基于小波变换谱信息的溢油油膜厚度分类研究

本文提出一种基于小波变换谱信息的新型分类算法。该算法通过分析不同地物光谱曲线及高频小波系数曲线的奇异性，提取不同厚度油膜的敏感波段，以敏感波段的低频小波系数为基础，重新生成低频小波系数图像并进行分类。实验结果表明，该方法可找到不同厚度油膜的敏感波长，有效提升不同厚度油膜识别精度。     

基于小波变换的全方向M型心动图运动曲线滤噪

提出一种基于小波滤噪的全方向M型心动图运动曲线滤噪方法,全方向M型心动图是一种由B超得到的超声序列图像,由于在采集的过程中受到各种干扰以及由于图像数字化造成的阶梯效应,使得从全方向M型心动图中提取出的运动曲线存在噪声和量化效应。为了在消除处于高频分量的噪声和量化效应的同时,保证具有医学价值的信号分量不丢失,本文在传统小波阈值去噪的基础上,采用改进的小波阈值去噪方法来处理全方向M型心动图运动曲线,实验结果表明,该算法能够极大地消除心动图运动曲线中的噪声和量化效应,使得运动曲线较为平滑,采用同样的方法对速度曲线和加速度曲线进行平滑处理后,能够为医生的诊断提供更精确的信息。     

基于一类二元多小波函数的密度估计

基于独立同分布的随机样本提出了一类二元多小波密度估计的方法。首先，给出了线性多小波估计器；然后，在Besov球（B_p，m^s（M））上给出了线性估计在积分均方误差（MISE）意义下的收敛上界，并给予证明；最后，通过仿真和实例数据进行实验验证，说明方法和估计的有效性。     

基于改进滤波器和图像多尺度变换的背景抑制算法

红外目标的探测背景具有复杂性和非平稳性,为提高后续检测性能,常常通过抑制背景来增强目标能量。针对传统背景抑制方法检测率低、虚警率高的问题,提出一种基于改进滤波器和图像多尺度变换的复杂背景抑制算法。首先,对红外图像进行改进的滤波处理获得预处理图像。其次,通过高斯金字塔多分辨技术,平滑图像背景。然后,采用Cubic插值算法提高图像的分辨率,得到背景估计图像。最后,将预处理图像和背景估计图像差分,获得背景抑制的结果。经验证,该算法实时性相对传统方法提高了19%,对于多种复杂的背景情况具有良好的适应性。同时，算法计算复杂度较低,有利于实现实时性工程应用。     

基于近场扫描的移动通信卫星EMC性能评估

针对移动通信卫星射频载荷产生的系统内和系统间复杂电磁兼容性问题,以及批产化研制特点带来的非专门电磁兼容性试验验证评估需求,提出了一种基于近场扫描的电磁兼容性评估方法。针对卫星载荷的辐射影响,采用柱面近场扫描获得载荷的近场辐射特性,用于系统内的电磁兼容性分析。基于近远场变换技术获得远场辐射特性,用于星座系统间的电磁兼容性评估。给出了探头补偿方法和扫描步进优化方法来提高测试准确度和测试效率。仿真和试验校验证明了方法的有效性。将该方法应用到卫星系统内和系统间电磁兼容性(electromagnetic compatibility, EMC)分析评估中,结果表明方法可有效满足工程应用需求。     

基于Haar小波运算矩阵的分数阶系统辨识方法

分数阶微积分因为其阶数可以是任意数，因此能够更加准确的描述动态系统。虽然分数阶系统受到了越来越多的重视，可是，如何建立分数阶系统目前仍处于积极探究阶段。考虑到分数阶微分的非局部性，利用小波运算矩阵为工具，给出了一种分数阶系统的辨识方法。其好处在于能够利用小波的多分辨特性对激励信号和响应信号进行数据压缩，从而降低运算矩阵的维数，可解决因矩阵维数过大导致内存溢出的问题。     

基于深度学习的铝厂工业自动浇筑中的图像识别

将深度学习的图像识别应用到工业生产中是一个重要的应用方向.相比传统图像处理,深度学习在图像识别中具有高识别率、抗干扰性强等特点.首先采用小波变换对图像去噪、归一化,然后利用多层卷积对图像进行特征提取并采用全连接层和softmax分类器进行分类实现图像识别.在铝厂工业自动浇注过程中,对已经浇注完成和未完成的图像进行识别、解决传统图像处理在工业生产中多干扰、亮度不足的情况下难以识别的问题.实验结果表明,采用小波变换与深度学习融合对图像进行识别的识别率可达到91. 88%,基本能满足铝厂工业生产的需要.