基于小波EMD的柴油机油耗量测量信号去噪处理

提出基于小波经验模态分解的柴油机油耗量信号去噪处理算法.将柴油机油耗量测量信号进行经验模态分解(EMD)后,经阈值处理和尺度滤波,去掉主要干扰因素所对应的本征模函数(IMF)分量,然后对剩余IMF分量进行重构,得到去噪后柴油机油耗量测量信号的时间序列.测试结果表明:重构后的信号能反映柴油机油耗量信号的真实趋势,其相对误差约为0.72％.     

基于互信息判据的小波去噪

通常的线性滤波技术不能很好地解决非线性时间序列去噪问题，而现有的非线性去噪技术的参数选择往往要依赖于直觉和经验．为此，提出基于互信息判据的小波去噪方法，利用小波进行非线性去噪处理，并以互信忠作为去噪处理截止的判定条件，给出了小波去噪算法，分析了其优势，并进行了仿真实验．仿真结果表明，小波算法能更好地处理不平稳和突发的噪声；互信息所指示的优化截断尺度，既较好地保留了信号的动力结构，又有效地实现了非线性噪声过滤．     

基于二进小波变换的图像阈值滤波法的性能分析

在D.L.Donoho和I.M.Johnstone提出的小波阈值滤波法的基础上,提出了一种基于二进小波变换的图像阈值滤波法。在阈值函数中引入参数,通过调整参数以获得最佳的小波系数的阈值估计,使得改进阈值介于硬阈值与软阈值之间。为分析此方法的去噪性能,对同一图像在叠加不同水平的Gaussian噪声的情况进行了去噪实验,仿真实验结果发现基于二进小波变换的图像阈值滤波法不但有效抑制了图像边缘附近的Gibbs现象,而且使去噪后图像的峰值信噪比在不同噪声水平下都有很大程度地改善,在不同噪声水平间有很小幅度的波动,这表明基于二进小波变换的图像阈值滤波法的去噪性能具有很强的稳定性。     

小波变换在面波去噪中的一些应用

地震资料的去噪,在处理中是非常重要的内容.随着勘探技术的进步,地球物理可以用于去噪的方法越来越多.目前去噪效果相对较好的是小波变换法.小波变化以其独特的时频特性被广泛的使用于地震资料的去噪中.与以前的频率滤波相比,其优越性是可见的.本文简要介绍了小波函数以及用于地震去噪的小波变换的一些方法,并且结合实际来对小波去噪进行了介绍.     

小波域Wiener滤波器的设计

讨论了基于小波的阈值去噪方法和Wiener滤波方法在信号去噪中的应用.其中,小波阈值去噪方法在许多信号空间上是近似最优的,而Wiener滤波方法是最小均方误差意义上的最优估计.在小波阈值去噪方法和经验Wiener滤波器基础上,设计了一种小波域Wiener滤波器.仿真结果表明:文中提出的方法在均方误差和峰值信噪比性能两方面均优于传统的小波阈值去噪方法.同时指出了进一步改善去噪效果的一种有效途径.     

基于信噪比评价的阈值优选小波去噪法

在汽车自动变速器台架试验中,需要对角加速度信号进行消噪滤波。小波阈值去噪是计算量较小、滤波效果较好的消噪手段,但采用不同的小波基匹配不同的阈值规则可能会对去噪效果产生影响。为探寻相对最优组合,该文构建了近似观测信号的仿真信号,然后对该信号做了去噪实验,计算信噪比(SNR)和均方根误差(RMSE),并以此作为评价指标,从而得到相对最优的匹配组合,最后将该组合用于角加速度信号消噪处理过程,取得了较好的滤波效果。小波阈值去噪在处理含噪信号时具有效率较高、稳定性好、不易失真的特点;使用SNR结合RMSE可以对任何消噪结果作客观评判;不同的含噪信号,可能需要用到不同的小波基函数,同时匹配不同的阈值选取规则。     

基于提升小波变换的心音去噪新方法

针对传统的小波阈值函数去噪无法有效滤除信号中的特定噪声,结合软、硬阈值函数的优点,提出了一种基于提升小波新阈值函数算法对心音信号进行去噪.首先利用提升小波变换对心音信号进行分解;然后利用新阈值函数更新其小波系数进行重构;最后与提升小波软、硬阈值函数去噪后的心音进行了希尔伯特包络提取验证其去噪效果.实验结果表明,提出的提升小波去噪新方法较软、硬阈值方法有更好的滤波效果,且提取的曲线包络更加清晰、平滑.     

