华北汛期降水多尺度特征与夏季风年代际衰变

研究了近50年华北汛期降水的频谱结构和演变特征及其与夏季风衰变之间的关系. 小波分析表明华北汛期(7~9月)降水年际尺度成分约占总方差的85%, 其演变代表了华北降水的基本走势. 近30年降水年际尺度部分发生了很大变化, 准5年谱消失, 准2年谱逐渐减弱, 1977年后降水年际变化十分微弱. 与此同时, 夏季风也呈现明显的年代际衰减. 计算表明, 华北汛期850 hPa平均经向风的演变以年代际尺度成分为主, 其演变特征与汛期降水非常相似, 且与降水序列及其年际尺度序列都呈显著正相关, 说明华北夏季风的年代际衰变可能是华北干旱的主要原因之一. 此外, 伴随20世纪60和70年代东亚季风的两次年代际突变, 我国大部分地区都出现了年代尺度的旱、涝更替, 而华北却从20世纪60~70年代的部分地区少雨发展成80~90年代的严重干旱.     

ANSYS在抗性消声器分析中的应用

ANSYS是一大型的通用有限元分析软件，其应用范围极为广泛．运用ANSYS软件对消声器声场进行了有限元分析，先建立抗性消声器的有限元模型，在此基础上通过加载、求解以及后处理等一系列的步骤对消声器进行计算分析，获得消声器内部的声压分布情况和传递损失随频率的变化关系，为消声器的优化设计提供依据．     

基于渐进逆向小波变换方法的压缩同心拼图的实时绘制

研究了对小波压缩后的同心拼图数据进行实时解码绘制三维场景的方法．为了实现压缩场景的实时重建，提出了一种渐进逆向小波部分解码方法PIWS．基于上升型小波的渐进式运算特点，设计了一种混合的缓存结构，通过存储和索引上升运算过程中的中间结果进行计算，提供了对三维小波压缩数据的快速随机选择解码，实验结果证实PIWS方法能够有效的支持同心拼图压缩场景的实时绘制．     

短期电力负荷预测的小波支持向量机方法研究

在充分研究和比较多种负荷预测方法的基础上，提出一种称为小波支持向量机(Wavelet Support Vector Machines，WSVM)的负荷预测新算法．该方法是在研究支持向量机(SVM)核方法与小波框架理论的基础上，引入非线性小波基函数来构造SVM的核函数，从而得到新的SVM模型，并给出了此模型的结构设计与实现算法．通过实例验证，该方法能有效提高预测精度．     

基于Context模型的非嵌入式小波彩色图像编码方案

 在零树小波思想的基础上,结合Context模型提出了一种新的彩色图像编码方案.首先对原彩色图像的3个分量进行色标体系变换,然后对变换后的3个分量分别进行离散小波变换.离散小波变换后的系数首先由门限值筛选操作产生一个Significance Map符号流,该符号流用零树结构表示.接着对非零系数进行均匀量化,将大于门限的值分解为:MSB符号流及剩余的二进制符号流.为了降低存在于Significance Map及MSB符号流中的冗余,我们提出了简单有效的Context模型,而对剩余的具有弱相关性的二进制符号流则直接使用自适应算术编码.经过实验对比证明了该方案在彩色图像编码中具有较优的压缩特性.     

多分辨正交多小波网络及其学习算法

利用多小波函数和多尺度函数的互补性,构造了一种具有分层、多分辨和局部学习特点的正交多小波神经网络.给出了调整网络权系数的算法并进行了计算机仿真,结果表明正交多小波神经网络的逼近性能优于正交单小波神经网络.     

一种基于离散小波变换的盲水印算法

使用二值图像为水印，给出了一种检测时无需原始图像的盲水印算法。实验证明，该算法满足不可感知性，并对噪声、滤波等图像处理有一定的健壮性。     

瞬态信号波至点检测函数的研究

讨论了连续复小波变换在瞬态信号波至点检测中的运用,提出了一种新的信号波至点检测函数.这种检测函数运用了能量归一化的方法,它不仅能够保证信号波至点的有效检测,而且还拓宽了小波变换中用于信号检测的尺度范围.仿真实验证明,这种检测函数是有效的.     

小波分析在控制系统故障诊断中的应用

目前,控制系统均是基于传感器和执行器工作的,而传感器和执行器的故障已成为导致控制系统失效的主要原因.故障诊断就是要从系统的复合信号中,采用分离或突出或局部放大故障信号,使故障信号易于被人们发觉.因而需要对其相关信号进行分析,借此诊断出系统内部的故障.而小波变换利用平移和伸缩下的不变性,以提供信号在时域和频域的局部描述,从而求出该信号的奇异点.仿真实验结果表明利用小波变换的奇异点检测在控制系统故障诊断中具有优越性;据所提出的诊断结果修正方法,可提高诊断的可靠性.     

多尺度分析在水下声场弱信号探测中的应用

利用小波变换的时—频局部化性质，对激光探测水下声场弱信号进行正交分解，得到在各个尺度下的细化信号及平滑信号，从而对信号进行全面细致的分析．实验结果表明：小波分析方法适合于微弱信号的检测和特征提取，在改善了信噪比的同时，还保持了很高的时间(空间)分辨率．小波分析具有准确度高，抗噪声性能好，检测范围宽，灵活方便等优点．