Analysis of Linear Time-varying Systems via Haar Wavelet

ＩｎｔｒｏｄｕｃｔｉｏｎＩｔｉｓｗｅｌｋｎｏｗｎｔｈａｔａｆｕｎｃｔｉｏｎｍａｙｂｅａｐｐｒｏｘｉｍａｔｅｄｂｙａｌｉｎｅａｒｃｏｍｂｉｎａｔｉｏｎｏｆａｓｅｔｏｆｏｒｔｈｏｇｏｎａｌｂａｓｉｓｆｕｎｃｔｉｏｎｓ．Ｉｎｔｈｅｌａｓｔｔｗｅｎｔｙｙｅａ...     

基于小波分析的分布参数系统最优边界控制的逼近算法

提出了基于 Haar小波变换的分布参数系统 ( DPS)最优边界逼近控制算法 ,通过小波变换及其性质的应用 ,将分布参数系统的最优边界控制问题转化为集总参数系统的最优控制问题 ,有效地解决了分布参数系统的最优边界控制问题。通过两组不同参数的仿真结果的比较 ,可以看出 ,该算法是一种计算量小、精度较高的非常有效的算法 ,为解决分布参数系统最优边界控制问题提供了一条新的途径。     

一类变系数微分代数方程的数值解

讨论了变系数微分代数方程的数值解.首先给出变系数微分代数方程的系数矩阵Drazin逆的求法,然后研究其差分格式上的数值解,最后利用Drazin逆的方法和隐式RK方法对一类变系数微分代数方程进行了研究,并给出了相应的数值试验,结果表明Drazin逆的求解效果较好,但求解过程比较复杂.     

基于有理Haar小波求解分数阶第2类Fredholm积分方程

利用有理Haar小波函数数值求解分数阶第2类Fredholm积分方程,用有理Haar小波定义及性质与配置法给出有理Haar小波积分算子矩阵,将积分方程转化为代数方程组进行求解.最后通过误差分析和数值算例将分数阶积分方程的精确解和用Haar小波所得数值解进行比较,表明了该算法具有较高的精确度.     

Haar小波及其机械故障诊断应用

小波变换是一种时频分析方法，在机械信号处理应用中，基小波常根据其时域波形与被检测的信号成分相似或匹配选择，很少考虑小波其他特性，这种方法并不完善．通过Haar小波说明这个问题，推导了Haar小波连续变换在时问和尺度上的周期性，应用于机械信号处理，有效地提取出故障特征频率．该研究结果开拓了基小波选择的思路．     

分数阶第一类Volterra积分方程小波数值解

利用Haar小波求解分数阶第一类Volterra积分方程,主要采用配置法将积分方程转化为线性方程组．证明了解的存在性,并且给出了数值解的误差估计,数值算例表明了算法的有效性．     

小波变换在分布参数系统控制中的应用

在求解分布参数系统的最优边界控制的偏微分方程时,为了克服求解析解的困难,采用正交函数逼近的方法,引入Haar正交小波基,借助Haar小波变换的性质和相应的Haar小波运算矩阵,将偏微分方程描述的分布参数系统最优控制问题,转化为集总参数系统最优控制问题,从而解决了分布参数系统的最优边界控制问题。仿真结果表明:该方法对于研究分布参数系统控制问题是非常有效的。与一般正交基函数逼近方法相比较,该方法具有计算量小,逼近精度高,算法简单等优点。     

基于小波变换的调制自动识别新方法研究

在小波分析的理论基础上,提出使用高斯(Gaussian)小波进行连续小波变换,进而提取信号的小波变换后的幅度,获取其瞬时特征,达到识别MPSK(M-ary Phase Shift Keying)与MFSK(Multi-Frequency Shift Keying)信号的目的,从而在不需要先验知识的情况下识别接收信号的调制方式的目的.验证该方法较现有文献利用Haar小波变换识别信号方法具有更好的性能,而且克服了现有文献采用Haar小波变换识别调制信号的漏检问题,提高了运算速度和性能,并有效增加了小波变换识别调制信号方法的适用性.通过理论分析和计算机仿真证实了新方法的有效性和优越性.     

基于Haar小波提升的2.4kbit/s CWI语音编码算法

提出一种基于Haar小波提升的2.4 kbit/s特征波形内插(CWI)语音编码算法.将特征波离散时间傅里叶级数(DTFS)得到的幅度谱转化为离散余弦变换(DCT)系数,用Haar小波提升实现特征波的多级分解与重建.利用相位谱间距的均值和基音周期增益联合判断浊音度标志,用于进行相位选择和离散余弦变换系数的选择性量化.主观A-B听音实验表明,该语音编码算法音质优于传统的3.8 kbit/s CWI编码器,在较低码率上获得较为满意的合成音质,且Haar小波提升特征波形分解与重建方法解决了传统小波变换CWI算法延时较大的问题.     

