基于人工神经网络的低信噪比神经元锋电位分类

基于人工神经网络和模板匹配,提出了对低信噪比神经元信号分类的方法.首先对待分类信号进行阈值检测,获得尖峰信号,对这些尖峰信号进行主成分分析,再选取主成分进行聚类,根据聚类结果,取对应的尖峰信号作为人工神经网络的训练样本.网络测试和结合模板匹配识别叠加信号的仿真结果表明了该方法的优越性.     

基于量化的小波域数字音频水印算法

提出了一种基于量化的小波域数字音频水印算法，该算法首先将视觉可辨的二值水印图像降维成一维水印序列，再将水印序列伪随机排序并与m序列作扩频调制，最后对数字音频信号作分段离散小波变换，调制信号通过量化处理过程嵌入到离散小波变换后的系数中，提取水印信号无需使用原始数字音频信号，仿真实验表明水印是不可察觉的，经过mp3有损压缩，低通滤波，重采样等操作后仍具有很强的稳健性。     

基于小波和神经网络的多故障检测系统研究

研究了对离散序列进行小波变换后,再提取个各尺度下的离散细节信号的小波特征熵,并将小波特征熵作为序列的特征提交给神经网络进行分类的故障信号识别方法,通过计算距离可分性测度,从理论上说明了该方法的合理性,并从实践应用中证明了该方法的可行性.     

基于小波分析的微弱信号处理

应用离散小波变换对微弱数字信号进行分析及处理．离散小波变换具有时频分析特性，能将信号的细微变化反映出来．对实验获取的微弱信号进行小波变换分析的结果表明：离散小波分析可明显提高数字信号的信噪比，有利于从噪声中提取微弱信号。     

提高亚像元图像分辨率的小波B样条方法

基于亚像元动态成像技术，提出了将小波变换与B样条曲线相结合的方法来提高亚像元图像的空间分辨率．该方法先将亚像元图像用四条B样条曲线插值放大，把放大后的图像进行小波分解为低频及水平、垂直、对角方向的高频子图像，用原始低分辨图像替换子图中的低频部分后再进行小波反变换来重构高分辨率图像．仿真结果表明，与其他方法相比，本方法可得到更好的视觉效果及较高的尖峰信噪比，是一种提高光学遥感图像分辨率的有效算法．     

小波包变换及其在低信噪比雷达信号检测中的应用

雷达对目标进行检测之时，常常遇到目标回波信号被噪声污染的问题。为了把弱目标信号从强噪声背景中检测出来，对小波包变换良好的时频分析特性进行了分析，根据信号与噪声具有不同的Lipschitz指数，通过引入子频带∞-范数，对信号和噪声进行频谱分析，将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量，应用浮动阈值去噪方法，解决了低信噪比情况下的雷达信号检测。最后，通过计算机的数值计算，模拟了小波包变换和小波变换在低信噪比雷达信号检测中的具体应用，得出了在低信噪比信号检测方面小波包变换优于小波变换的结论。     

连续样条小波变换解析高噪声重叠分析信号

采用连续样条小波变换方法对化学中高噪声重叠信号中峰位置和峰数目的提取进行了分析,讨论了信噪比、重叠程度、信号相邻峰高比对重叠信号解析的影响．结果表明：对于信噪比低至1的高噪声信号,采用连续样条小波变换处理能够得到重叠信号的峰位置和峰数目;连续样条小波变换对于高噪声重叠信号具有较好的解析能力,为低含量多组分物质的复合信号的定性定量分析提供了基础;该方法与离散小波变换法相比,数据点无须为2^n(n为整数),并且不需要对信号进行多次分解,因此简单快速。     

小波变换在信号降噪中的应用研究

分析了小波变换的基本原理,采用小波变换和傅里叶变换方法,降噪处理了noisdopp信号并对比了处理结果,结果表明,小波阈值降噪在降噪的同时,能很好保存有用信号中的尖峰部分和突变部分.计算机仿真了实时采集的语音信号,结果表明,小波变换能从强噪声背景中提取有用信号,并能保留信号的大部分能量,且与原始信号有较好的相似性,能极大提高信号的信噪比,具有一定的工程应用价值.     

