基于小波低频子带的奇异值分解的图像识别

提出一种基于小波低频子带的统一特征空间奇异值分解的人脸识别方法.首先利用小波变换提取人脸图像的低频子带,然后作傅立叶变换,获得低频子带的频谱;将低频子带的频谱投影到标准脸奇异值分解的统一特征空间,投影系数作为人脸识别特征;采用L_1距离进行最小距离分类,实验结果表明,该方法比统一特征空间奇异值分解方法可获得更高的识别率.     

基于小波-能量模式的回转支承故障诊断方法研究与应用

回转支承机械结构和工作条件特殊,导致其故障机制复杂,传统的信号分析方法难以对其进行有效的故障诊断.提出了一种基于小波分解与能量谱相结合的回转支承故障诊断方法.利用小波多尺度、多分辨率的特性,对回转支承振动信号进行多尺度分解;根据回转支承低频故障特性,对小波分解后的低频区进行频谱分析,再结合各尺度频带能量谱进行回转支承故障诊断.通过对回转支承加速寿命试验中各阶段数据分析表明,该方法能够有效、准确地诊断出回转支承故障模式,相比单一的小波频谱分析诊断精度更高、可靠性更好,具有一定的工程实用价值.     

磨煤机振声信号分析及基于BP网的料位识别

对磨煤机振声信号进行了频谱和功率谱分析,分析表明:低频分量携带磨煤机的料位信息,而高频分量则是由高速电机旋转噪声、排风机噪声以及磨煤机筒体混响噪声引起的;低频料位信号与高频噪声信号是调制关系.利用希尔伯特变换对振声信号进行了解析化处理,分解出低频料位信息,并以振声解析信号的包络为对象,进行料位特征的提取.利用BP神经元网络,建立了磨煤机料位与振声信号的关系模型,从而实现磨煤机料位的自动识别.将模型的计算结果与实测值进行比较,结果表明,料位识别精度在±1.5%之内.     

脑-机接口信号中靶标的贝叶斯搜索

提出了脑控虚拟键盘上按钮的编码以每个按钮中靶标出现的时间次序安排,搜索出靶信号出现的位置就能探测受试者的选择.以基于最小误判准则的贝叶斯分类器,对靶及非靶两类刺激信号进行分类训练,分别在通道和时段选择上进行了特征提取研究,得到识别率最高的5个通道中最佳时段的训练参数.利用训练了的分类器,对受试者每次按钮选择所记录到的EEG信号中可能出现靶刺激的位置进行搜索,来判断受试者所选择的按钮.结果表明：最佳通道P 8获得了72.50%的平均正确识别率,该结果为构建一个实时的脑控拼写装置打下了基础.     

在Matlab中用小波分析实现心电信号去噪

本文描述了通过bior3.5小波变换按照Mallat的快速算法对含有干扰的心电信号进行9尺度分解;通过使用硬阈值和软阈值方法获取默认阈值和使用Stein无偏似然估计阈值进行阈值量化,去除噪声成分;最后根据小波分解的最底层低频系数和各层高频系数进行一维小波重构,从而得到去除噪声的心电信号。     

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...     

基于小波分解的语音自适应压缩感知

根据语音信号经过小波分解后低频分量和高频分量的特点,提出分别对他们进行自适应压缩感知。首先对信号的低频分量用训练的过完备基进行稀疏分解,降低了稀疏分解过程中的计算量。然后详细描述了改进自适应观测矩阵的产生,以及对低频和高频分量分别进行自适应观测。最后通过OMP重构算法分别对低频和高频分量进行重构,通过小波合成还原出原始信号。实验表明,语音信号在基于小波分解的自适应压缩感知方案中具有良好的重构性能。     

基于小波包分解的整循环征兆提取与故障识别

为了检测内燃机气阀漏气的气密性故障,利用小波包分解改进算法,通过对柴油机完整工作循环内的缸盖振动信号进行小波包分解,从小波包分解系数中提取柴油机振动诊断的整循环征兆.由整循环特征向量图表明,正常状态时柴油机气缸盖振动信号中低频部分能量相对较大,高频部分能量相对较小;漏气状况时振动信号中的低频部分能量减小,而高频部分能量增加,由此实现了故障的识别.这说明基于小波包分解的整循环征兆提取与故障识别方法有效、可行.     