光学Haar小波变换的数值模拟

以Haar小波为例,对光学小波变换过程进行数值模拟．模拟程序包含原图像的读取、Haar小波的构造、频谱变换、空间匹配滤波等内容,能够模拟Haar小波对图像边缘增强过程．通过改变Haar小波的宽度,分析了不同尺度小波的光学变换结果．同时,还提出了Haar小波的二次滤波方法,图像的边缘得到进一步增强．     

基于小波理论光子晶体能带计算中小波积分的解析求解

详细推导了基于双尺度关系的小波积分的矩阵本征值求解方法.并选择常用的Harr小波和CDF小波进行了实际计算,与数值积分的方法进行了比较,结果表明该方法具有良好的精度.同时,还针对光子晶体的特点,对该方法进行了改进,这将有利于进一步提高基于小波理论的光子晶体计算方法的性能.     

基于相似小波变换的电力系统故障信号分析

提出了两种相似Haar小波函数。这两种小波函数具有对称性、紧支撑等性质。通过比较,证实了这两种相似的小波变换具有较高的计算精度和较好的消噪能力,且具有较低的计算复杂度。此外,本文借助于这两种相似Haar小波变换,分析了电力系统几种典型的故障信号,证明了这两种相似小波变换方法对于检测电力系统故障信号是非常有效的。     

波动方程的第二类Chebyshev小波数值解

利用第二类Chebyshev小波方法,对波动方程进行数值求解.数值实验验证了该方法具有理想的效果,相对于Haar小波具有更好的精度.     

基于非规范二维Haar小波变换WSN数据管理

提出基于非规范二维Haar小波变换的无线传感器网络管理结构,以减少传感器节点间的数据传输量.利用小波变换将数据在不同尺度上分解生成小波系数以进行传输,对小波系数进行重构可还原原始数据.基于非规范二维Haar小波分解算法实现了数据汇聚,基于非规范二维Haar小波逆变换算法实现了数据重构.使用MATLAB仿真表明,基于非规范二维小波变换的数据管理结构能够在保持数据原有特征的同时,大大减少网络的数据传输量.     

基于Haar小波与ARIMAX模型进行短期负荷预测

为了提高对非稳态负荷的预测精度,提出了基于Haar小波分析和ARIMAX模型的短期负荷预测方案。首先,通过Haar小波将高频信息序列与低频信息序列分别从电价与负荷序列中分解出来;其次,分别利用电价序列的高、低频序列对负荷序列的高、低频序列进行ARIMAX模型构建和预测;最后,将含有电价信息的高、低频负荷预测值进行Haar小波重构,得到负荷序列的预测值。通过实例验证表明,本文采用ARIMAX模型添加的电价信息,弥补了多次预测产生的误差,对短期负荷的预测精度高于传统时间序列方法。     

关于连续小波变换的注记

根据连续小波的定义证明Haar小波和Mexico帽小波为基小波,提出一种基于卷积构造基小波的方法并证明尺度函数和多分辨分析生成的小波是基小波.     

小波分析在视频检测中的应用

针对复杂背景下机器视觉系统中运动目标的检测,提出一种基于小波分析的运动目标检测方法。首先,利用双Haar小波软阈值法,去除视频图像的噪声。然后,建立了一种基于小波变换的运动目标检测算法,直接在二进小波变换域提取运动区域,从而检测出运动目标。实验结果表明,本文方法可以有效地从图像序列中检测出完整的运动目标,而且在平滑噪声的同时还可以保护图像边缘细节不受损失,效果要好于传统帧差法。     

一种基于小波变换的文本图像阈值法分割

用Haar小波分解图像,并基于LH和HL高频带Haar小波系数的统计分布规律将文本图像分割为文字、画面和背景．实验结果表明方法分割有效．     

应用Haar小波和算子矩阵求定积分的近似值

将Haar小波与算子矩阵有效结合,对被积函数进行恰当的离散,把一些不易求得原函数的定积分问题转化成计算常数矩阵的乘积。由于矩阵的乘积可以直接用MATLB来实现,从而使得计算简便,最后给出数值算例验证了方法的有效性。     

求解Burgers方程的高精度紧致Pade'逼近格式

对一维Burgers方程提出了精度为O(τ3+h4)的紧致Pade'逼近格式,首先利用Hopf-Cole变换,将一维Burgers方程转化为线性扩散方程,然后对空间变量四阶紧致格式进行离散,时间变量利用pade逼近格式得到求解Burgers方程的时间三阶空间四阶精度的隐式差分格式,并对稳定性进行分析,数值结果与Crank-Nicholson格式、Douglass格式和Haar wavelet格式进行比较,数值结果不同时刻和空间,不同雷诺数与准确值进行比较,发现所提格式很好的解决了Burgers方程的数值计算.