基于直接算法的虚拟式小波变换信号分析仪

介绍了作者研制开发的一台基于直接算法的虚拟式小波变换信号分析仪，从而实现了用直接算法对信号进行离散小波变换和连续小波变换的功能。介绍了小波变换的直接算法公式，即由小波变换的原始公式通过直接数值化方法获得的数值算法公式。作者通过研究获得了直接算法中的一些结论，如离散小波变换直接算法中对小波的采样原理和技术、小波尺度范围的限定，边缘现象的解决措施，以及连续小波变换直接算法中的一些结论。基于这些研究，结合虚拟仪器技术开发出的基于直接算法的虚拟式小波变换信号分析仪能用任何母小波对信号进行离散小波变换和连续小波变换。它即可用于对母小波的研究和对小波理论的学习，也可用于一些工程信号分析。给出了分析仪应用的几个典型例子，表明本文的分析仪在许多情况下可以获得应用。     

基于决策融合的红外人脸识别方法

提出了一种基于决策融合的红外人脸方法。分别通过离散小波变换＋主元分析＋线性辨别分析、二维PCA方法、离散小波变换＋傅里叶变换3种方法将测试图像进行分类，得到3个结果，然后将这3个结果进行融合得到最终的识别结果。实验结果表明：本文提出的方法更能利用人脸图像的有用判别信息，并得到更好的识别效果。     

低信噪比多径-信道下的OFDM带宽自动估计

针对低信噪比多径-信道条件下正交频分复用(OFDM)信号带宽估计精度低的问题,提出一种基于小波变换的OFDM信号带宽自动估计方法。首先利用修正周期图法(Welch法)得到信号瞬时功率谱,通过多次观察测量并对功率谱曲线进行统计平均。然后对功率谱曲线进行连续小波变换,计算小波变换后时间-尺度平面上同一时间不同尺度能量累计曲线,提取曲线局部峰值位置,进而估计信号带宽。实验仿真结果表明：在不同多径信道且信噪比为-10dB条件下,估计偏差均不超过1.2%,准确度优于传统方法,且鲁棒性较强。     

fMRI time series analysis based on stationary wavelet and spectrum analysis

The low signal to noise ratio (SNR) of functional MRI (fMRI) prefers more sensitive data analysis methods. Based on stationary wavelet transform and spectrum analysis, a new method with high detective sensitivity was developed for analyzing fMRI time series, which does not require any prior assumption of the characteristics of noises. In the proposed method, every component of fMRI time series in the different time-frequency scales of stationary wavelet transform was discerned by the spectrum analysis, then the components from noises were removed using the stationary wavelet transform, finally the components of real brain activation were detected by cross-correlation analysis. The results obtained from both simulated and in vivo visual experiments illustrated that the proposed method has much higher sensitivity than the traditional cross-correlation method.     

基于波形聚类分析的微地震监测事件类型判别及应用

以不同类型微地震监测事件在波形相似性上的差异为基础, 结合发生位置、走时规律和偏振方向等方面的特征, 提出一种基于波形聚类分析的微地震监测事件类型判别方法。首先使用常规的微地震事件识别算法, 快速地得到待分类的疑似事件; 然后进行波形聚类分析, 结合事件的属性特征, 实现对不同类型微地震事件及噪声事件的分类和判别。分类结果可用于波形模板匹配, 识别同类的低信噪比微地震事件; 还可将所有同类事件作为一个整体, 采用全局优化手段提高初至拾取的精度。     

基于小波和先验信噪比维纳滤波的语音增强

描述了先验信噪比估计的维纳滤波算法,分析了小波多分辨率分析在信号频谱划分中的作用,提出一种小波和先验信噪比维纳滤波相结合的改进算法.通过小波变换对带噪语音信号进行多尺度分解,然后对不同尺度的小波系数采用维纳滤波,用滤波后的小波系数重构得到增强语音信号.通过计算机仿真实验,将提出的算法与传统维纳滤波算法进行比较.实验结果表明改进算法在低信噪比情况下有效提高了增强效果,对语音成分的影响较小,提高了语音质量.     