石灰岩声发射频谱特性演化及破裂阶段识别

为获得石灰岩受压破裂阶段声发射识别信息,开展石灰岩单轴压缩声发射试验,获得加载全过程的声发射特征参数及其波形信息,首先结合石灰岩应力与累积能量走势的特征选取 5 个岩石加载破坏过程中的关键点。通过频谱分析与小波包分析,找到石灰岩声发射频谱特征变化规律,获得适合的破裂阶段识别信息;其次利用小波包分解所提取的频带能量占比训练 BP 神经网络,为岩石破裂阶段预警提供双 重保证。研究结果表明：主频值整体呈现先上升后下降的趋势,频谱宽度变化为 200 kHz-300 kHz-200 kHz,频率由单一低频转化为低高频并存后又恢复单一低频;低频高幅为频谱特征的一种主要形态存在;小波包分解将信号频率分为 8 个频段,可将 1、2 低频段之和小于 30%的信号作为特征点,进行岩石破裂预测;以该特征点为界将石灰岩声发射信号划分为两类,训练后的 BP 神经网络能够实现这两类信号的快速准确识别与分类,对于预测岩石破裂阶段有一定价值。     

基于稳态视觉诱发电位的脑-机接口实验研究

为提取应用于脑-机接口系统的稳态视觉诱发电位信号(SSVEP),运用叠加平均与快速傅里叶变换(FFT)相结合的方法,由其频谱图上得到作为输入信号的稳态视觉诱发电位信号.通过实验确定了叠加平均次数与最佳视觉刺激颜色,并对混合闪光刺激下SSVEP的提取进行了研究.实验结果表明,该方法提取出的SSVEP信号能够反映使用者的控制意图,可应用于脑-机接口系统.     

基于Morlet小波滤波的改进方法及仿真研究

基于Morlet小波的滤波方法是新近发展起来信号分析方法,对于提高结构动态测试信号分析精度具有重要作用.本文对该方法的原理与算法进行了分析,指出该方法分析效率较低,尤其是滤波过程对信号阻尼特性有不利影响等问题.在此基础上,提出了基于Morlet小波滤波的改进方法.采用欧洲航空界广泛应用的GARTEUR飞机模型进行数值仿真研究,利用改进前后两种方法对仿真的扫频信号进行滤波,并基于滤波数据进行阻尼参数的识别.结果表明,改进方法计算量小,且较好地保持了信号的阻尼信息,验证了改进方法的有效性.     

子空间分解法在声目标特征提取中的应用

研究用于识别直升机目标声信号的特征提取方法,方法通过对直升机信号频特征分析,采用基于子空间分解的多重信号分类法算法提取信号谐波频率作为目标特征,利用子空产妥将观测数据分解为信号子这僮与噪声子空间特点,抑制噪声干扰,提高识别能力。     

适于MEMS加速度计读出电路带宽可调的低通滤波器

提出了一种适于MEMS电容加速度计读出电路带宽可调的低通滤波器,带宽调节范围为100～8000 kHz。信号频率低于500 Hz时选用开关电容低通滤波器,高于500 Hz的信号则由连续时间低通滤波器来处理。该低通滤波器采用1.2 μm的2P2M的N-阱CMOS工艺实现。设计中分析并解决了因时钟信号引起的制约开关性能的因素：优化的开关时序消除了电荷注入引起的非线性;时钟馈通敏感节点增加虚拟开关抵消了耦合电荷;高PSRR共源共栅折叠式差分输入结构,有效地抑制了来自电源的干扰,改善了电路的性能。     

捷联式旋转导向井斜方位动态解算方法

针对捷联式垂直钻井现场试验,对测量系统井下存储数据进行回放分析,提出捷联式旋转导向井斜方位动态解算方法,即在钻柱不旋转的情况下同时采用三轴实时滤波信号计算井斜方位并存储滤波后的x、y轴信号,在钻柱旋转的情况下采用滤波后的实时z轴信号,不旋转情况下采用存储的x、y轴信号进行计算。将井下钻具的黏滑状态也看作是一种不旋转的"静止"状态,提出利用井下测量数据实时判断钻柱旋转状态的方法,给出井斜方位角解算公式以及动态解算方法流程,并在Matlab软件中编制程序进行仿真验证。结果表明:钻柱旋转过程中的振动是引起井斜方位测量误差的主要原因;所提出的动态测量算法能够有效提高测量精度,减少钻柱振动对井斜方位解算结果的影响。     

