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。     

基于多分辨率分析和改进离散余弦变换的音频水印算法

提出了一种基于多分辨率分析的音频水印算法.首先通过对音频信号进行小波分解得到信号的时变低频分量,然后通过扩频和改进离散余弦变换将水印信息分散嵌入低频分量;最后通过误差修正获得较高的水印提取准确率.该算法增大了水印信号的嵌入量,在保证水印安全性和隐蔽性的同时,对常见的信号处理还具有较好的鲁棒性.     

基于改进小波变换法的风电场谐波检测

为了提高风电并网电力系统谐波检测的快速性与准确性,提出一种改进小波变换的谐波检测方法。首先,把风电并网系统电压信号的频域空间分割成低频区段与高频区段,针对低频区段信号采用小波多尺度算法分解,针对高频区段信号采用小波包进行分解,得到信号中的基波和各次谐波分量;然后,通过有效地提取出特定频率段的谐波分量进行重构来检测风电并网电力系统谐波;最后,利用MATLAB进行了仿真实验。实验结果表明:该方法能快速有效检测出谐波分量,提高了谐波检测准确度和快速性。     

基于变分模态分解的相关能量熵自适应阈值去噪

为有效抑制噪声对地震数据的影响,根据地震信号的时频特性,提出了基于变分模态分解的相关能量熵阈值去噪方法。采用变分模态分解算法将地震信号分解为频率由高频到低频且具有一定带宽的模态分量,计算各模态分量与地震信号的规范化相关系数,实现对各模态分量中的有效信息和噪声的定位。将去除有效信息的各模态分量分成若干子区间,分别计算各子区间的噪声能量熵,选取能量熵最大区间的模态分量系数作为该分量的噪声方差获得该分量的阈值,再将经阈值处理后的各模态分量重构得到去噪信号。通过对合成地震模型和实际地震信号进行去噪处理,并与直接去除高频分量的变分模态分解去噪方法进行了对比,结果表明,该方法能在强噪声环境下更有效地提取地震信号中的有效成分,提高信噪比。     

一种高精度的自适应码率控制图像压缩算法

针对非完全嵌入编码的图像压缩算法难以实现精确的码率控制问题,提出了一种结合码率预测和压缩后率失真优化的高精度自适应码率控制的图像压缩(HTJ2K-RPRD)算法。首先,根据二维离散小波变换高频子带数据的高斯分布特性,计算量化前高频子带数据的信息熵得到最小平均比特数,用最小平均比特数来估计量化编码后高频子带数据的码率预测值;接着,采用与JPEG2000标准压缩质量相当但复杂度比其低的HTJ2K标准进行图像压缩,根据HTJ2K标准中清理通道的编码特点,粗略计算二维离散小波变换低频子带数据在码流中嵌入的平均比特数,用嵌入的平均比特数来估计编码后低频子带数据的码率预测值;然后,统计所有编码后子带数据的码率预测值来估计基础截断位平面;最后,从基础截断位平面编码产生多个编码通道,对产生的编码通道进行率失真优化以实现自适应码率控制的图像压缩。实验结果表明：HTJ2K-RPRD算法在自适应码率控制的情况下可实现带宽受限压缩系统的定码率压缩,且复杂度更低;在不同位深和像素大小的图像上的压缩码率控制精度可达99.997%。     

电力消费量周期性分析

在经验模式分解的基础上,根据多分量信号的一些特点,分析了多分量信号的数学基础．并从信号的瞬时频率和瞬时带宽出发,提出了基于带宽的停止准则,改进了筛算法．将该算法应用于电力数据分析,得到电力消费分解数据,并在此数据上得到关键性的结论,以指导电力分配．     

基于散度的不同焦点图像融合方法

把散度的概念引入到图像分析中,考虑到图像在不同方向上的性质不同,提出了一种基于散度的相关性拉普拉斯变换不同焦点图像融合算法.首先对源图像进行相关性拉普拉斯分解,获得图像的低频和高频分量;然后对低频分量采用平均能量法进行融合,对高频分量利用图像梯度场的散度作为显著性特征进行融合;最后对融合后的图像分量进行拉普拉斯反变换重构出融合图像.实验结果表明该方法的保真度更高,边缘信息保留性能更好.     

