分形信号的小波基表示基金项目

在研究自相似信号小波变换性质的基础上,利用离散小波变换的重构公式给出了产生分形信号的小波模型,并推导了由该模型产生的近似分形信号的时间平均功率谱计算公式.给出了该模型与已有模型比较的数值实验,结果表明该模型构造的信号能较好地近似分形信号.     

分形信号的多小波基表示

多小波具有单小波不能同时具备的正交性、紧支撑、对称性和高逼近阶的优点.在研究自相似信号多小波变换性质的基础上,利用离散多小波变换重构公式给出了产生分形信号的多小波模型,指出Wornell模型是该模型的特例(多小波重数γ=1时),并推导了由该模型产生的近似分形信号的时间平均功率谱计算公式.给出了该模型与已有模型比较的数值试验,结果表明该模型构造的信号能较好地近似分形信号.     

基于小波近似的分形矢量量化图像编码方法

本文把小波分解、分形、矢量量化有机地结合起来,提出基于小波近似的分形矢量量化图像编码方法(WA-FVQ-IC)。对原图进行小波分解及四叉树分割,形成小波近似的粗糙图像和分割块的统计平均值,小波近似的粗糙图像经变换构成变换的图像,并据此提取误差信号的码书,而后对误差信号进行分形矢量量化。本方法充分利用小波的多分辨率特性,构成差值信号分形矢量量化的码书,不需要外部训练,解码时不需要迭代,充分发挥了分形和矢量量化的优点。     

基于小波变换的单通道盲分离中源信号数目估计算法

推导了常用数字调制信号的小波变换幅度函数表达式,并给出了统一的近似表达式。在此基础上给出了单通道接收混合信号模型中小波变换幅度函数的近似表达式。通过充分利用与混合信号中奇异点有关的码元周期信息,给出一种基于小波变换的单通道接收条件下源信号数目估计算法,实现了在无先验知识的情况下对源信号数目的估计,并通过仿真验证了算法的可行性和有效性。     

化学信号小波变换的本质分析

根据墨西哥帽小波的特点，提出两种新的函数，对化学信号进行n次小波变换，得到了信号的近似2n阶导数．由数值微分法和小波变换法对模拟信号计算的结果发现：对于含噪信号，小波变换法有效滤除了噪声，所得结果的信噪比明显高于前一种方法；同时还可分离重叠峰，提高谱图分辨率．该方法函数形式简单，易于编程，为处理化学信号提供了新的途径．     

化学信号小波变换的本质分析

根据墨西哥帽小波的特点,提出两种新的函数,对化学信号进行n次小波变换,得到了信号的近似2n阶导数.由数值微分法和小波变换法对模拟信号计算的结果发现对于含噪信号,小波变换法有效滤除了噪声,所得结果的信噪比明显高于前一种方法;同时还可分离重叠峰,提高谱图分辨率.该方法函数形式简单,易于编程,为处理化学信号提供了新的途径.     

基于小波和分形理论的多径衰落信号分析

首次将小波理论和分形理论相结合来分析多径衰落信号，从多径衰落信号产生的动力学机制出发，指出了多径衰落信号具有分形的特征，进一步研究多径衰落信道的多重分形特性，分析并指出了多重分形维数是描述无线信道传播特性的重要参数，根据多径衰落信道参数突变，首次指出了多径衰落信号具有局部奇异性，其局部奇异性对信道参数估计和信号重构有着重要的作用，中提出了短时网格分形维数的定义和给出了其计算的详细算法，用Lipschitz指数来表征局部奇异性，利用小波检测多径衰落信号奇异性和信号重构。仿真实验结果表明：小波重构后信号具有很好去噪性能；多径衰落信号不同尺度下小波变换系数具有自相似性，论证了多径衰落信号的分形特性，不同移动速度时多径衰落信号的多重分形特性仿真实验表明：随着移动速度增大，其短时网格分形维数也变大。     

基于小波变换的信号奇异性检测

作者在该文中中介绍了基于小波变换的信号多分辨率分解,比较了信号和噪声在小波变换下的不同特性,给出了使用小波变换模极大化的信号奇异性检测算法。     

基于小波变换和分形理论的输电线路故障检测

提出了一种基于小波变换和分形理论的架空输电线路故障识别新方法.该方法对电流采样信号分别进行了小波变换和分形计算,尔后采用神经网络进行识别.经实例分析计算,取得了良好的检测结果,从而验证了该方法的正确性和有效性.     

应用MapReduce的多维小波变换模型

针对小波变换的性能和扩展性问题,提出基于MapReduce的多维小波变换模型,该模型将多维小波变换的线性处理改造成基于多处理器的并行计算.描述了具体的实现算法和模型设计,通过在Hadoop平台上对该模型进行实验分析,实验结果表明,在多信号的多维小波变换时,使用MapReduce的多维小波变换模型具有良好的执行效率和扩展性.     

