基于改进灰色模型的MEMS陀螺仪零偏温度补偿

微机电系统(micro-electro mechanical system,MEMS)陀螺仪的零点漂移是影响陀螺仪测量精度的主要因素.针对MEMS陀螺仪零点漂移随温度变化的非线性问题,以MEMS惯性传感器为试验对象,采用小波变换对MEMS陀螺静态实验零偏数据进行滤波,结合改进灰色预测模型估计零偏随温度变化趋势,获得基于小波变换和改进灰色预测的温度补偿模型.与常规补偿模型算法比较表明,基于小波变换和改进灰色预测的温度补偿模型均方根误差和平均绝对误差更小,MEMS陀螺仪零点漂移的均方根误差和平均绝对误差分别减少到0.025 0和0.018 0,验证了该补偿模型的可行性,对提高陀螺测量精度具有较好的理论意义和工程应用价值.     

小波包变换和隐马尔科夫模型(HMM)在液压系统故障预测中的应用

针对液压系统性能参数的退化特点,提出了一种小波包变换和隐马尔科夫模型(HMM)相结合的液压系统故障预测方法.该方法对采集的振动信号进行小波包变换,提取能量特征,分别使用正常状态,经过轻度退化状态、中度退化态和高度退化态,最终达到故障状态的全过程数据训练HMM,建立性能评估模型,然后进行模式识别,实现液压系统的故障预测.最后,通过试验研究,验证了所提出的方法的可行性和有效性.     

国际油价预测之新思想——分时间段类型研究

站在全新的角度——在不同类型的时段分别研究油价预测模型的优劣.通过小波变换对油价序列进行奇异性分析,将油价序列所处的时间段分为两类:含奇异点时段,不含奇异点时段.并在不同类型的时段分类比较多元回归模型、延迟因变量回归模型、神经网络模型的拟合预测效果,最终得出无论何时进行油价预测,在上述模型中效果最为理想的是神经网络模型.     

基于三维小波变换和上下文量化的高光谱图像压缩

提出了一种基于三维小波变换和上下文量化的高光谱图像压缩算法.该算法先利用三维小波变换去除高光谱图像在谱内和谱间的冗余信息,然后建立了一个高维时、频域的上下文预测模型以分析小波系数之间的相关性,并通过对增加条件熵的理论分析,合理地对该模型中的上下文进行量化,得到合适的编码上下文用于自适应的算术编码.试验结果表明,该算法不仅明显优于基于二维小波变换的JPEG2000标准,而且相对于同样基于三维小波变换的三维分层树集合分裂算法也有较大的提高.     

小波-RBF短期风电功率预测

鉴于风功率预测是风电并网的关键环节之一,风力发电具有波动性、间歇性、随机性特点,首先利用小波变换对历史风功率数据进行分频段分析,然后根据风功率数据高低频的特点分别利用径向基神经网络建立预测模型,最后通过小波重构获得预测信号.通过算例分析,验证了该预测方法具有较高的准确性和实用性.     

应用小波变换和支持向量机的商业电力负荷预测

提出一种基于小波分解和支持向量机相结合的模型,将其应用于预测商业建筑电力负荷.首先,基于商业建筑配电系统的数据采集系统实时监测数据,分析商业负荷用电特性,指出商业负荷的随机特性造成单一预测模型精度难以满足要求.其次,提出了一种基于小波分解和粒子群支持向量机的商业电力负荷预测算法.通过小波变换把负荷序列分解为不同频段的子序列,再对这些子序列分别采用不同的粒子群支持向量机模型进行预测,引入粒子群算法对支持向量机模型参数进行寻优.最后,将各分量预测值重构得到最终预测值.实验结果证明:小波分解后和粒子群支持向量机相结合的模型精度明显优于单一支持向量机模型.     

基于小波变换和优化预测器的瓦斯浓度预测

为了准确预测煤矿瓦斯浓度,提出一种基于小波变换和优化预测器的预测方法.用瓦斯浓度序列分解到小波函数空间(或尺度函数空间)上的能量作为尺度能量,依据尺度能量与满足预测精度的最大误差能量的比值关系,确定小波最佳分解级数.通过小波分解降低瓦斯浓度序列的复杂度,引入延时映射,将小波分解后各个分量转化为具有历史特征的新样本分别进行预测,所得到结果进行叠加为最终预测结果.提出基于预测残差方差比检验的最佳延时单元数确定方法,以预测残差的F检验值作为适应值,采用粒子群算法优化预测器的参数.结果表明:单一的BP人工神经网络(BP_ANN)或支持向量机(SVM)所建立的预测方法对某些瓦斯浓度突变数据的预测有过拟合现象,其预测结果的平均误差大于23%,小波变换后的组合预测方法对于瓦斯浓度突变数据具有较好的跟踪能力和反应速度,采用预测模型的最佳参数后,预测器性能显著提高,平均误差小于10%,表明所建议的方法是可行和有效的.     