基于经验模式和全变分模型的图像去噪方法研究

文章利用经验模式分解算法的自适应性及高频噪声的强获取能力.对图像进行分解得到固有模式分量.再运用全变分模型对高频的固有模式分量进行去噪处理,处理后的分量与其他未进行处理的低频固有模式分量及剩余模式进行合成.采用峰值信噪比来比较处理后的加噪图像与处理前的加噪图像.结果表明该方法在提高峰值信噪比的同时,也使得图像的主观视觉效果更好.     

CEEMDAN自适应阈值去噪算法在地震方向的应用

提出一种基于自适应完备集合经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)的自适应阈值去噪算法。含噪信号经CEEMDAN算法分解成若干个模态分量(IMF,intrinsic mode functions),根据样本熵理论,对IMF分量中高频分量自适应选取,根据噪声和有用信息与原始信号的相关性不同,对高频分量中的噪声系数定位,利用能量熵选取噪声主区间,用高频分量中噪声主区间的噪声系数方差作为阈值,对高频分量进行阈值去噪,进一步去除噪声,保留高频中的有用信息,最后将信噪分离的高频分量和低频分量重构。分别对合成和实际地震信号去噪处理,并与常规去噪算法进行对比。数据仿真和实验结果表明,在原始信号信噪比为0.5dB时,常规与改进算法去噪后信噪比分别为4.55dB和9.97dB,大幅提高信噪比,达到随机噪声压制的目的,实现了高频分量的自适应选取和高频分量中有用信息的再提取。     

基于DCT域采样和重建的低码率图像压缩算法

本文构建了一种基于DCT域采样和超分辨率(Super Resolution, SR)重建的低码率图像压缩编码算法。在编码端对原始图像进行分块离散余弦变换（DCT）,并提取每个DCT系数块的低频系数,然后再反变换到空间域,从而得到在DCT域下采样的低分辨率（Low Resolution,LR）图像块。用JPEG标准对下采样图像块编解码后,采用基于学习的方法恢复DCT域高频系数,重建出高分辨率（High Resolution, HR）的图像。实验结果表明,在码率较低的情况下,本文算法比JPEG编码标准具有更好的率失真性能;同时,在相同码率下,本文算法重建的解码图像视觉效果更好。     

基于本征模函数的轨道质量评价方法

为了更合理有效地评价轨道质量,将轨道不平顺波长因素纳入轨道质量评价中,提出基于本征模函数(intrinsic mode function,IMF)的轨道质量评价方法——轨道质量能量指标(track quality energy index,TQEI).通过对轨道不平顺数据进行经验模态分解得到对应波长频段的不平顺IMF,利用频谱分析的方法求得各个IMF的能量;将各个IMF的能量与总能量的比值作为特征向量,并进行量纲一化处理,从而得到轨道不平顺IMF的能量系数;利用能量系数求得TQEI通过理论推导证明了轨道质量数(track quality index,TQI)是在不考虑波长因素作用下轨道质量能量指标的特殊形式.最后,以京广提速干线轨道不平顺数据为例,对比分析了实际检测数据TQEI与TQI的关系.结果表明:轨道质量能量指标是对TQI的细化和延续,其既起到了TQI的幅值管理作用,又可以弥补TQI在波长及幅值管理方面的缺陷,可以准确有效地对轨道质量进行评价.     

经验模态分解中的频域分辨率及其改进方法

经验模态分解(EMD)的主要目的是提供满足Hilbert变换要求的单组分或窄带信号.针对EMD中由于模式混淆以及信号间相互作用带来的单个本征模态函数带宽过大的不足,对单次EMD分解结果本征模态函数的带宽进行了研究,计算了其瞬时频率分辨率,以此为依据提出了经验模态分解中限制当前信号带宽的改进屏蔽信号方法.此方法完全解决了模式混淆的问题,尽可能地减少了经验模态分解中信号相互作用的不利影响,有效地提高了本征模态函数经H ilbert变换后其瞬时频率表达的频域分辨率.     

一种用于高动态图像的自适应编码方法的改进研究

高动态图像亮度变化范围较大,当前编码方法采用DCT技术描述高动态图像信号的变换,无法准确描述图像细节、频率突变的高动态图像信号,导致编码后图像的极亮和极暗区域可视性低、细节不丰富。提出一种新的用于高动态图像的自适应编码方法,分析了高动态图像编码过程,通过小波变换实现高动态图像信号描述形式的自适应变换,对高动态图像进行多尺度分解,获取不同尺度的高动态图像信息,得到子带图像;对各子带图像的小波系数进行量化,以达到提高图像码率的目的。在此基础上,选用Log Luv(TIFF)编码方法,对高动态图像信息数据间的统计相关性进行滤除,完成高动态图像的自适应编码。实验结果表明,采用所提方法对高动态图像进行编码后,得到的图像质量较高;且在编码效率较低的情况下,仍能保持较高的图像质量,编码性能明显优于预测编码方法。     

