基于小波有限元的裂纹损伤梁分析

针对构件在裂纹尖端附件存在奇异性的现象，将小波有限元方法和断裂力学方法相结合，推导了小波梁单元、裂纹单元的单元刚度方程，并给出了裂纹梁通过静力凝聚技术消除内部自由度后的等效单元刚度矩阵，建立了已知裂纹大小和位置的裂纹损伤梁的小波有限元分析方法。经算例验证，该方法能有效地提高裂纹问题的分析精度，具有一定的工程实用价值。     

基于小波有限元方法的复印纸张温度场仿真研究

复印机定影过程的温度场仿真研究对提高定影效果具有重要意义。由于定影过程温度场变化梯度大，用传统有限元分析时存在着明显的数值振荡，引起数值失真。本文利用Daubechies小波尺度函数，构造了适用于热传导问题分析的小波单元，对复印纸张复印过程的温度场变化进行了仿真研究，并与传统的有限元方法进行了比较，显示了小波单元对于大梯度问题分析的优越性，为了提高复印机的定影效果和改善复印机的性能研究提供了新方法。     

基于改进小波变换的海上目标检测

为提高弹道导弹打击舰船的命中精度,研究分析弹载合成孔径雷达的海上目标检测具有重大意义。针对基于传统小波变换的检测算法在相干噪声下难以快速实现目标检测的问题,提出基于改进小波变换的检测模型。首先,利用方向可调的小波函数改进传统小波变换,在提高检测精度的情况下,可避免进行非极大值抑制;其次,重点针对方向小波变换运算复杂的问题,从算法原理和实际应用两方面着手,分别构造可变方向角和掩模矩阵,减少了运算量;然后,在此基础上利用高低帽滤波和闭运算的组合处理,增强边缘区分度,即可通过二值化处理完成目标检测;最后,以舰船的目标检测为例,从检测精度和运算时间两方面验证改进模型的有效性。     

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.     

多分辨正交多小波网络的结构与算法研究

小波网络是函数逼近的有力工具。利用多小波函数和多尺度函数的互补性,构造了一种具有分层、多分辨和局部学习特点的正交多小波神经网络。分析了该网络用于函数逼近时的性质,讨论了其结构并在此基础上给出了调整网络权系数的算法。理论分析和GHM多小波网络及db2单小波网络对几种非线性函数的仿真结果都表明,当函数具有一定的光滑性时,正交多小波神经网络的逼近性能优于正交单小波神经网络。     

基于小波分析的雷达/红外模糊自适应融合算法

在多传感器融合算法的基础上,提出一种基于小波分析的雷达/红外模糊自适应融合算法。因为小波分析对测量数据具有多分辨率分析的去噪能力,将小波分析与模糊自适应卡尔曼滤波器相结合构成一个多分辨率跟踪滤波器,该算法可以对来自主动雷达和红外成像传感器的信息加以充分利用,选择适合的小波函数对测量数据进行过滤优化,把干扰负荷转移到小波分析上,在改善跟踪性能的同时又具有很强的处理非平稳信号的能力,而且又保证了该融合算法简单、实用的特点。仿真结果表明,提出的融合算法有很好的跟踪精度,通过对比表明该算法优于传统的多传感器融合算法。     

基于B样条小波有限元IMU结构的模态分析

给出了一种惯性测量单元(IMU)系统结构,建立了整个模型B样条小波有限元模型;研究了一类新的有限元空间,它以B样条小波函数作为有限等参元的形状函数;建立了IMU模型的B样条小波有限元序列,利用B样条小波函数的变尺度特性在不改变网格的剖分下提高分辨率,因此在处理局部应力集中,曲率分布突变边界等应用中具有一定的优势,其结果更接近于实际;最后对系统模型进行了仿真,给出了各个阶次模态值,通过与传统有限元比较发现,小波有限元具有收敛性好、求解迅速和网格划分灵活等优点。     

基于小波神经网络的图像重建算法研究

针对传统的图像重构算法的不足,提出一种基于小波神经网络的图像重建快速学习算法。运用小波神经网络对图像重构进行了仿真研究。实验表明,对于不同的误差模型,小波神经网络采用不同的基函数可以很好地对非线性系统进行逼近,收敛速度快,近似精度高,而且网络规模比较小,计算量少。对计算机视觉和图像处理具有良好的应用价值。     

时间序列的小波神经网络预测模型的研究

针对非线性时间序列,建立了小波神经网络预测模型,通过计算小波分解和小波级数,达到最优的逼近效果．经实例验证,该方法能有效地提高预测精度,避免了人工神经网络模型的固有缺陷.     

