小波尺度谱在吸毒者脉象信号检测中的应用

定义了离散时间信号的低频尺度谱、高频尺度谱和小波包变换的尺度谱,从而为尺度一小波能量谱赋予明确的物理意义.借助Mallat算法和小波包变换算法分别对15例海洛因吸毒者和15例正常人的脉象信号进行了分析,发现吸毒者的脉象信号在特定区域内的尺度-小波能量与该信号总能量的比值明显高于正常人的对应值.将该比值作为判断正常人和吸毒者的特征参量,提出了用于划分正常人和吸毒者的临界参数.据此,15例正常人从30例受测者中全部被正确地检测出来,但在每一种小波变换算法中均有2例吸毒病人被误判为正常人.研究结果表明,文中的两种分析方法都是检测海洛因吸毒者脉象信号异常的有效且可行的方法.     

小波变换在吸毒者脉象信号分析中的应用

根据脉象信号的随机特性，采用小波变换中的多分辨率分析算法对其进行分析，旨在提取海洛因吸毒者脉象信号的异常信息，并得出区分正常人与吸毒者的初步的判断依据．基于小波变换的脉象信号的尺度谱携带有人体健康状况的重要特征信息．对15例海洛因吸毒者和15例正常人的脉象信号进行分析，提取出每例信号的尺度谱和该信号的总能量，发现吸毒者脉象信号在特定尺度与时间区域内的尺度谱之和（即尺度-小波能量）和该信号总能量的比值明显高于正常人．以该尺度与时间区域内的尺度-小波能量和该信号总能量之比的百分值作为判断正常人和吸毒者的特征参量，提出了用于划分正常人和吸毒者的临界参数．据此，15例正常人从30例受测者中全部被正确地检测出来，但有两例吸毒病人被误判为正常人．结果表明，该方法是检测海洛因吸毒者脉象信号异常的有效且可行的方法．     

连续小波变换在中医脉象信号处理中的应用

小波变换具有良好的时频局域化性质，适合于非平稳信号的处理。脉诊是中医诊察疾病的重要手段，脉象反映的是人体的生理与病理信息，脉象信号具有随机性和非线性等特点。应用连续小波变换分析了15例海洛因吸毒者和15例正常人的脉象信号，提取了吸毒者脉象信号中的异常信息，为戒毒治疗的评估与改进提供客观依据。在尺度0.1、0.2、0.3和0.4下，对每一例脉象信号分别进行了处理，发现在0.2-0.4s时间间隔内，海洛因吸毒者和正常人脉象信号的连续小波变换系数间存在显著差异，并提出了用于划分海洛因吸毒者一正常人的临界参数。研究结果表明，连续小波变换是处理脉象信号的有效方法。     

脉象信号的特征提取与识别方法

中医脉象信号的研究在中医诊断中具有重要的意义。为了探索由中医脉象信号识别海洛因吸毒者的有效方法,研究了中医脉象信号特征提取的倒双谱与三阶倒谱熵算法。在简洁而准确地论述算法的基础上,估计了20例海洛因吸毒者与20例健康正常人脉象信号的倒双谱的对角切片分量。在大量实验结果的基础上,选取对角切片在m=n=1处的抽样幅值、在特定区域内抽样幅值的三阶倒谱熵作为每例脉搏波信号的2个特征参数,并构成特征向量。以平方马氏距离为准则设计了分类器,该分类器对40个特征向量的准确识别率为87.5%。研究结果表明,提出的特征提取与分类器设计方法对海洛因吸毒者脉象信号的识别具有一定的意义。     

双谱估计在中医脉象信号分析中的应用

根据脉象信号的非高斯随机特性，应用双谱估计对其进行分析，旨在提取吸毒者脉象信号的异常信息，并得出初步区分正常人与吸毒者的判断依据．在信号处理过程中，双谱的相位携带有脉象信号的重要特征信息．采用双谱估计分析法中的非参数化间接算法对15例海洛因吸毒者和15例正常人的脉象信号进行了分析，提取出双谱估计的平均相位值，发现吸毒者脉象信号在特定频率区域内的平均相位值Ph一般低于正常人的Ph值．以平均相位值作为判断正常人和吸毒者的特征参量，提出了用于划分正常人和吸毒者的临界参数，据此15例正常人全被检测出来，但有1例吸毒病人被误判．研究结果表明．非参数化双谱估计是分析脉象信号的有效且可行的方法．     

