基于小波分解的设备状态预测方法

首次提出将小波分解应用于非平稳时间序列的预测中,通过小波分解将非平稳时间序列分解为多层近似意义上的平稳时间序列,并且用ＡＲ（ｎ）模型对分解后的时间序列进行预测,进而得到最终的预测结果．将该方法应用于压缩机轴承座磨损的趋势预测中,通过与基于ＢＰ网络的预测方法相比较表明：该方法预测精度高,而且预测速度快,可以有效地应用设备状态的预测和设备故障趋势的分析中．     

基于小波分析的住宅房产均价预测

将小波方法引入到深圳宝安住宅房产均价的长期趋势的预测中。利用小波多尺度分析的功能，将非平稳时间序列的住宅房产均价分解成主要趋势和细节两大部分。对主要趋势用二次多项式进行拟合预测，对细节部分用余弦逼近和AR（2）模型进行拟合预测，最后把主要趋势的预测值和细节部分的预测值相加，得到原始时间序列的预测值。并用所建立的模型对深圳宝安2006年每个月的住宅房产均价进行了外推预测。由于这种方法能够准确的提取出房产均价的长期趋势用于研究预测，因此用这种方法预测的平均相对误差比直接用二次多项式进行拟合预测的平均相对误差小0．7％。用所建立的模型外推预测出的2006年1、2、3月份的数值与实际数值相比较，平均相对误差为0．033。误差是比较小的．反映了小波预测方法的有效性。     

基于小波分解与自回归树的时间序列预测新方法

小波分解可以将非平稳时间序列分解成多层近似意义上的平稳时间序列,本文首先采用小波分解将非平稳时间序列分解,在分解后的各层时间序列上构造自回归树模型,采用贝叶斯方法学习决策树的结构与变量,并对分解后的时间序列进行预测,最后采用小波重构方法将分解后的各层时间序列重构,得到原始时间序列的预测值。以2007年海关统计的重点出口商品量的数据为例,对中国出口贸易的走势进行分析和预测。结果表明,本文的方法比传统时间序列预测方法精度高,可以很好地应用于非平稳时间序列的预测。     

基于小波分解的径流非线性预测

利用小波变换原理将具有非平稳特征的径流序列进行分解，使其平稳项与随机项分离。对平稳项采用传统的AR模型加以预测，而通过对随机项的混沌特征研究，发现其具有明显的混沌特征，进而提出了基于非线性混沌动力学的预测模型方法。最后通过小波对所提出的AR NCDF预测模型预测结果予以重构，实现对原始径流序列的预测。该方法通过实例验证具有较高的精度，是一种实际可行的方法。     

软件可靠性预测的小波分析方法

软件可靠性预测对于软件可靠性评估以及软件工程项目的过程控制具有重要作用。本文提出的软件可靠性预测模型,通过小波分解将非平稳的软件可靠性随机序列分解成趋势项、周期项和一系列时间调制平稳随机序列,对趋势项和周期项按常规的预测方法进行预测,而时间调制平稳随机序列再用小波方法预测,最后合成得到软件可靠性预测。实例分析表明,本方法是可行的。     

一种基于小波分析理论的灰色预测方法

提出一种基于小波分析理论的灰色预测方法．该方法通过小波分解将非平稳时间序列分解到多个尺度上以减少序列的随机性，然后建立灰色预测模型对分解后的时间序列分别进行预测，从而得到原始时间序列的预测值．并通过对上证指数的预测，结果表明该方法预测效果良好，优于一般灰色预测方法．     

小波分解和ARIMA模型相结合的短期风速预测

风速时间序列的非平稳性使得对其预测比较困难。论文首先对风电场的小时平均风速数据采用基于传统的滚动时间序列模型进行短期预测,针对原始序列的非平稳性和异常点的干扰,利用小波分解理论对原始风速进行小波分解与重构,然后对重构后的概貌部分和细节部分分别采用ARIMA模型进行预测,累加结果得到未来时段的预测风速,经比较分析可知,小波ARIMA模型的预测效果优于传统的滚动时间序列模型的预测效果。     

一种基于BP算法学习的小波神经网络

为发展Szu的基于信号表示的小波神经网络,提出一种多输出的小波网络模型,网络隐层采用框架小波函数、输出层采用Sigmoid激励函数,并选用“熵误差函数”以加速网络的学习速度。奇偶判别和混沌时间序列预测例子的实验结果表明了它具有良好的函数逼近能力和推广能力,收敛速度和均方误差均优于相同结构的多层感知器模型。     

