小波变换在激光陀螺信号处理中的应用与实现

针对动态条件下激光陀螺(RLG)随机噪声其非平稳和非正态分布的特性,提出了基于小波变换的RLG降噪方法,研究了小波去噪和Lipschitza指数奇异值检测的原理,给出了离散Db4小波滤波器的硬件实现方法,采用双正交静态小波基对RLG信号进行不同尺度的分解,通过不同小波基及低通滤波效果的比较,发现Db4小波具有较好的去噪性,其分解和重建滤波器系数也十分简单,验证了小波变换在陀螺仪信号去噪中的可行性,在用Db4滤波后的数据进行导航解算时,发现导航误差有很大的减小,研究成果对导航系统精度的提高有着重要的参考价值。     

小波变换在股票分析中的应用

给出了一种小波变换和移动平均线相结合的数据处理方法.该方法通过适当确定阈值,对高频部分进行适当选择性保留和小波基及尺度的遍历,可给出比传统分析方法更为合理的买入、卖出点信息,并可在一定程度上克服滞后的不足.利用"香山控股"股票进行了检验,发现理论结果与实际吻合得较好.     

小波分析在股市数据分析中的应用

小波分析由于具有良好的时空频率变换特征而在许多领域得到广泛应用。本文通过对沪市、深市股指数据小波分析,说明了股市涨跌存在自身的规律性,股市尖长期和短期都具有一定的可预测性。     

小波变换和神经网络在SVC中的应用研究

电力系统无功功率平衡非常重要,无功功率补偿能进行基波功率因数校正。提出了一种检测基波无功功率的方法和用神经网络补偿TCR的非线性方法,并用于FC TCR型SVC中。用小波变换滤除电压和电流中的谐波,保留基波,用基波电压和电流求出基波功率因数。TCR具有非线性特性,ANN具有非线性映射能力,用神经网络补偿TCR的非线性,方法简单实用。对采用基波无功功率因数检测方法和ANN非线性补偿的SVC控制系统的进行了访真,给出了仿真结果。     

小波分析在燃烧计算中的应用

燃烧的数值仿真计算是非常具有挑战性的研究工作.提出采用动态自适应多级小波配点法求解燃烧模型;将小波配点算法以及递推迭代算法转化为矩阵运算,给出了适合编程运算的偏微分方程数值求解方法;并将其应用于求解简化的燃料-氧化剂混合燃烧一维模型之中.仿真结果表明,提出的小波法不仅能有效地捕捉到燃烧过程中各参数的时空突变性,并且同已有的数值算法相比这种方法具有优越性.     

小波变换用于奇异性检测与小波类型选择的仿真

小波变换具有空间局部性,它能聚焦于信号的局部结构,因此用小波变换确定信号的奇异性位置更加有效。提出了一种新的奇异性检测方法,它包含两点:寻找小波变换模极大值在细尺度的坐标以确定奇异性发生的时间;通过小波变换模极大值的衰减计算Lipschitz指数,从而判断奇异的性质。在仿真实验的基础上验证了方法的可行性。并在仿真实验结果的基础上,总结出了小波类型选择的规律。     

正交小波网络及其在经济预测中的应用

依据多分辨分析和正交小波分解理论,建立由正交小波函数和正交尺度函数共同作为神经网络的激励函数的正交小波网络,并充分利用二者互补的特性,给出正交小波网络的分层、递阶学习算法,这使得正交小波网络在逼近函数的过程中不存在局部最小的问题,而且可以建立网络结构与逼近精度之间的明确关系;建立了我国人口预测的正交小波网络模型并验证了模型的实际有效性.     

航空重力测量数据向下延拓及其影响因素分析

结合TIK正则化算法和移去-恢复技术对航空重力测量数据进行向下延拓的仿真实验.TIK正则化算法能有效的抑制高频噪声和解决向下延拓不稳定的问题.在向下延拓过程中,测量高度、地形引力等因素对延拓结果有影响.利用移去-恢复技术能有效缓解测量高度及地形对航空重力数据向下延拓的影响.仿真实验将不同高度的重力异常向下延拓,研究高度和地形对向下延拓的影响,实验结果表明,在条件允许的情况下,测量高度应该尽可能的低,而且在进行向下延拓前需利用移去-恢复技术对其进行地形改正.     

小波技术在时域有限差分法中的应用

在时域有限差分法(FDTD)中利用小波变换技术进行数据压缩,提高了计算效率,同时节省计算存储空间。利用小波分解对惠更斯表面的时域切向场分布进行分解,存储经过阈值量化后的小波系数达到压缩编码的目的。在FDTD近场计算结束后,利用小波重构所得到的惠更斯表面的时域切向场分布进行近—远场变换计算散射场。结合小波变换的FDTD法计算缝隙金属平板的散射场的数值实验结果说明该方法的有效性。     

基于MATLAB的小波分析在股市技术分析中的应用

从理论上建立了股票操作模型I－模型Ⅳ,并以小波分析和Matlab 为工具,采用coif5和db4小波对股票进行技术分析,所得结构明显高出传统分析方法,充分显示了小波分析在股市技术分析中的强大生命力。     

共振解调和小波分析在机械故障诊断中的应用

提出共振解调技术的数学模型,求解数学模型的脉冲响应,为该技术在正常低频振动中提取所夹带的微小冲击的应用提供了理论依据。介绍小波分析提取微小冲击信息在诊断轴承初始故障中的应用,通过MATLAB数字仿真和现场应用实例,取得与共振解调技术相同的应用效果,说明小波分析和共振解调技术在提取齿轮、轴承机械故障的微小冲击的应用上是非常有效的。     