中医脉象信号的短时傅里叶分析

众所周知，短时傅里叶变换是信号时频分析的变换方法。连续短时功率谱表示信号在连续时间与连续频率平面内的能量分布，而离散短时功率谱表示信号x(n)在离散时间与连续频率平面内的功率分布。应用全极点滑动窗递归算法，分析了15例吸毒者和15例正常人脉象信号的离散短时功率谱，发现吸毒者脉象信号在特定时频区域内的平均功率值P1一般高于正常人的值。以平均功率P1与总平均功率P的比值为特征参数，提出了用于划分正常人和吸毒者的临界参数，据此15例吸毒者全被检测出来，但有两例正常人被误判。研究结果表明，短时傅里叶变换是分析脉象信号的有效方法。     

基于小波多分辨率系数模值的并发故障检测方法

提出了利用小波分析技术进行信号奇异性检测的多重并发故障检测方法。利用小波多尺度分解技术,将信号进行多尺度的小波分解,得到不同尺度下的信号高频分量的小波系数模值,并根据奇变信号和噪声信号小波系数模值的差异,采用软阈值去噪法,对其高频分量小波系数进行去噪处理,获取不同尺度上突变信号的小波系数模值,实现对故障的检测,并可根据不同尺度上小波系数模值的对应关系,实现对多重并发故障的区分。对电网信号分析的仿真结果证实了该方法的正确性和可行性。     

基于改进二进制小波变换的图像边缘检测算法

针对传统二进制小波变换在图像边缘检测应用中的不足，提出了基于改进二进制小波变换的图像边缘检测算法．该算法首先按水平、垂直和对角方向对图像进行改进的多尺度二进制小波变换，提取三个方向的小波系数，然后采用相邻尺度小波系数相乘的方法去除图像的噪声．再对去噪后的小波系数乘积极大值点进行检测，最后将这3个方向上的极大点进行融合，形成图像的边缘．     

吸毒者脉象异常的现代谱分析法

采用PVDF脉搏传器,将采测者左手官位的脉象信息采集到计算机中,并以数据文件格式存储。利用现代谱分析法,随机选取受测者40个连续心动周期的脉象信号,分别对每一心动周期的脉象信号作现代功率谱估计到40幅功率谱图,取其平均值得到平均功率谱。从平均功率谱图中可以看出,吸毒者和正常人的分布有显著差异,将平均功率谱图中的频率轴0－20Hz分为7个频段,对每一位受测者的平均功率谱计算特定频段上的功率分布,从而获得用以多区分吸毒者和正常人的初步判据。将此判据用于30例受测者,其中15例的海洛因成瘾者,另15例为下人,区分吸毒者与正常人的正确率为93．3％,研究结果表明,现代谱分析法是分析吸毒者脉象异常的有效手段。     

人工神经网络在中医脉象信号检测中的应用

人工神经网络是在结构上模仿生物神经连接的连接型网络,经训练的网络可用来进行模式分类,信号处理与检测等.针对海洛因吸食者的脉象信号与正常人脉象信号的特征差异,成功地应用BP网络对15例海洛因吸食者和15例正常人的脉象信号进行了识别.为此,建立了一个40～20～1的二层BP网络模型,选取每一例脉象信号的一段特征信号作为网络的输入信号,采用了训练样本和加噪声的训练样本分别训练网络的方法.论文还比较了共轭梯度法与基本BP算法训练网络的快慢问题.实验结果除1例正常人被误判外,吸毒病人全被检测出来,网络达到了96.7%的识别率,其结果说明训练的网络对检测脉象信号是十分有效的.     

基于小波变换的分级图像检索

提出了一种基于小波变换的分级图像检索方法，对图像的色彩分量进行Daubechies小波变换，提取低频及高频信息构建特征向量.将查询图像与数据库中图像的特征向量进行方差、不变矩和向量夹角余弦值的分级筛选，取得了较好的检索效果.     