基于多小波的北京市房屋市场价格的分析预测

针对房价波动大的数据特征,将多小波分析与房价预测问题结合,以北京市2010—2018年的房屋数据作为研究对象,探究了利用Haar小波变换、Daubechies系列小波变换以及基于过采样预处理的GHM多小波变换和CL多小波变换处理房价数据的分解重构效果,并通过对高频系数进行门限阈值量化重构处理以达到去噪的目的;建立支持向量机（SVM）预测模型,通过探究4种小波处理方法对房屋价格预测的影响结果,给出了相应预测效果更佳的数据处理方法和选择依据。     

基于小波神经网络的短时客流量预测研究

提出了基于小波神经网络的短时客流预测方法。对具有动态性,受多种因素影响的城轨的客流量进行短时的预测。通过建立小波神经网络对于城轨进行每隔15 min客流量预测。示例结果表明,所建立的小波神经网络的预测模型比其他的典型的预测模型预测精度高,误差小。     

基于小波分解的径流非线性预测

利用小波变换原理将具有非平稳特征的径流序列进行分解，使其平稳项与随机项分离。对平稳项采用传统的AR模型加以预测，而通过对随机项的混沌特征研究，发现其具有明显的混沌特征，进而提出了基于非线性混沌动力学的预测模型方法。最后通过小波对所提出的AR NCDF预测模型预测结果予以重构，实现对原始径流序列的预测。该方法通过实例验证具有较高的精度，是一种实际可行的方法。     

小波变换和沃尔什变换在测井曲线分层中的联合应用

在分析单独利用小波变换或沃尔什变换进行测井曲线自动分层所存在的优势及弊端的基础上，依据沃尔什方法能适用多测井曲线分层和小波方法更能表征信号突变点的特点，提出了一种小波变换和沃尔什变换联合的测井曲线自动分层方法，该方法能有效地结合两者在测井曲线分层巾的优势并弥补各自的不足。实际测井资料的处理结果表明，与小波变换分层方法和沃尔什变换分层方法相比，该联合方法简单、快速、有效，更适合实际测井资料的处理。     

一种多尺度数据融合模型的工程实践与相关理论问题

为解决不可重复测量物理量的真值估计问题,提出了一种"多尺度数据融合模型",该模型采用多传感器对同一物理量同时进行测量,对各个传感器的测量结果进行小波变换,并在不同小波尺度域对各个传感器的测量值进行多尺度加权平均,通过逆小波变换得到待测物理量的真值估计。笔者对该模型进行了分析和总结,包括对相关领域研究的评述,在此基础上,给出了数据融合定理及一些重要的推导及结论。     

基于小波变换和奇异值分解的模态参数识别方法

提出了一种新的基于小波变换和奇异值分解相结合的结构模态参数识别方法.该方法首先对环境激励下的结构加速度响应信号进行互协方差分析,得到时域互协方差响应,通过小波变换将互协方差响应转换到时频域中得到信号的时频系数并沿每一个尺度点提取协方差响应的小波系数阵,然后对提取的小波系数阵进行奇异值分解得到奇异值和奇异向量,最后从重组的奇异值和奇异向量中识别出结构的模态参数.文章对提出的方法进行了理论证明,通过三自由度系统的数值算例验证了该方法的可行性,表明与直接小波变换方法相比,其识别结果精度更高.     

基于小波域KL变换的地质雷达信号处理技术研究

为了克服现有信号处理算法对地质雷达直耦波和噪声滤除的不足,基于KL变换和小波变换进行算法融合设计,提出一种适用于地质雷达信号滤波的小波域KL变换方法。采用电磁波时域有限差分法模拟雷达检测过程,并基于理想无噪声的雷达仿真信号设计验证实验,通过与KL变换方法、小波阈值去噪方法的对比,对小波域KL变换方法的滤波效果进行定量分析和评价。实验结果表明:小波域KL变换对于直耦波的辨识能力较强,用于地质雷达信号直耦波的去除可以取得理想的效果;在采用KL变换和小波变换滤除噪声时,去噪信号的信噪比分别为10.16和15.12,而小波域KL变换对应的结果为18.34,对于噪声的滤除具有更好的效果;同时,小波域KL变换滤波结果对小波函数和分解层数的敏感度较低,对于深部噪声信号的辨识能力亦较强。基于地质雷达实测数据的测试结果同样验证了小波域KL变换方法在实际工程应用中的良好性能。     

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.     

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.     

基于改进S变换的语音信号时频分析

STFT分辨率固定,小波变换会出现局部相位信息且时间-尺度关系不适合直观视觉分析。提出基于改进S变换的语音信号时频分析。样条小波作为小波变换母小波乘以相位因子得到改进S变换,具有多分辨率和相位因子,并适合直观视觉分析。仿真实验得到的时频分布结构图与STFT、小波变换分布比较,显示改进S变换时频结构更加细致。     

A multiple copyright identification watermarking algorithm based on code division multiple access

A multiple watermarking algorithm is presented according to the multiple accessing technique of the code division multiple access (CDMA) system. Multiple watermarks are embedded into digital images in the wavelet transform domain. Each of the watermarks is embedded and extracted independently without impacts to each other. Multiple watermarks are convolution encoded and block interleaved, and the orthogonal Gold sequences are used to spread spectrum of the copyright messages. CDMA encoded watermark messages are embedded into the wavelet sub-bands excluding the wavelet HH1 sub-bands. The embedment amplitude is decided by Watson's perceptual model of wavelet transform domain, and the embedment position in the selected wavelet sub-bands is decided randomly by a pseudo-random noise (PN) sequence. As a blind watermarking algorithm, watermarks are extracted without original image. The watermarking capacity of proposed algorithm is also discussed. When two watermarks are embedded in an image at the same time, the capacity is larger than the capacity when a single watermark is embedded, and is smaller than the sum of the capacity of two separately embedded watermarks. Experimental results show that the proposed algorithm improves the detection bits error rate (BER) observably, and the multiple watermarks have a preferable robustness and invisibility.