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。     

利用特征加权进行基于小波框架变换的红外目标检测

提出了一个基于背景纹理多分辨分析的红外目标检测方法。本方法通过对原始图像作小波框架变换提取不同分辨率下背景纹理的特征,利用特征加权技术（FWT）,得到中心向量,求出每个象素点的特征向量到中心向量的距离。根据距离像统计直方图实现阈值判别。实验证明该方法取得了较好的效果。     

TESTING FOR OUTLIERS IN TIME SERIES USING WAVELETS

One remarkable feature ofwavelet decomposition is that the wavelet coefficients are localized, and any singularity in the input signals can only affect the wavelet coefficients at the point near the singularity. The localized property of the wavelet coefficients allows us to identify the singularities in the input signals by studying the wavelet coefficients at different resolution levels. This paper considers wavelet-based approaches for the detection of outliers in time series. Outliers are high-frequency phenomena which are associated with the wavelet coefficients with large absolute values at different resolution levels. On the basis of the first-level wavelet coefficients, this paper presents a diagnostic to identify outliers in a time series. Under the null hypothesis that there is no outlier, the proposed diagnostic is distributed as a X1^2. Empirical examples are presented to demonstrate the application of the proposed diagnostic.     

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。     

基于提升小波技术的阈值量化图像压缩方案

结合多级树集合分裂算法（SPIHT）能产生完全的嵌入式码流的特性,设计了一种新的阈值量化方莹的彩色图像压缩算法。通过建立彩色空间的可逆分量变换,减小三含彩色分量之闽的相关性,并对变换后的三分量进行提升的整教小波变换。将定义的自然数的平方作为门限值,完成对三分量小波系数矩庠的量化和联合编码。实验结果表明,本方案与传统量化方案下的SPIHT算法相比,大多数重要系数的编码长度至少减少1个比特数,当比特率非常低对,压缩效果更明显。     

一种新的基于小波对比度的图像融合算法

改进了局部小波对比度的定义。基于新的对比度的融合过程,选择系数时针对融合图像的视觉重要性,而不是孤立地在单幅源图像上计算的视觉重要性,因而对于融合图像更加有意义。图像融合过程采用了"选择"和"加权平均"混合的系数选择规则,在充分保留显著图像细节信息的前提下,进一步增强了算法的稳定性。仿真结果及客观分析表明,基于改进小波对比度的图像融合算法能具有明显的提高。     

基于改进的自适应小波神经网络的心电信号分类

心电信号（ECG）识别是重病特别护理中一个非常重要的课题,自动检测和分类心电节律信号是诊断心脏异常的一项重要任务。基于小波变换理论,小波神经网络已经被广泛的应用于信号的表达和分类。文中介绍了一种具有一层感知机的小波神经网络,对小波神经网络收敛性影响较大的网络初始化值提出了一种改进的初始化算法,并研究得出了隐含层的选取与网络收敛性的关系。应用该网络分类心电信号的正常心跳和室前收缩,取得了很好的效果。文中使用到的心电数据是从MIT-BIH心电失常数据库中下载的。     

基于小波分析的金融波动分析

提出了一种基于小波方差的金融波动的长记忆分析方法,以及基于小波协方差的不同市场金融波动相关性的分析方法,用该方法对上海和深圳证券市场综合指数收益波动序列进行了分析,结果表明该方法是有效和可行的.又对长记忆随机波动(LMSV)过程同一尺度下和不同尺度下的离散小波变换(DWT)系数的相关性进行了分析,结果表明同一尺度和不同尺度下的DWT系数都是近似不相关的.     

一种基于遗传算法的小波神经网

网络的优化学习是人工神经研究中的一个重要问题.将遗传算法全局性优化搜索和小波分析的时-频局部性特点相结合,本文提出了一种基于遗传算法学习的小波神经网络--遗传算法小波神经网络(WNNGA).三位异或问题和双螺旋问题的实验结果证明,遗传算法小波神经网络不仅继承了小波分析良好的局部性及其神经网络的学习和推广能力,而且具有遗传算法全局快速寻优的特点,是多层前向神经网络学习的一种理想算法.     

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。