InSAR技术在安庆铁路长江大桥变形监测中的应用

桥梁变形监测是桥梁结构健康监测的重要内容之一,合成孔径雷达干涉测量(InSAR)是监测桥梁结构变形的一种有效方法。基于InSAR技术的PS-InSAR数据处理方法,利用精确配准的系列雷达图像,可检测大型结构的垂直和水平方向上的微小形变。通过采用欧空局的Sentinel-1卫星IW模式的59景SAR影像,利用PSI技术对安庆铁路长江大桥进行变形监测。研究表明,大桥的斜拉索反射信号很弱,该大桥的变形主要是由热膨胀引起的沿桥梁纵轴的水平变形。结合桥梁长度,计算得到桥梁材料的热膨胀系数为10.65e-6/℃,与桥梁所用的钢材材质性能基本一致。结果显示,桥梁没有发生异常的形变,同时证明了C波段中分辨率的Sentinel-1SAR影像可用于铁路斜拉桥热膨胀变形监测。     

基于小波分析提取大跨径公路桥梁运营期GPS变形监测中的动态特性

针对运营期大跨径公路桥梁GPS动态监测数据受观测环境污染导致无法准确提取桥梁动态特性的问题,研究了利用小波分析技术从GPS观测数据中提取大跨径桥梁动态特性时4种常用小波阈值的选取准则,提出了基于分层、分段的处理方法处理桥梁GPS动态监测数据在不同阶段产生的不同大小振幅和噪声,最后将小波包技术应用在桥梁GPS动态监测数据高频阶段有用信号的提取。以苏通长江公路大桥作为研究对象进行试验,分析显示4种小波阈值中固定阈值存在过度去噪的现象,而自适应阈值在去噪的同时可以保存桥梁GPS监测数据丰富的实际特征,采用分层、分段的方法对桥梁GPS动态监测数据进行处理,结果表明该方法既可得到光滑的去噪结果,又能够最大程度地保留桥梁信号的特征,使提取的大跨径桥梁变形信息更为丰富。对比分析小波包法与小波法的去噪结果,表明基于小波包法在对桥梁GPS动态监测数据去噪的同时能够保留桥梁高频信号中更多的有用动态特性。     

几种函数逼近方式的逼近能力比较与综合

介绍了Fourier变换、小波变换、神经网络、小波神经网络、多小波和多小波神经网络几种不同的函数逼近方式，对这几种函数逼近方式中的基函数性能作了详细比较，发现基函数的性能越好，其函数逼近效果一般来说也越好，并对这几种函数逼近方式的表达式进行了比较和综合。     

小波神经网络逼近非线性函数算法

介绍用于函数近似的一种新型神经网络——小波神经网络,该小波神经网络采用的函数是sigmoid函数的组合.文中从理论上阐明了小波神经网络对某些时频有限的非线性函数的逼近能力,并实际建立了一个前馈小波神经网络,同时讨论了如何选择小波母函数及如何减少该神经网络规模的算法.实验结果表明这种小波神经网络可以在较小规模的基础上实现对这类非线性函数的逼近.     

GPS动态观测中的小波分析

为了保障建筑体的安全,需要对其进行变形监测,将GPS动态监测技术应用于变形监测成为主要的技术。GPS提供了海量的监测数据,但由于受到各类复杂因素的影响,监测数据中会存在粗差和噪声,影响变形信息获取。为了有效提取真实变形信息,将小波分析技术应用于GPS监测数据处理,首先将小波分析应用于粗差探测,然后将小波分析应用于数据滤波,并与傅立叶变换滤波进行对比分析。结果表明:小波分析具有很好的粗差探测和滤波能力,其滤波效果优于傅立叶变换滤波,但不同分解层数下的粗差探测和滤波效果不同。     

一种组合滤波法在GPS动态观测中的应用

为了提高GPS动态观测数据滤波精度,分析了传统的小波滤波和EMD滤波方法的不足,结合小波分析和EMD的特性,提出了一种小波组合EMD滤波方法。该方法通过对信号进行频谱变换,根据频率峰值确定所采用滤波方法,实验将小波组合EMD滤波方法应用于GPS桥梁动态监测数据处理,并与传统的小波滤波、EMD滤波对比分析。结果发现:小波组合EMD滤波法效果优于小波滤波和EMD滤波,验证了该方法的有效性。     

一种基于小波、分形与神经网络的汽车车型识别方法

提出了利用小波分析、分形理论和神经网络技术进行车型图像的识别方法,主要包括用小波理论进行汽车图像的消噪和边缘检测、分形编码和神经网络分类等3个部分,经过实验证明,该方法取得了较佳的识别效果。     

基于功率谱小波分解的神经网络钻头磨损监测

在钻削过程中,钻削力功率谱与钻头磨损之间具有较强的相关性,被广泛用于钻头磨损监测,但是关于功率谱特征的提取和识别一直没有很好解决.文中采用小波变换对功率谱进行多层分解,提取低频分解系数作为功率谱的包络信息,从而实现对功率谱特征的提取和压缩,并利用BP神经网络对功率谱小波低频分解系数进行融合,实现钻削过程钻头磨损状态的智能识别.试验结果表明:该方法可有效实现功率谱特征提取,经训练的神经网络具有较高的识别精度和推广能力.     