基于小波分析提取风机噪声特征

利用窗口傅里叶分析对噪声信号进行频域分析可提取噪声的部分特征，但窗口傅氏变换对不同的频率成分在时域上的取样步长是不变的。不能聚焦到对象的任意细节，不利于噪声信号特征的提取。本文利用小波分析（Ｗａｖｅｌｅｔ Ａｎａｌｙｓｉｓ）对高频分采用逐渐精细的时域或空域取样步长；利用Ｍａｌｌａｔ算法根据半波带滤波器Ｈ、Ｇ实现信号的多尺度分解。本文的目的是提取噪声特征，故选取Ｄａｕｂｅｃｈｉｅｓ构造的有限脉冲响应     

基于小波包分解的SAR图像斑点噪声抑制

论述利用小波包分解技术和软门限理论对合成孔径雷达(SAR)图像斑点噪声(speckle)进行抑制与滤除，首先对SAR图像进行小波包分解，选取最优基，加大小波系数之间的差距；然后应用Donoho的软门限(soft threshold)理论，针对SAR图像斑点噪声的特点，在小波包变换域内选取合适的门限进行滤波；最后，通过小波包重构技术获得去除斑点噪声的SAR图像，实验证明，该方法能有效抑制SAR图像中的斑点噪声。     

有色噪声在物理小波变换下功率谱分布研究

借鉴Christopher Torrence等利用噪声小波功率谱的统计特性检测有效信号的方法，研究有色噪声在匹配地震子波的物理小波（以下简称物理小波）下的功率谱分布规律，Monte Carlo仿真结果表明，该功率谱服从x2^2分布，这是在小波域辩识有效信号和噪声的基础。利用假设检验的统计学方法，可以确定有效信号能量分布空间。     

有色测量噪声下的输入白噪声估计算法

由于在实际工程中,测量噪声并不是白噪声而是时间相关的有色噪声．本文通过建立等效测量方程提出了测量噪声是有色的情况下输入白噪声的估计算法．     

基于小波分解的超宽带雷达去噪方法

为提高超宽带雷达信号的信噪比,分析了运用小波变换的分解与重构理论来实现超宽带雷达信号去噪的原理,并进行了仿真,结果表明,这种方法具有较好的去噪能力,去噪效果与目标信号及干扰信号的特性有关。     

带有色观测噪声的改进自适应滤波算法

在噪声消除系统中,若观测噪声为有色噪声,则基于最小二乘准则(LS),提出了两段RLS-RELS算法,这是一种改进的递推增广最小二乘法,该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机数值仿真例子和信噪比的计算比较证明了算法的正确性和有效性.     

由色噪声驱动粒子的定态几率分布及二阶矩

研究了由O－U加性噪声驱动的平方双稳热系统,首先将系统的郎之万方程扩大维数,然后作变量代换,最后进行拟合成平方双稳势,从而精确计算出系统的定态几率分布及二阶矩,揭示了噪声强度对定态几率分布的影响,指出定态几率分布对关联时间τ不敏感,研究还发现二阶矩随噪声强度的变化曲线存在一个极小值。     

带有色观测噪声的自适应滤波算法

对于带有色观测噪声的系统,基于最小二乘准则(LS),提出了递推增广最小二乘算法(RLSE),该自适应算法能显著减小噪声的影响,提高信号质量.并在此基础上提出了计算噪声方差的估值方法.计算机仿真例子和信噪比的计算证明了算法的正确性和有效性.     

基于小波消噪和混沌时间序列的交通流预测研究

基于实际交通流变化的不确定性和交通系统时变复杂的特征,应用小波分析理论,对原始交通流数据进行消噪处理,使消噪后的数据更能反映交通流的本质及变化规律。再针对交通流的非线性特征及其短期可预测性,应用混沌时间序列预测模型来预测短时交通量。结果表明:先进行小波消噪再进行预测所得的结果与实测值有更高的拟合度,可以用于短时交通流的预测。     

色噪声下双头分子马达停留时间

分子马达是一类能将化学能直接转变为机械能的蛋白质大分子，它们沿相应微管作定向运动，其定向运动机制对生物高分子合成有重要的指导意义．引入分子马达双头之间的耦合作用势函数，建立分子马达在色噪声作用下的双头耦合模型．采用二阶龙格一库塔算法求解Langevin方程，结合Monte Carlo模拟方法，计算得到马达的停留时间和跃迁时间．进一步讨论了耦合系数、噪声强度、外部作用力对停留时间及跃迁时间的影响，并作了相应的分析．     

有色噪声下的卡尔曼滤波

以平台式惯导系统为例 ,论述了如何用卡尔曼滤波技术处理有色噪声 .