基于自适应模糊阈值小波的图像去噪

针对小渡变换多分辨分析(MRA)的特点，本提出一种多尺度分级的自适应模糊权重中值滤波的去噪方法．首先，利用开关控制策略的模糊理论建立隶属函数，用高斯自适应模型对噪声点进行预检测，然后在每一级小波变换过程中应用自适应模糊中值滤波(AFWMF)算法进行噪声滤波．实验表明，常规的小波去噪方法只能去除图像中的高斯噪声。该方法既能去除高斯噪声也能去除非高斯噪声．与中值滤波方法相比，该方法在去噪的同时能保留大量的原图像边缘、细节等重要信息，具有更好的去噪效果．     

基于小波阈值的图像信号去噪方法研究

主要对基于小波阈值的图像信号去噪方法展开研究。首先阐述小波分析进行信号分解及重构的算法原理,在此基础上总述了小波阈值进行图像信号去噪的算法原理及流程。最后对去噪效果进行了仿真分析,并将信号去噪结果与均值滤波、中值滤波等经典去噪方法进行比较。仿真结果表明,基于小波阈值的图像信号去噪方法能有效去除一维及图像信号中的噪声,输出信号的信噪比性能较传统滤波去噪方法性能更佳。     

小波及奇异值分解在混沌特征计算中的综合去噪研究

观测时间序列的非线性动力学混沌特征研究在电力、气象、地震、边坡等工程领域的应用日益广泛，但观测序列的噪声对研究结果具有重要的影响，人们通常采用傅立叶或者小波变换方法去噪。但对于混沌序列来说，这种去噪方法具有一定的局限性，会造成观测数据一定程度的破坏，对混沌分析结果会产生一定的影响。本文探讨运用小波变换结合奇异值分解（SVD）方法来解决观测时间序列在混沌特征分析时的去噪问题，该方法针对混沌分析过程中的源观测数据特点，首先用小波方法对一维观测序列去噪，并对去噪后的序列计算混沌特征分析中的重要参数一相空间重构参数m，τ，根据m，τ对源一维观测序列进行重构，得到重构的相空间矩阵A，然后对矩阵A采用SVD方法进行处理，通过这两种方法相结合的方式来达到更好的去噪目的。结果表明其去噪效果是明显的，数据经过小波变换和SVD联合处理后其观测序列的混沌特征更明显和易于提取，提高了观测时间序列混沌分析的可靠性。     

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．     

基于灰色RBF-NN的陀螺随机漂移误差建模

针对测量中存在的陀螺随机漂移误差,提出了一种基于灰色RBF神经网络的预测建模方法.首先采用时间序列的饱和嵌入维数确定RBF神经网络模型输入层的节点数;其次采用灰色聚类法对输入样本进行分类,以确定RBF神经网络模型隐含层的初始节点数;最后采用灰色关联分析法对RBF神经网络的冗余隐含层节点实施删除,以得到满足精度要求的最小结构的RBF神经网络模型.将其应用到某型挠性陀螺随机漂移误差的预测建模中,可得预测模型的精度为90.33%,实验结果表明了该模型的有效性.     