基于小波变换模极大的脉象信号研究

针对脉象信号的时变、非线性和低频特性,提出了应用小波变换模极大对脉象信号进行研究的方法.介绍了利用小波变换模极大对信号局部特征进行描述的三个参数:Lipschitz指数α、平滑因子σ和分形维数D(α),并提出了对小波变换模极大曲线进行滤波的算法.用高斯一阶导数和二阶导数小波变换分别对单周期三峰脉象信号进行了实验.实验结果表明,该方法可以描述一些时域难以表达的特征,并能对脉象信号的局部特征点进行准确定位,从而为各项脉象特征的定量化描述和脉象分类识别奠定基础.     

离散小波变换在电力系统故障检测中的应用

传统的傅立叶分析难以处理电力系统故障时产生的暂态信号.小波变换具有良好的时频局部化特性,为分析非平稳、突变信号提供了有效的途径.通过多尺度分析,将连续小波变换离散化,得到适合数字信号处理的快速算法——离散小波变换.最后给出了应用离散小波变换进行输电线路故障测距的实例,通过仿真分析证明该方法可以极大地提高测距精度.     

小波变换的时频分析及其在实际中的应用

由于小波变换自身的特性,它非常适合对非平稳和时变信号进行分析及处理。本文介绍了小波变换的时频分析,具体将小波变换应用于几个非平稳及时变信号的处理,并将小波变换和其他信号时频分析方法做了比较,得出了小波变换的优势和适用特点,最后给出了小波变换应用于信号去噪的例子。     

提升小波包变换及在振动故障诊断中的应用

对内燃机进行快速准确故障诊断,可以提高内燃机维修的时效性,减少停机时间。提出一种基于提升小波包变换的故障诊断方法。给出了内燃机故障诊断模型,对内燃机进行等角度采样,在线获取振动信号,实现信号获取与工作转速同步。给出了提升小波包变换公式,并给出了移频算法,选择合适的小波进行提升小波包变换,提取状态特征向量,分析了不同状态特征向量的差异。采用支持向量机作为分类器实现故障诊断。通过实例分析比较,验证了该故障诊断方法的有效性。     

小波分析与应用综述

小波分析是在傅立叶变换的基础上发展起来的一种时频分析方法。作为一种新的变换域信号处理方法．小波变换尤其擅长处理在非平稳信号的分析。目前,这种分析方法已经广泛应用于信号处理、图像处理、量子场论、分形理论等领域。     

基于一种新型分形理论的语音端点检测

为提高语音端点检测在较低信噪比下的准确率,当语音信号与随机噪声在不同尺度上进行小波变换时,针对其传递特性不同的特征表现及其特点,提出了一种新的基于分形维数的语音信号端点检测方法,即对带噪语音信号进行小波重构,去噪后,利用分形维数方法计算信号的维数,实现语音的端点检测.并给出其原理和具体算法.仿真实验结果表明,该方法简单可靠,有效可行,与已有方法相比,更具有广泛的实用性.     

基于近似熵快速算法的静息态脑磁信号分析

为了探究静息态精神分裂症患者脑磁信号的非线性动力学特性,提出了一种将小波变换和近似熵相结合的特征提取方法.该方法首先通过小波变换,将10个正常人和10个精神分裂症患者的脑磁信号进行6层小波分解,提取对应于脑磁信号θ波段和α波段的小波系数,继而计算和比较两类人近似熵的分布情况.实验结果表明,相同情况下精神分裂症患者MEG信号的各脑区和各通道间的近似熵都普遍高于正常人,α波段的额叶和中央区域尤为突出.该结果为进一步研究患者MEG信号特征进而建立相应的分类诊断模型提供了思路.     

润滑油磨粒超声回波信号的双树复小波自适应降噪

针对润滑油磨粒含有强噪声的回波信号的问题,采用基于双树复小波变换(DT-CWT)的自适应降噪方法,从而提取清晰的磨粒回波信号. 该方法结合奇异谱分析(SSA)和小波熵理论,分别对双树复小波变换后的近似部分和细节部分进行分析. 奇异谱分析去除了近似部分包含的噪声,同时,小波熵理论能够自适应选取不同分解层上的阈值,实现了细节部分系数的自适应选择. 仿真表明,对于润滑油磨粒超声回波信号的双树复小波自适应降噪,输出信号信噪比(SNR)高、均方根误差(RMSE)小、相似系数(NCC)大,算法运算时间能够满足在线检测要求. 实验分析表明,该方法降低了信号中的噪声,还原了准确的波形特征.      

基于分形与小波变换的图像编码

给出基于分形与小波变换的图像编码方案 .探讨了图像编码中使用的小波基的性能 .采用快速PCC聚类算法 ,利用近距离自相关特性并设定匹配误差阈值 ,大大缩短分形编码时间 .     

改进的小波神经网络模型在电力故障信号识别中的应用

研究了小波神经网络用于信号分类识别的模型结构,建立了非显式小波网络的学习算法,给出了一种改进的小波经网络模型,并把该模型应用于电力系统故障信号识别,提高了信号分类识别的精度。