该方法原理简单,操作简便,可用于管道腐蚀检测的在线检测.     

基于果蝇优化算法的零件图像边缘检测算法研究及应用

为实现零件图像的边缘检测,针对传统基于微分的边缘检测算法存在边缘点定位不准确、角点漏检等不足,提出一种基于果蝇优化算法(fruit fly optimization algorithm,FOA)的零件图像边缘检测算法.该算法首先通过Canny算子得到边缘点的先验知识,再利用希尔伯特变换提取角点信息,以边缘点和角点信息作为启发信息,建立基于FOA的零件图像边缘检测模型,最后通过随机平均移动机制和循环终止条件得到图像的单像素边缘.经实验验证,算法在无噪声边缘检测的条件下,相比传统的Canny算子,在零件图像检测的精度和准确性上有较大提升,可应用于工业零件的高精度无损检测.     

冷起动稳定着火的研究

分析了涡流室式柴油机冷起动稳定着火的可能性 ,指出了达到稳定着火的途径和方法 ,实现了主燃烧室定时定点稳定着火 .稳定着火的实现为把涡流室式柴油机从过高的压缩比中解放出来 ,为进一步提高柴油机的性能创造了条件     

一种适用于实时多媒体业务的随机早期检测算法

针对随机早期检测算法(RED)可能连续丢弃同一数据流分组的问题,提出了一种适用于实时多媒体业务的主动队列管理算法.在网络未发生拥塞时,该算法以一定的概率丢弃到达的分组.在丢弃分组时要根据瞬时丢包率判断该数据流最近的分组丢弃情况,如果最近丢包率比较高则放弃丢弃,避免连续丢弃该数据流的分组,以保证多媒体应用的服务质量.在网络拥塞时,丢弃部分数据流的分组,避免了因拥塞造成的大部分多媒体应用同时中断.实验结果表明,不论网络是否拥塞,所提算法都能为实时多媒体应用提供较好的服务质量.     

基于软件定义网络的DDoS攻击检测方案

分布式拒绝服务(distributed denial-of-service,DDoS)攻击是网络中的常见威胁,攻击者通过向受害服务器发送大量无用请求使正常用户无法访问服务器,DDoS逐渐成为软件定义网络(software-defined networking,SDN)的重大安全隐患。针对SDN中DDoS攻击检测问题,提出了一种粗粒度与细粒度相结合的检测方案,使用队列论及条件熵作为到达流的粗粒度检测模块,使用机器学习作为细粒度检测模块,从合法包中准确检测出恶意流量。实验表明,在使用Mininet模拟SDN网络的环境中,方案可准确检测出DDoS攻击。