基于变分态分解与灰狼优化支持向量机的齿轮箱故障诊断

由于行星齿轮齿轮箱的振动信号具有非平稳、非线性特性,在复杂工况下,会对其早期微弱的故障信号造成干扰,不能正确地识别出故障信息。为解决以上问题,采用基于变分模态分解(variational mode decomposition, VMD)与灰狼优化支持向量机的故障诊断方法。利用中心频率近似方法,求解出了变分模态分解的参数K,对分解出的本征模态函数(intrinsic mode function, IMF)分量进行相关性分析,优选出分量进行信号重构。将重构信号进行故障特征提取,利用灰狼优化支持向量机的方法进行故障模式识别。实验结果表明：采用所提方法对行星齿轮箱的故障识别准确率达到99.375%。     

基于VMD与改进DAE人车地震动包络信号识别算法

摘　要解决对野外环境中低信噪比的人车地震动信号进行分类时传统模式识别方法应用不便，以及识别率较低的问题，通过基于包络检波、变分模态分解（VMD）和改进的深度自编码器（DAE）的特征提取算法研究了针对该类信号的处理方法和特征提取方法。首先对目标的地震动信号进行希尔伯特变换，获取信号的平滑包络线，然后对包络线进行变分模态分解，并用相关系数对分解得到的IMF信号进行筛选，并将相关度较高的分量加权合成为高信噪比的中间信号，再对其使用改进的深度自编码器中进行特征提取。最后使用泛化性能好的随机森林算法对信号进行分类，从而实现对人车目标的识别和分类。结果表明：该算法对两类目标综合识别正确率较其他传统算法有较大提高。可见该算法针对该类目标有应用价值。     

基于EMD闪光视觉诱发电位的单次提取方法

探讨了基于EMD方法的单通道闪光视觉诱发电位(FVEP)信号的单次提取方法.应用EMD方法的自适应多分辨率特性,首先把单通道闪光视觉诱发电位信号进行EMD分解,然后根据FVEP的频率特征,选择对应的IMF分量进行重构,得到有效去噪后的FVEP信号,可实现FVEP信号的单次提取.与目前临床最常用的叠加平均方法比较,说明利用EMD方法单次提取的FVEP信号能够准确反映FVEP的典型特征信息,满足了临床应用要求.     

基于子带编码的数字音频水印算法研究

子带编码属于频域编码,根据子带编码的这种频域特性,我们可以运用滤波器将秘密的语音信号分为高频子带和低频子带,然后将秘密的语音信息嵌入到低频子带中,以达到秘密传输的目的。     

基于经验模态分解的齿轮箱故障特征提取

利用小波去噪阈值法对齿轮箱故障振动信号进行去噪,将经验模态分解(EMD)和快速傅里叶变换(FFT)相结合对齿轮箱故障进行特征提取,此方法适合于对非线性非稳态信号进行自适应的分析.利用小波阈值去噪方法对原始信号进行预处理,将去噪后的信号进行经验模态分解,得到一定数量的本征模态函数(IMF)分量,选取特定的IMF进行FFT,得到相应的功率谱,从而达到提取齿轮箱故障特征频率的目的.对齿轮箱故障信号进行分析,结果表明该方法能够有效地识别出齿轮箱故障特征频率.     

G.729.1 算法的改进与 DSP 全汇编优化设计

在G．729．1宽带语音编码算法中,时域混叠编码器的谱包络编码根据帧内子带的相关性,采用差分霍夫曼编码来减少编码的比特分配。针对相邻帧对应子带的谱包络存在相关性,给出了在原有谱包络编码模式的基础上,增加一种帧间对应子带差分霍夫曼编码的模式来进一步减少谱包络的编码比特数,从而提高合成语音的质量。由于G．729．1可以根据信道的特征随时调整编码速率以取得更好的宽带语音质量,这使得该编码算法具有很高的复杂度。为了能在数字信号处理器（digital signal processor,DSP）上实时实现G．729．1,结合TMS320VC5505数字信号处理器对G．729．1算法采用全汇编实现,并对汇编后的G．729．1代码做了进一步的汇编优化,优化后的G．729．1算法在保证了高质量语音输出的同时,提高了编码效率,实现了对语音信号的实时处理。