基于非线性动力学理论的水下噪声非线性特性

以非线性动力学理论中的相空间重构理论为基础，利用延时法对水下噪声时间序列信号进行了相空间重构。并深入分析了延迟时间和相空间维数的确定原理，在重构的相空间中研究了舰船辐射噪声的非线性特性，利用相似序列重复度这一参数，绘制了舰船辐射噪声RPT曲经并分析了其非线性特性，通过对实测数据的计算表明，在重构相空间中辐射噪声具有不同于高斯白噪声和确定性信号的几何特性，不同类型目标具有可分性，能为水声目标识别提供一种新的思路。     

基于SVR的石油期货价格短期预测

将SVR原理引入到石油期货价格的时间序列中,并以美原油价格进行了实证分析.结果表明:该方法能充分反映石油期货价格序列走势,对短期价格的预测具有较高的精度;并且还发现,超级参数的选择服从一定规律,即其乘积在一定范围内效果较佳.之后,还将此理论推广到多维影响因素和其他金融时间序列的预测中.     

犯罪时间序列的混沌特征分析与短期预测

现有犯罪时间序列预测方法侧重于捕捉序列自相关性来构建预测模型,但缺少对犯罪时间序列所反映的社会治安系统非线性和复杂性特征的考虑。 针对这一不足,提出了一种基于混沌分析的长短期记忆(long short-term memory, LSTM)LSTM 预测方法(Chaos-LSTM)。 首先将犯罪时间序列进行相空间重构得到其重构参数以及高维特征,然后计算犯罪时间序列的 Lyapunov 指数判断其混沌特性,最后对符合混沌特征的犯罪时间序列利用重构参数进行序列重建,输入 LSTM 模型进行时序预测。 以北方某特大城市 2007—2014 年的抢劫、入室盗窃、抢夺、诈骗类犯罪的日序列数据进行了实验验证,结果表明:4类案件的时序数据均表现出明显的混沌特征。 Chaos-LSTM 模型在预测精度上较 LSTM 模型有明显提升,平均绝对百分误差(mean absolute percentage error, MAPE)提 升 度 最 高 可 达 19. 7% ,百 分 比 均 方 根 误 差 (percentage root mean square error,PRMSE)提升度最高为 4. 19% ,其中对稀疏性数据序列的提升效果更为明显,显示出该方法对稀疏犯罪时间序列具有更好的适应性。     

0-1混沌测试算法中振幅对混沌序列的影响

0-1混沌测试法是根据线性增长率K(c)值是否趋近于1或0来判断离散数据混沌性的新方法。选取Verhulst种群模型生成的3类时间序列(弱混沌、完全混沌、4-周期)为研究对象,验证了0-1测试法的有效性,对0-1测试算法中振幅α作了进一步探讨。结果表明:弱混沌序列K(c)值对振幅α最敏感,其次分别是强混沌序列和周期序列,K(c)值随振幅α变化的快慢可以反映序列的混沌程度。     

Banach空间中的囿变算子序列及算子级数理论

本文〔6〕讨论了Banach空间中抽象级数的收敛性,文〔7〕在Banach空间中构造并研究了抽象的幂级数;本文则在赋范空间中提出了囿变算子序列、一致囿变算子和算子级数收敛等概念,得出了算子级数收敛或一致收敛的一系列定理。     

新的组合模型及在港口客流量预测上的应用

应用时间序列分析及灰色系统的有关理论提出了一种新的组合模型,并用这一模型对大连港的客流量进行了预测。     

随机利率下定期寿险趸交纯保费模型

定期寿险是人寿保险体系的重要组成部分,其合理的定价受到越来越多的关注。本文依据时间序列理论,基于利息力序列条件异方差的ARMA(p,q)-GARCH(r,s)模型,针对固定保险金额的定期寿险,建立了随机利率下的定期寿险趸交纯保费的数学模型,并通过实例分析说明该模型的合理性。     

人源甲型H1N1流感HA基因进化特征分析

为了探究2009年3月至8月流感大爆发期间的人源甲型H1N1流感病毒的进化特征,提出了一种图形化表达病毒序列的方法,该方法将甲型H1N1流感病毒HA基因的符号序列数字化表达后,利用主成分分析（PCA）将高维数值序列的维度大幅度降低为二维,将低维的数值序列图形化表达在平面和空间中。在序列的图形化表达基础上,对2009年3月到8月收集的三千多个流感病毒样本做了新旧病毒的区分,筛选出了新型病毒菌株,并根据图形探究了甲型H1N1流感病毒在时间序列上的进化特征。