基于ICA与PSD的ERD／ERS信号检测

介绍一种基于独立分量分析（ICA）空间滤波结合功率谱密度（PSD）曲线分析法用于提取大脑在想象动作时产生事件相关去同步／同步（ERD／ERS）信号的方法．其检测流程为：先对想象动作诱发的脑电（EEG）信号进行ICA分解得到独立分量与相应的解混矩阵,再按特征频段取其主要分量得到滤波后数据,然后采用短时傅里叶变换计算相关导联EEG信号在特征时段与频段的PSD曲线,引入ERD／ERS系数作为量化指标以进行想象动作的识别．计算结果表明,上述方法能够显著增强运动想象脑电信号的ERD／ERS特征信息,且通过实际分类验证,采用该方法可以获得更高的识别正确率,较传统信息检测方法平均提高8％以上．     

EEG Signal Denoising and Feature Extraction Using Wavelet Transform in Brain Computer Interface

Electroencephalogram (EEG) signal preprocessing is one of the most important techniques in brain computer interface (BCI). The target is to increase signal-to-noise ratio and make it more favorable for feature extraction and pattern recognition. Wavelet transform is a method of multi-resolution time-frequency analysis, it can decompose the mixed signals which consist of different frequencies into different frequency band. EEG signal is analyzed and denoised using wavelet transform. Moreover, wavelet transform can be used for EEG feature extraction. The energies of specific sub-bands and corresponding decomposition coefficients which have maximal separability according to the Fisher distance criterion are selected as features. The eigenvector for classification is obtained by combining the effective features from different channels. The performance is evaluated by separability and pattern recognition accuracy using the data set of BCI 2003 Competition, the final classification results have proved the effectiveness of this technology for EEG denoising and feature extraction.     

关节水平的“共驱动”研究

本文以主动肌和拮抗肌的协同作用机理为依据,从表面肌电(EMG)信号的频率参数和肌肉平均传导速度两个方面,对近年来提出的正常人体神经肌肉系统控制的新理论——“共驱动”概念,在关节水平上进行了探讨和研究,实验结果表明:膝关节的主动肌和拮抗肌在持续恒力收缩下,其表面EMG信号功率谱的归一化中值频率随着时间的增加而同时下降;两路EMG信号的归一化中值频率之间的互相关系数随着收缩力的减小而减小,肘关节的肱二头肌不论是作为主动肌还是拮抗肌,在持续恒力收缩下,由表面EMG信号估计得到的肌肉的平均传导速度均随着收缩时间的增加而下降;肱二头肌作为拮抗肌时,平均传导速度明显高于其作为主动肌时的平均传导速度。     

微弱光信号的极值检测及滤波算法研究

为有效提高微弱光电信号极值检测的精度，通过分析被测信号的变化规律，提出了高精度目标信号极值检测滤波算法，探讨了在理想条件和强干扰条件下的信号检测解决方法。该算法以改进的动态阈值法获得极值初始数据集，通过基于中值数绝对偏差的滑动滤波和加权平均滤波法相结合的方式对采集值进行滤波处理，最终获得信号的极值。实验结果表明，该算法测量结果和实际值相吻合，最小平均相对误差控制在0.1%左右，满足精度要求,测量精度及稳定性高于传统方法。该研究对不同波形微弱信号的高精度极值检测提供了参考依据。     

抑制局部放电混合干扰的浮阈值量化算法

由于局部放电(PD)信号与含有的混合干扰(白噪和窄带)在能量分布频段上存在明显差异,根据小波包变换各节点分解系数能够有效反映被分析信号能量变化的特点,建立一种以反映PD信号分解系数中噪声能量为判据的浮阈值量化算法,使得最优基下各节点阈值随相应节点分解系数中信号噪声强度的变化而变化,自适应地决定各节点最佳阈值选择,以实现对PD信号分解系数更精细划分。通过对含有混合干扰的仿真与实测PD信号的小波包最优分解,分别用传统全局阈值量化算法与笔者建立的浮阈值量化算法进行了干扰抑制效果的对比,结果表明：后者具有更强的抑制混合干扰的能力,且混合干扰抑制前后PD信号波形相似度更高。     

CEEMD与广义形态差值滤波结合的故障诊断方法研究

为了提取滚动轴承早期微弱故障特征信息,提出一种互补总体平均经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)与广义形态差值滤波结合的故障诊断方法.该方法首先对振动信号进行CEEMD分解成若干不同尺度的本征模函数(Intrinsic Mode Function,IMF)分量,利用相关系数-峭度准则来选取故障信息丰富的IMF分量信号,并对其进行重构;然后采用广义形态差值滤波器对重构后的信号进行滤波,以滤除噪声干扰;最后利用Teager能量算子(Teager-Kaiser Energy Operator,TKEO)对去噪后的振动信号进行分析,提取振动信号的故障特征.滚动轴承振动信号分析试验结果证明了本文方法的有效性.