正交尺度小波网络在我国税收预测中的应用

提出一种用正交尺度函数代替RBF网络中的激活函数的小波网络,给出相应小波网络学习算法;并以我国1978~2001年的税收数据为样本进行税收模拟预测,预测结果表明,该模型预测误差低于普通BP网络。     

小波降噪在微弱GPS信号捕获中的应用

为了解决微弱卫星环境下接收机对信号的正确捕获问题,首先介绍微弱GPS信号捕获特点及捕获方法,并从检测概率和灵敏度的角度分析了相关积分、差分累加方法的捕获性能。在此基础上引入了小波降噪与相关积分、差分累加相结合的捕获方法,并给出详细的理论推导和捕获性能分析,从小波基的选取、小波变换层数和阈值选择三方面进行深入分析,从而得出合适的小波阈值降噪方法。考虑到小波降噪的阈值应跟据变换尺度不同而分别选取,给出一种自适应阈值降噪方法。实验证明,相比传统的相关积分、非相干累加和相关积分、差分累加信号捕获方法,小波降噪方法的引入在保证较高检测概率的同时,可以有效提高微弱卫星信号捕获的输出信噪比,从而降低了误码率。     

小波脊线法在暂态信号检测中的应用

针对传统小波脊线法在暂态信号检测中存在的问题,提出了改进算法。新方法引入小波包变换,扩展了小波脊线法的应用范围,并对算法本身进行了若干改进,基本消除了边界效应,提高了算法进行时频分析的实时性和精度。通过对仿真信号的分析,验证了改进方法的优越性,表明改进算法能有效地消除噪声干扰,提取暂态信号的瞬时频率和瞬时幅值,获得信号完整的、精确的时频分布。     

小波变换在弹射加速度滤波中的应用

小波分析作为一种崭新的信号处理方法,在工程界受到了越来越广泛的重视,已成功应用于信号分析、图像处理及非线性科学等方面。小波变换是去噪的有力工具,能将由各种不同频率成分组成的混合信号分解到不同的频率段上,有效地用于滤波和信噪分离。本文基于小波分解与重构理论,分别对航空弹射加速度信号滤波,与传统的消噪法进行了比较。结果表明小波去噪法用较少的数据就能很好地完成滤波功能,并且滤波的效果优于传统的方法。     

小波-神经网络在辐射源识别中的应用研究

针对目标所采用的辐射源识别方法对复杂体制雷达信号识别效率低或无法识别的现象 ,提出了一种新的辐射源识别方法。首先 ,利用小波包可对信号进行多维多分辨率分析的特点 ,对辐射源信号进行信号特征的提取 ,然后将各辐射源的信号特征作为ART2神经网络的训练样本 ,对其进行辐射源类型的识别。通过计算机仿真 ,对上述方法进行了验证。试验结果表明 ,这种基于小波 神经网络的辐射源识别方法在识别复杂体制雷达信号的应用中不仅克服了目前识别方法识别效率低的弊端 ,而且还有效地解决了对未知雷达信号无法识别的问题     

小波神经网络及其在旋转机械轴心轨迹识别中的应用

提出一种基于小波变换理论的小波神经网络模式识别方法,并将该方法应用于旋转机械轴心轨迹的识别。在本文提出的方法中,模式识别分两步来完成。第一步通过小波网络完成对数据的压缩,第二步应用前馈神经网络对第一步中的压缩数据进行学习与分类,从而达到模式识别的目的。     

重力p-median模型在设施选址中的应用及检验

区位分配模型是设施选址研究中的重要方法,其中p-median模型是应用最广泛的一种.但传统p-median模型中每一需求点仅选择最近的那一个设施的假设具有一定局限性.重力p-median模型对此进行了重要改进,假设需求者根据距离和设施吸引力确定选择各个设施的概率.但目前学界关于重力p-media:n模型在实际应用中的有效性仍未达成一致.本文将重力p-median模型应用到北京市延庆县医疗设施布局的实际案例中,并与p-median模型进行比较,以检验重力p-median模型的有效性和适用范围.结果表明,重力p-median模型作出的改进具有实际意义,当设施候选点吸引力存在差异时,重力p-median模型会得到与传统p-median模型显著不同的优化结果;两个模型适用于不同的设施选择行为,在实际应用中需把握清楚所研究设施的特点才能做出合理的选择.     

融合小波分析与矩特征的图像识别算法及应用

生物特征识别方法正逐渐成为近年来的研究热点,而人耳图像的识别更是其中一个新兴的研究方向.研究了小波变换模极大值、小波不变矩的原理及特点,提出了基于小波模极大值与改进小波矩不变量的特征提取方法,并将其应用于人耳图像的自动识别.识别过程中先对采集到的人耳图像进行小波模极大值去噪处理与边缘提取,再对处理后的图像求小波矩不变量,将其作为人耳识别特征量.通过这种方法提取的特征量不仅可以解决光照不均、光照变化、噪声干扰的问题,而且还有平移、旋转缩放不变性.将本文得到的特征量使用误差处理方法进行加权并利用BP神经网络方法进行分类,实验结果表明,这些特征量适合于人耳图像的分类,其识别率达到了97%以上.     

小波变换在有噪图像边缘检测中的应用

描述了有噪图像边缘检测的方法,它基于小波变换的多尺度分析。通过合理选择小波基,可以得到图像的多分辨表示。证实了小波多尺度变换在有效去噪的同时可以保持图像的特征。通过信号,噪声奇异性的分析,对有噪图像小波变换局部极大值的检测可提取出所需的图像边缘特征。实验结果证实了该方法的可行性