基于离散小波变换的高光谱特征提取中分解尺度的确定方法

近年来,小波变换被成功地运用于高光谱数据的特征提取.其中的关键环节之一是如何确定合适的分解尺度,以获得较高的分类精度.文中提出一种改进的基于相关系数的小波分解最佳尺度的确定方法.该方法首先对高光谱影像进行多尺度小波分解,提取特征图像,然后,计算各个尺度的小波近似系数与原始光谱信号之间的相关系数,根据相关系数的变化趋势确定最佳分解尺度.通过两个高光谱数据验证所提出的方法,并与现有方法进行对比.实验结果表明,所提出的方法可较准确地确定最佳的分解尺度.     

小波回归分析法在短期电力系统负荷预测中的应用

利用多分辨分析的小波变换对短期电力负荷序列进行了分解处理．将负荷序列投影到不同的尺度上,根据其在各尺度上子序列的特性分别进行回归预测．最后将预测结果叠加,得到最佳预测结果．结果表明,该方法能够取得较好的预测精确度．     

基于监测数据的特征小波构造及应用

提出了以监测数据为基础构造特征小波提取数据趋势的新方法，研究了第二代小波变换的预测器、更新器与等效滤波器之间的关系，以及根据等效滤波器设计预测器和更新器系数的原理。为了构造基于监测数据的特征小波，在设计预测器和更新器时，综合监测数据样本的信息，以预测器消失矩作为约束条件，以预测误差作为目标函数，使所构造的小渡能够反映监测数据的局部特征。采用设计预测器和更新器对监测数据分解、闽值处理和重构，得到监测数据的趋势。该方法在某炼油厂机组的峰峰值趋势分析中准确地描述了峰峰值变化趋势。     

电力电子装置周期性故障波形小波矩阵分类法

提出一种基于平稳小波变换和奇异值分解的电力电子装置周期性故障波形的分类方法.该方法利用平稳小波变换的冗余性和奇异值的稳健性.其步骤为:对周期性故障波形进行平稳小波变换,将信号分解到多个小波子空间;将平稳小波变换后的小波系数矩阵奇异值进行分解,即采用K-L变换对子信号进行特征压缩,并以奇异值向量作为特征向量;按照向量的空间距离对故障波形进行分类实现故障的分类诊断.以精确的半导体器件模型建立的PSPICE逆变器故障波形为例,分别用该方法和小波子带能量法对逆变器的IGBT开关故障进行分类.研究结果表明,与采用小波子带能量法相比,采用所提方法能够精确地对22种逆变器断路故障进行诊断,且受小波分解层数的影响较小,分类边界较清晰,其类间距与类内距之比是小波子带能量法的2.5倍,抗噪性能好,正确识别率高5%.     

基于小波变换的信号特征与突变点检测算法研究

采用小波分解可以很好地研究信号的自相似性.小波变换能够分析信号奇异点的位置及奇异性强弱,即通过小波变换后的局部极大值在不同尺度上的衰减特性来衡量信号的奇异性.介绍了小波变换的基本概念,对信号特征和突变点检测算法进行研究,利用小波多分辨分析将突变信号进行多尺度分解,通过分解的信号确定突变点位置.通过Matlab实验,分析了信号奇异点定位和小波检测的结果,当小波变换尺度越精细时,检测突变点位置越精确,验证了小波变换是分析信号自相似性和突变点检测的有力工具.     

非平稳大地测量信号特征信息小波识别

将小波变换和Fourier变换的谱分析结合起来,在时域中记录大地测量信号序列的突变时间,在频域中提取信号突变的频段,通过序列在小波变换各尺度上的小波能量时谱和能量频谱可以得到大地测量内涵的主要复杂过程的有关尺度层次,进而分析、识别内涵的特征信息.仿真实例表明,该方法既保证了特征信息提取的质量,又降低了计算的时空复杂度.对山东基准站的YATI站和WUDI站的年周期、半年周期、季节周期数据进行实例分析,识别提取了特征信息,效果良好.     

一种基于信号相关性检测的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法.该方法以第二代小波变换为基础,在小波变换时提供多组备选的预测器和更新器,用变换样本与相邻样本之间的相关性来检测信号的局部特征,并根据相关系数的大小来确定每一尺度上的每个样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.模拟实验和工程应用的结果表明,该方法克服了传统小波降噪方法丢失原始信号局部信息的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.     

基于EMD和SVD的虹膜特征提取及识别

为克服小波变换和Gabor滤波器提取虹膜特征时小波基函数固定和Gabor滤波器参数需优化选择的问题,提出了一种基于经验模态分解(EMD)和奇异值分解(SVD)的虹膜特征提取方法.首先,对预处理后的虹膜图像进行EMD,将获得的一系列固有模态函数和残差分量构成初始矩阵;然后,对该矩阵进行SVD,以其奇异值作为虹膜特征向量:...     

基于小波-ELM神经网络的短期停车泊位预测

采用小波变换与极限学习机(ELM)相结合的方法对短时空余停车泊位进行预测.首先通过小波函数对有效停车泊位时间序列进行小波分解和重构;然后用ELM对分解后所得的各时间序列进行预测;最后对各神经网络的预测结果进行合成,得到最终的预测结果.预测实例结果表明,该方法缩短了训练时间,提高了预测结果.     

基于Huang变换和ARIMA模型的时间序列预测方法

文中首先通过Huang变换将非平稳时间序列分解为有限个固有模态函数和一个残余函数之和,然后应用ARIMA模型对各个固有模态函数和残余函数进行预测,最后将所有的预测值重构叠加,得到原始时间序列的预测值。实例证明,基于Huang变换和ARIMA模型的时间序列预测方法,优于小波变换、ARIMA模型以及小波变换和ARIMA模型相结合的预测方法,提高了预测精度。     

基于小波包分解的滚动轴承故障诊断

提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.     