基于小波分析的径向基神经网络年径流预测

对年径流的预测采用基于小波分析的径向基神经网络模型,从时频分析角度出发,把水文年径流序列分解成不同的频率成分,用径向基神经网络对小波分解的周期和趋势频率成分分别进行预测,然后通过小波重构得到水文时间序列,从而可以对未来的径流变化情况进行描述.     

基于小波变换和小波神经网络的3D遮挡人脸识别方法

提出一种基于小波变换和小波神经网络的3D遮挡人脸识别方法.首先,对待检测人脸的深度图像进行小波变换,计算各层小波变换系数与数据库中平均人脸深度图像的小波变换系数之间的距离,通过阈值分割得到遮挡区域的二值掩膜,进而得到人脸的遮挡区域;然后,对非遮挡区域提取小波变换系数,构建小波神经网络分类器,依据小波网络的人脸空间距离进行3D遮挡人脸识别.仿真实验表明,该文方法对3D人脸的有意遮挡和无意遮挡的鲁棒性强、识别性能好.     

非线性时间序列的小波网逼近及其预报

结合神经网络和小波的优点,建立了一种新型的多维小波网的网络模型,研究了多维小波网逼近非线性时间序列的收敛性质及收敛精度,并给出了相应的数学证明,同时将之应用于山猫数据的拟合及预报,仿真结果说明该方法的可行性。     

一种改进的小波网络与故障检测

提出一种基于改进的小波网络非线性观测器故障检测方法，利用小波网络对任意函数的逼近能力，获得系统的非线性特性，进而能快速实时地计算出残差并进行逻辑判决，仿真试验表明改进后的小波网络较BP网络和未改进的小波网络收敛速度快，效果好。     

基于小波神经网络的图像文本信息提取技术研究

提出了利用小波神经网络提取图像中文本信息的新颖方法.原图像经过离散小波变换分解成4个子频带,文本区域的高频子频带与非文本区域的不同,所以可利用其差异计算出3个特征值作为人工神经网络的输入值,然后用基于BP算法构建的人工神经网络来训练待测的文本区域.文本区域的人工神经网络输出值不同于非文本区域的输出值,因此可利用一阈值来判定其是否为文本区域.最后,将可检测的文本区域经过扩张运算后便可得到正确的文本区域.     

小波神经网络的改进及应用

提出一种带有动态补偿的双隐层小波神经网络,其中过程神经元隐层完成对输入信息过程模式提取和对时间的聚合运算,小波函数代替非时变一般神经元隐层函数,用于提高网络对系统输入输出之间复杂关系的映射能力,动态补偿用于提高建模精度.将其应用于管道泄漏故障的检测,收到良好的效果.     

利用复合特征进行模式识别的探雷研究

根据对探地雷达回波信号的分析,提出了一种利用复合特征训练神经网络并用其进行地雷探测的新方法.整个过程包括有预处理、特征提取及神经网络分类三个步骤.在特征提取的过程中,选取时域、频域、小波域能量及其统计量,以及Welch功率谱密度估计作为地下埋设目标的特征,在此基础上使用WILKS准则采用逐步判别的方法抽取关键特征,从而降低特征维数并将特征送入神经网络训练.使用地雷目标与其相近物体的数据进行对比试验和神经网络测试,结果表明,使用复合特征训练的神经网络可有效地将地雷与其他干扰物分开,提高了地雷的探测率,同时降低了虚警率.     

基于小波神经网络的非线性函数的逼近

给出了一种基于BP神经网络的自适应小波神经网络的模型 .该模型根据逼近函数的特性 ,选择不同的小波函数作为网络隐层 ,输出层是一个线性神经元输出 ,网络参数通过自适应调整得到 .实验结果表明 ,这种网络不但可以精确的逼近一般的非线性函数 ,也能实现对混沌时间序列的精确学习 ,而且网络的收敛速率比BP网络更快 .     

基于小波变换的GM(1,1)-ARMA组合预测模型对悬索管桥的应变预测

ARMA模型采用差分处理对桥梁监测数据进行预测时,会出现数据丢失和预测精度降低的现象.为此,利用小波变换对信号进行离散化处理信息不会丢失的优点,将趋势明显的原始序列离散化,得到不同频带上的块信号.采用灰色GM(1,1)模型对趋势明显的低频信号进行趋势预测,用ARMA模型对平稳的高频细节信号进行细节预测,再将两部分预测值叠加得到最终预测值.对黄河悬索管桥在线监测系统获得的过去一段时间的应变数据进行验证,结果表明所提出的GM(1,1)-ARMA组合模型预测效果明显高于传统ARMA模型,这对实现同类桥梁的预警具有积极意义.