小波(包)滤波方法的GUI及其在深地震测深数据处理中的应用

在深地震测深数据处理中,仍多用基于傅里叶变换的滤波方法和小波二阶相关去噪方法.鉴于傅里叶变换方法对非稳态的地震信号不能提供在时频上的任何局部信息,而小波和小波包方法弥补了傅里叶变换的不足,能够提供时频上的任何局部信息,且高阶相关比二阶相关对随机噪声有更好的抑制和去除作用,本文结合小波和小波包去噪方法以及高阶相关去噪方法,编写了深地震测深数据处理的小波和小波包滤波方法的人机交互软件,用于抑制和去除地震信号中的加性高斯随机噪声.该软件可以方便快捷地显示深地震测深的地震记录截面,进行小波域的自适应阈值去噪、小波域和小波包域的二阶和高阶相关去噪以及基于傅氏变换的常规滤波.实例计算结果表明,方法和程序是有效且可行的.     

小波包变换在煤与瓦斯突出预测中的应用

针对目前滤噪技术不能很好地使声发射监测得以准确预报的情况,进行了基于小波包变换的去噪研究.该研究利用信号的小波包分析、计算和最优小波包基选取的方法,通过计算机数值计算,模拟了强噪声下声发射信号检测,并通过Sym8小波包与小波变换去噪的比较,证明前者优于后者.用小波包变换进行消噪处理,噪声消除彻底,提高了预警准确性.     

基于离散小波变换与小波包分解的语音增强算法

提出了一种基于离散小波变换（DWT）和小波包分解（WPD）的语音增强算法.该算法首先将带噪语音进行离散小波变换,并分别对离散逼近信号和离散细节信号采用不同的基小波进行小波包分解,再按照不同的规则选取阈值进行去噪,最后对去噪后的语音信号完成重构.计算机仿真表明,在计算量相当的情况下,该算法优于离散小波变换法去噪和小波包分解法去噪.     

基于门限值小波包变换抑制局部放电白噪干扰

分析了局部放电在线监测系统中局部放电信号及白噪干扰小波变换特征，局部放电信号在大部分尺度上具有较大的幅度，而白噪声信号随尺度的增加而迅速趋于零，从而对信号在各个尺度上的小波系数设定一个门限，如果某尺度上的系数大于门限，则认为它对应于局部放电信号，否则对应于噪声信号。提出了用基于门限值的小波包变换方法从白噪中提取局部放电信号的方法。实测数据分析结果表明，经此法处理后信噪比明显提高，可用于在线监测局部放电信号中白噪干扰的抑制。     

基于小波包系数稀疏表示的WFT信号去噪

针对车轮力(WFT)信号受到各种扰动的影响在测量过程中测量灵敏度和稳定性严重下降的问题,根据压缩传感理论提出了基于恢复小波包细节系数稀疏性的WFT信号去噪算法.首先,利用小波包变换得到细节系数和近似系数;然后,基于约束建立最小化非零小波包细节系数个数的算法框架,并将该l0范数问题转化为l1范数问题,通过迭代加权优化算法剔除噪声信号的小波包系数;最后,根据小波包系数的处理结果通过小波包反变换得到去噪后的WFT信号.通过试验比较阈值法和所提出算法对WFT信号的去噪性能.结果表明所提出的方法在提高WFT信号的信噪比和保留信号的细节信息方面比阈值法更加有效.     

基于小波包变换与前向线性预测滤波的光纤陀螺去噪算法

为了减小环境噪声对光纤陀螺输出的影响,提出了一种新的基于小波包变换(WPT)和前向线性预测滤波算法(FLP)的去噪方法--WPT-FLP算法.首先介绍了小波包分解与FLP算法的原理,并对2种算法进行了融合,利用小波包变换进行信号的分解与重构,在此过程中对小波包分解后的高频系数进行强制去噪,对小波包分解后的低频系数进行F...     