一种基于自适应小波变换的矢量量化方法

运用小波变换进行图像压缩的算法其核心都是小波变换的多分辨率分析以及对不同尺度的小波系数的量化和编码.本文提出了一种基于能量的自适应双正交小波变换和矢量量化相结合的算法.即在一定的能量准则下,根据子图像的能量大小决定是否进行小波分解,然后给出恰当的小波系数量化.该方法充分利用了不同尺度间小波系数的相关性并采用自组织特征映射神经网络进行矢量量化.实验表明,该方法获得较高的编码效率和重构图像质量.     

浅析小波最大分解层

针对在小波和小波包分解中最大分解层的确定多凭借经验,同时为避免过度分解造成的假频,提出一个确定最大分解层的实用方法。该方法不仅利用数据长度和小波阶数,还进一步利用数据的振幅谱以及尺度函数和小波函数的中心频率,从而使得该方法能有效避免小波和小波包过度分解产生的假频。实例应用表明了该方法的有效性和实用性。     

GIS局部放电超高频信号复小波的模式识别

为了对模拟气体绝缘组合电器(gas insulated switchgear,GIS)的4种绝缘缺陷产生超高频(ultra high frequency,UHF)局部放电(partial discharge,PD)数据和波形进行识别,用复小波变换对UHF PD信号进行分解,利用均值、方差、偏斜度、陡峭度、能量共5个统计参量对复小波变换的各尺度系数进行量化,构造出能够描述UHF PD信号特征的候选特征子集,引入衡量特征分类能力的分离度指标J作为特征量降维的评判指标,从60个特征量中选取了5个具有较高分类能力的最佳特征量,作为径向基神经网络识别放电类型的输入有效向量,识别结果表明:db系列复小波系数的实部和虚部信息共同描述了PD信号的特征,从中提取的最佳特征量具有较高的分类能力,其中db4复小波的分类效果最好。     

小波包能谱熵与神经网络在断路器故障诊断中的应用

提出了一种以振动信号小波包能谱熵为特征量的断路器故障神经网络诊断方法。利用小波包分解原理将高压断路器振动信号分解到不同频段中,计算各频段的能谱熵值,以此构造小波包能谱熵向量作为神经网络的输入向量,并利用遗传算法对网络的连接权值进行了优化。引入置信度的概念,对改进神经网络输出的故障模式识别结果进行评价。通过试验分析结果表明了该方法的有效性,改进后的神经网络具有新故障模式的识别功能。     

基于WPD-LMD和排列熵的结构损伤识别方法

为了直接从结构响应提取损伤敏感参数,对激励未知情况下的结构损伤模式进行识别,提出了基于小波包分解-局部均值分解方法(wavelet packet decomposition-local mean decomposition,WPD-LMD)和排列熵的结构损伤检测方法.该方法首先对结构振动响应进行小波包分解,将振动信号分解为一系列窄带信号,然后对窄带信号进行局部均值分解,能有效提取低能量分量.通过计算损伤前后分量信号的排列熵,对结构损伤进行了检测,最后通过计算测试数据和样本数据之间的相对排列熵,对损伤模式进行了识别.实验分析结果表明,所提出的方法能有效地对结构损伤进行识别.     

基于格结构的三带小波构造及在图像融合中的应用

提出了一种构造具有正交性、对称性、紧支性以及较高消失矩的三带尺度滤波器与小波滤波器的方法.首先,通过设置尺度滤波器消失矩并转移尺度滤波器的对称性性质,有效地减少了构造尺度滤波器过程中未知量的个数以及计算推导过程的复杂度.在此基础上,利用格结构理论,给出了对具有仿酉特性的多相位矩阵的一种分解方法,并利用这种分解求出了冲击响应长度为9、消失矩为3以及响应长度为15、消失矩分别为3和4的小波滤波器.最后,把所求得的小波滤波器应用到多聚焦图像的融合中.实验结果表明,利用具有上述性质的三带小波进行图像融合可以得到比利用二带小波进行融合更好的效果.     

基于能量和方差标准的图像压缩方法

在对图像进行小波包分解的基础上实现图像压缩．根据小波系数的分布特点严格推导得出：可以用能量和方差作为衡量小波系数重要性的标准,并据此对系数矩阵块进行选择分组,自适应地进行量化,而且不同的量化方式可以共用码表．对低频部分扰动足够小的区域取均值,结合提出的存储方法,在不引入误差的情况下减少了编码负担,在保证图像质量的同时有效提高了压缩比．     

基于小波分解的痕迹灰度图像边缘检测

针对痕迹图像边缘检测的特征，给出了一种新的基于小波多尺度分解的分层图象边缘检测方法，其基本思想是先对源图像进行小波多尺度分解，其次在不同尺度的子带图像上进行基于局部区域特征的软阈值滤波。最后再进行小波重构，以提取图像的边缘。实验结果表明，该算法比其它算法提高了痕迹图像边缘的检测精度，是十分有效的。     

面向结构损伤预警的小波包能量谱识别参数

对Benchmark钢框架结构试验数据和润扬大桥悬索桥监测数据进行了小波包能量谱损伤预警分析,在此基础上详细考察了不同小波函数和小波包分解层次的损伤预警效果.结果表明:Daubechies小波和Coiflets小波适用于结构损伤预警,并且实际工程中应采用较大的小波函数阶次以获取较好的时域分辨能力和损伤预警能力;小波包分...