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。     

海洛因成效是脉象异常的分析

提取生物医学信号中的特征信息,为医学诊断提供决策支持,是生物医学工程发展的一个重要方向。利用谱估计的方法,对15例海洛因成瘾者和15例正常人的脉博信号的功率谱进行了分析,计算了每一功率谱特定频段上的功率分布,发现海洛因成瘾者和正常人的脉搏信号的功率分布有显著,差异并给出了初步的判据,由此判据,15例海洛因成瘾者中的13例予以辨别。研究结果表明,海洛因成瘾者脉搏信号的频域分析是一种有效的方法。     

Implementation of Texture Based Image Retrieval Using M-band Wavelet Transform

0　IntroductionItisbecomingwellknownthatsignalandimageprocessingaregettinggreatimprovementsinperfor mancebyusingwaveletbasedmethods.Wavelettheoryhasbeenfoundtobeausefulapproachinsignalandimageprocessing .Theresultsofwavelet basedimageanalysismethodsaresuperiortothoseobtainedbyusingtraditionalapproaches[1 ,2 ] .But 2 bandwaveletanaly sisisnotaveryeffectivemethodforfeatureextractionorpatternrecognition ,forthepartitionofhighfre quentbandsisquitecoarserin 2 bandwaveletdecom position ,whichisnot…     

基于小波变换和改进PCA的人脸特征提取算法

针对在人脸图像高维数据降维时单纯使用主成分分析(PCA)算法的提取精度和速度受限问题,  提出一种基于小波变换和改进PCA的混合特征提取算法. 该方法首先对人脸图像进行小波分解, 选取低频分量对人脸图像进行特征提取;然后利用改进的PCA算法进行主成分提取, 获得代表人脸特征的特征向量; 最后将该算法应用于Olivetti Faces人脸库数据集的图像分类. 实验结果表明, 经过该混合算法处理后的图像特征数据, 由卷积神经网络(CNN)算法分类识别时准确率提升10%, 识别速度提高约37%.     

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.     

信号瞬变成分检测与提取及其在故障诊断中的应用

研究基于小波变换的信号瞬变成分检测与提取方法及其在机械故障诊断中的应用 .在分析信号的连续小波变换的模极大值理论的基础上 ,指出连续小波变换系数的模与信号瞬变成分的关系 ;通过分析小波函数的性质 ,分析小波函数对信号的连续小波变换的影响 ;在信号瞬变特征的提取过程中 ,提出基于门限值的特征重建方法 .将该方法应用于齿轮箱振动信号中瞬变成分的检测与重建 .结果表明基于连续小波变换方法能有效检测到信号中的瞬变成分 ,瞬变成分的重建结果有效地表示了机械的故障状态 .     

Implementation of texture based image retrieval using<Emphasis Type="Italic">M</Emphasis>-band wavelet transform

Wavelet transform has attracted attention because it is a very useful tool for signal analyzing. As a fundamental characteristic of an image, texture traits play an important role in the human vision system for recognition and interpretation of images. The paper presents an approach to implement texture-based image retrieval usingM-band wavelet transform. Firstly the traditional 2-band wavelet is extended toM-band wavelet transform. Then the wavelet moments are computed byM-band wavelet coefficients in the wavelet domain. The set of wavelet moments forms the feature vector related to the texture distribution of each wavelet images. The distances between the feature vectors describe the similarities of different images. The experimental result shows that theM-band wavelet moment features of the images are effective for image indexing. The retrieval method has lower computational complexity, yet it is capable of giving better retrieval performance for a given medical image database. Foundation item: Supported by the National Natural Science Foundation of China (69983005) Biography: Liao Ya-li(1979-), female, Master candidate, research direction: distributed network communication and multimedia information processing.     

基于小波变换的数字调制信号特征提取

小波变换的多分辨率特性对暂态信号有很强的检测能力,数字信号在不同码元之间呈现出幅度、频率和相位瞬变现象.文讨论如何利用小波变换对数字调制信号的瞬变特征进行提取,实验表明该方法对数字调制信号幅度、频率和相位的瞬变特征能够进行有效的检测.