基于小波变换的爆破地震信号去噪的应用

运用小波变换在不同的尺度下观察信号局部化特征。由于信号和噪声具有不同的奇异性，它们的二进小波变换模的极大值在不同尺度下的传播特性也不相同。在相邻模极小构成的待选通域中分析出噪声局部极大值所在的选通域进行平滑处理，从而得到局部信号的小波系数，将其反变换重建出去噪后的信号。将该方法用于爆破地震信号去噪声，结果表明：这种方法计算简单，且去噪效果较好。     

一种基于最优小波包基的电泳荧光信号去噪方法

针对现有电泳荧光信号去噪处理方法的不足,提出一种基于最优小波包基的信号去噪方法.该方法采用Shannon熵准则选择最优小波包基,选取Penalized阈值,用量化后的系数重构得到去噪后的信号.仿真实验表明:基于最优小波包基的电泳荧光信号去噪方法在使信噪比得到提高的同时,电泳荧光信号的峰值误差也进一步减小.     

含白噪声阶跃信号的频谱特性及去噪分析

章根据含有白噪声的阶跃信号的频谱特点，采用离散小波变换的方法对该突变信号进行去噪，实验证明，若选用合适的阈值方案，利用小波变换进行去噪，其效果将明显优越于基于传统傅立叶变换的理想低通滤波去噪。     

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。     

基于隐马尔可夫模型的多重序列分析

隐马尔可夫模型是最近几年在许多机器学习领域都得到成功应用的关于序列分析的重要统计模型,特别是在蛋白质家族的识别方面.这主要是由于生物数据的急剧增长导致2个领域(计算科学和生物学)走向结合引起的.探讨了多重序列比对和序列谱隐马尔可夫模型,讨论了隐马尔可夫模型的基本算法以及如何建立HMMs.根据E值和训练分数进行蛋白质家族的识别和分类.     

Fault Pattern Recognition Based on Hidden Markov Model

Because performance parameters of gear have degradation,a method is proposed to recognize and analyze its faults using the hidden Markov model( HMM). In this method,firstly,the delayed correlation-envelope method is used to extract features from vibration signals. Then,HMMs are trained respectively using data under normal condition,gear root crack condition and gear root breaking condition. Further,the trained HMMs are used in pattern recognition and model assessment. Finally,the results from standard HMM and the proposed method are compared, which shows that the proposed methodology is feasible and effective.     

真实地形环境下低空雷达目标回波信号分析

针对低空雷达目标与杂波、环境难于一体化建模的问题,提出了一种分析真实地形环境中低空飞行目标的雷达回波信号的实景相干复合方法(CHIAL).以机载脉冲多普勒(PD)雷达为平台,首先将半空间并矢格林函数引入物理光学方法中,结合图形电磁学计算低空目标的雷达散射场强度,然后利用地形高程数据和地形地物分析数据,得到杂波单元的散射特性,通过相干杂波模型产生地杂波,最后将所有雷达回波送入各自的距离门,并加入噪声信号,模拟包含目标特性和杂波特性的有效回波信号.与传统复合建模方法相比,CHIAL方法的目标回波信号和杂波信号更加准确.对机载PD雷达探测低空目标的仿真实验表明,CHIAL方法在处理90m×90m地形高程数据时,杂波分布和信杂比与理论分析基本一致,有很强的系统工程实用价值.     

基于HMMs和SVM的人体日常动作序列分割识别研究

随着微机电系统(MEMS)研究的精细化,人体传感器网络(简称体感网)技术在医疗监护领域有了长足发展,而人体动作分析与识别是体感网中富有挑战性的研究课题.采用动态隐马尔可夫模型(HMMs)方法对基于用体感网技术的人体动作序列进行了分割,并且对分割精准度进行了度量分析.从实验结果可以看到,动态HMMs方法优于LIR和Top-Down方法,其分割精准度达到了80%以上.对分割后的数据提取均值、方差等特征,采用支持向量机(SVM)方法分类识别的结果表明所提分割方法具有良好的稳健性,平均识别准确率在89%左右,与手动分割接近.     