岩石组分逐点求取方法设计与应用

 在进行较复杂岩性储层的测井评价时,岩石组分的逐点求取非常重要.为快捷而准确地逐点获取岩石组分信息,以泌阳凹陷白云岩储层为例,探讨了一种岩石组分逐点模糊聚类求取方法.首先,利用主成分分析对多种测井参数进行降维处理,其中对分析样本进行常规标准化、均值处理标准化、对数变换标准化后,前3个主因子的累计方差贡献率分别为86.07%、96.97%、96.71%.进而对降维后的分析样本进行聚类处理,并对k-均值聚类算法中类别数目的确定进行了探讨.最终,构建隶属度表达 式,利用模糊数学的思想,实现了利用常规测井资料的岩石组分逐点自动化定量求取.将计算结果与实验结论对比,表明该运算方法针对性强、限制条件少、效果良好.值得一提的是,该方法可在测井新技术资料缺乏的情况下使用.     

WKPowerMeans多径簇识别算法

针对KPowerMeans聚类算法多径散射簇的估计过程复杂及聚类结果高度依赖随机初始簇中心的问题,提出了一种改进的多径簇识别算法——WKPowerMeans算法.首先利用小波变换的尖峰检测技术估计出多径散射簇的数目和初始簇中心的位置,然后以结合了多径功率加权的多径分量距离为准则进行多径簇聚类.仿真结果表明:与KPowerMeans算法相比,采用所提出的WKPowerMeans算法能得到更稳定、准确的聚类结果,而且具有较低的时间复杂度.     

利用粒子群优化的人脸特征提取识别算法

针对如何提高人脸图像识别率问题,提出了利用粒子群优化(PSO)的人脸特征提取识别算法.采用小波变换和张量主成分分析(PCA)方法对人脸图像进行特征提取,利用PSO对提取的特征进行加权处理,根据特征的每一维元素的聚类正确率进行优化选择,从而达到对人脸提取关键性特征的目的.实验结果表明,所提算法能减小光照、表情和姿态变化的影响,在英国曼彻斯特科技大学人脸数据库上的识别率比张量PCA方法提高了12.75%.     

一种基于小波分量变换的人脸图像光照归一化算法

基于小波变换原理,提出一种基于小波分量变换的人脸图像光照归一化算法.人脸图像经过二维离散小波变换(DWT),被分解成4个子分量(LL,HL,LH,HH).将低频分量(LL)进行对数变换和分段线性变换,对高频分量(LH,HL,HH)进行Gamma变换.对所有子分量进行小波逆变换,对经小波重构后的人脸图像进行中值滤波.分别在Yale B和CMU-PIE人脸数据库中对本文算法进行光照归一化有效性试验;对比本文算法与其他22种光照归一化算法的处理时间及处理效果;进行分段线性变换和伽马变换参数比较试验及人脸识别试验.结果表明:本文算法执行速度快,处理效果好,人脸识别率高,适用于不同光照条件的人脸识别系统.     

弹性构件的模态选择对机构动力分析的影响

为在柔性多体系统动力学中引入固定界面动态子结构法 ,将 Craig固定界面法减缩后的系统经过再次坐标变换 ,分离出刚体模态 ,证明能更明确地表达边界影响 ,可以进一步提高减缩效率 ,便于在多体动力学中使用 ,并给出了一个含弹性连杆的曲柄滑块机构算例。分析和计算表明 ,经过了再次坐标变换后提高了减缩效率 ,在一定情况下 ,边界状况对系统影响显著 ,使用表达边界的模态可以提高多体动力学的数值仿真精度