一种基于最大互信息/进化计算混合结构的语音识别方法

传统的最大互信息训练中一般采用梯度方法，这就使得所得模型往往只是一个局部最优模型。文中将最大互信息（MMI）和演化计算（EC）相结合，引入到隐马尔柯夫模型(HMM）的训练中去。各模型集用个体表示，个体的适应值采用模型的最大互信息。这样借助于进化计算的全局搜索及种群的特点，得到了基于最大互信息估计的HMM模型的更优解。实验结果表明，用该方法训练所得的系统识别率高于传统的基于梯度的最大互信息估计方法训练所得的系统。     

一种基于梯度的HMM参数重估方法

对于隐Markov模型（HMM），经典的参数重估方法是Eaum-Welch算法，该算法基于最大似然准则，具有快速收敛和保证似然度单调增的优点，但是对于其他的训练准则，则不存在这样的算法，由于目标函数的复杂性，在考虑采用梯度方法时，必须先解决如何求取梯度的问题，为此，提出一种求取梯度的实现方法，结果表明，使用该方法所取得的模型与用Baum-Welch算法所得的模型性能相当，而前者适用于基于各种准则的训练方法。     

用小波剔除局放信号中白噪声的一种实用方法

局部放电信号中的白噪声给局放信号的后续处理带来了很大的困难，白噪声的剔除是局部放电信号处理中的一个不可缺少的环节。虽然有很多剔除白噪声的方法，但是大都不是很适合局放信号的处理。局部放电信号和白噪声有着不同的Lipschitz指数，经过小波变换后二者在时间--尺度平面上有不同特征。据此，文中提出了一种剔除白噪声的新方法，该方法运算简单，适合局放信号快速处理。处理后的局放信号不失真，而且剔除效果良好，能够运用于现场局部放电信号的处理。     

基于自适应谱的局部放电信号时频特性分析

应用自适应谱对单个局部放电脉冲信号进行了时频特性分析,并与短时傅里叶变换谱、离散Wigner分布和Choi-Williams分布相比较,结果表明自适应谱上有能量集中、时－频域分辨率高、无交叉干扰项等优点,它能够细致刻画局部放电信号在时频平面上所发生的变化过程,准确反映出局部放电信号的时频特性,从而为局部放电信号的特征提取和模式识别开创了一条新的途径,对时频谱的分析还发现,局部放电信号的的频率分量达到GHz范围,这就为超高频和超宽频带局部放电检测的研究提供了理论依据。     

基于改进的隐马尔科夫模型的词性标注方法

针对隐马尔可夫(HMM)词性标注模型状态输出独立同分布等与语言实际特性不够协调的假设,对隐马尔可夫模型进行改进,引入马尔可夫族模型。,该模型用条件独立性假设取代HMM模型的独立性假设。将马尔可夫族模型应用于词性标注,并结合句法分析进行词性标注。用改进的隐马尔可夫模型进行词性标注实验。实验结果表明:与条件独立性假设相比,独立性假设是过强假设,因而基于马尔可夫族模型的语言模型更符合语言等实际物理过程;在相同的测试条件下,马尔可夫族模型明显好于隐马尔可夫模型,词性标注准确率从94.642%提高到97.126%。     

Krawtchouk矩在脱机手写汉字识别中的应用

提出一种基于Krawtchouk矩的脱机手写汉字识别方法。与Zernike矩和Legendre矩等连续正交矩特征相比,Krawtchouk矩是数字域的离散正交矩,不存在数字化过程中所带来的近似误差问题,在计算过程中不需要进行坐标转换,而且构造简单,更加适合用来描述数字图像。在此将Krawtchouk矩用于手写大写金额的识别,并在隐马尔可夫模型(HMMs)框架下对其性能进行了测试。实验结果表明,Krawtchouk矩比传统的连续矩更适合用来描述数字图像,识别效果比连续矩有较显著提高。此外,还对不同参数下的Krawtchouk矩性能进行考察。