HMM2小波变换的参数估计

在观测噪声和马尔可夫链不相互独立的条件下提出了一种新方法来解决通过小波变换后的二阶隐马尔可夫模型（second-order HMM：HMM2）中高斯混合模型的参数计算问题．这种方法可以不必根据变换后的数据对系统参数进行重新估计,只需利用变换后输出的小波系数直接计算即可,避免了保留所有训练数据的繁琐复杂计算过程．     

基于转角模态小波变换的平面框架裂缝识别研究

以有限元分析含裂缝平面框架的模态参数为基础,建立了基于转角模态小波变换识别平面框架裂缝的方法．利用Mexh小波对框架的转角模态进行小波变换,通过小波系数模极大值点来识别裂缝的位置．以一层平面框架为例,分别建立了框架梁含有裂缝、框架柱含有裂缝、框架梁和柱均含有裂缝的有限元模型,并通过转角模态小波变换来识别平面框架裂缝的位置．数值计算验证了方法的有效性．通过对平面框架基本振型和转角模态小波变换识别裂缝的比较发现,转角模态小波变换方法识别框架结构裂缝更为准确、有效．     

基于小波变换的高分辨率地震信号瞬时参数提取方法

小波变换在时域以及频域具有良好的局域化特征,可用来实现对地震信号瞬时振幅、相位、频率等瞬时参数的提取.由于小波变换具有去噪的功能和分频处理的特点,在小波域提取的瞬时特征具有很好的抗噪性和可靠性.对小波变换提取地震信号瞬时参数的方法进行改进,通过对地震信号求导来增加其主频,对求导后的地震信号进行小波变换,从而得到高分辨率地震信号的瞬时参数.     

基于小波变换的高分辨率地震信号瞬时参数

小波变换在时域以及频域具有良好的局域化特征,可用来实现对地震信号瞬时振幅、相位、频率等瞬时参数的提取。由于小波变换具有去噪的功能和分频处理的特点,在小波域提取的瞬时特征具有很好的抗噪性和可靠性。本文对小波变换提取地震信号瞬时参数的方法进行改进,通过对地震信号求导来增加其主频,对求导后的地震信号进行小波变换,从而得到高分辨率地震信号的瞬时参数。     

小波变换光谱相干方法还原复杂光谱位相的理论研究

在对SPIDER还原方法进行研究的基础上,用数值模拟说明小波变换还原fs脉冲光谱位相的过程,通过对复杂位相的分解和还原,分析了Gabor小波变换对各阶光谱位相还原带来的误差,验证了小波变换还原光谱位相的精确性,分析采用小波变换来减少还原算法带来的误差,提出还原光谱位相中小波函数的选择及参数选择对提高精确度的重要性。     

小波分析和神经网络在过程数据预处理中的应用

分析了信号的奇异性检测原理,利用小波变换模极大值在多尺度上的表现与李普西兹指数间的关系,对小波变换后的系数进行处理,重构小波变换,然后对重构后的小波变换进行小波反变换,达到信号预处理的目的;同时,介绍了自联想网络的结构及其在信号消噪方面的应用.仿真实例表明,利用这2种方法进行过程数据的预处理,消噪后信号的信噪比显著提高;小波变换模极大值方法具有很理想的逼近精度,而神经网络则具有快速的计算能力.     

基于小波变换的图像编码方法

通过研究双正交小波变换的结构以及消失矩特性，利用线性方程组的求解，提出了一种双正交小波变换的构造方法，从而设计出一种新型的含参数9/7双正交变换.对于不同的小波变换系数参数，根据其不同性质讨论了不同小波实施图象压缩的恢复图象质量及其计算方面的性能.当小波系数为简单整数时，图像压缩的数值实验表明，该方法在保证良好压缩性能的前提下，同时也具有良好的快速计算性质.     

基于小波变换的煤矿井下岩层图像增强处理

针对煤矿井下岩层监视监控系统中图像模糊的问题 ,提出了采用小波变换进行图像增强处理 .通过分析了一种基于Mallat的传统的小波变换的图像增强方法 ,提出了综合利用基于小波变换的阈值化去噪方法和计算增强系数的实用算法来实现含有噪声图像增强的算法 .通过实例综合利用基于小波变换的阈值化去噪方法和计算增强系数的实用算法 ,实现了对煤矿井下锚杆钻孔内岩层图像的增强处理 .研究结果表明 ,基于小波变换的图像增强方法能够较好地增强煤矿井下锚杆钻孔内图像中的细节特征 ,从而获得了比较满意的视觉效果 .     

基于Fourier变换离散化的连续小波变换频域算法

对于固定的尺度,小波变换是待分析信号与小波基函数的线性卷积。当小波基函数的Fourier变换有显式表达式时,利用其Fourier变换进行线性卷积称为小波变换的频域计算方法。由于线性卷积的长度大于信号的长度,因此,选取线性卷积中的哪一部分作为小波变换的系数也是一个亟需回答的问题。本文利用Fourier变换的离散化和离散Fourier变换的关系由小波变换时域算法推导了小波变换频域算法,证明了时域算法与频域算法的等价性;解释了这两种方法分别应该选取线性卷积中的哪一部分作为小波变换的系数;分析了频域算法产生边界效应的原因;给出了频域算法中参数的选取方法,以便克服边界效应。时间复杂度分析以及数值实验均表明了频域算法至少比时域算法减少了1/3的运行时间。     

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。     

基于MHMM的脱机手写体字符识别

对隐马尔可夫模型(HMM)的训练方法及模型参数的选取进行了探讨,并将HMM理论用于脱机手写体识别中,建立了一种基于字符投影变换图像的边界链码特征的多重隐马尔可夫模型(MHMM).实验结果表明,该方法是可行的,且具有良好的兼容性和灵活性,可应用于手写体字符的自动识别中.     

谐波小波样本熵与HMM模型的轴承故障模式识别

根据谐波小波分解非平稳振动信号优良特性与隐马尔科夫(HMM)模型的时序模式分类能力,提出了一种基于谐波小波样本熵与HMM模型结合的轴承故障模式识别方法.该方法首先利用谐波小波对轴承各个状态故障信号进行分解,进而由谐波小波三维时频网格图的频率层数特征计算合理的样本熵维数和阈值,依次提取轴承振动信号各层的样本熵构成特征向量序列;然后将序列前120组输入HMM模型中进行训练得到对应故障模型,剩余80组进行测试与识别,通过对比对数似然估计概率输出值确定轴承故障类型.实验通过与BP和RBF神经网络模型进行不同训练组数的正确识别率对比,验证了该组合方法具有识别准确率高,稳定性强的优点.     

基于图像边缘轮廓的银行支票小写金额识别

银行支票的小写金额识别已有比较成熟的发展,针对模版匹配手写数字识别有太多的不确定性,BP网络手写数字识别训练复杂,参数不易设置等。本文提出了一种新的以手写数字0～9图像四个方向不同边缘轮廓为特征矢量,当前输入图像的特征矢量与标准特征矢量的最小欧几里德距离为判别公式,识别出支票上的小写金额,识别率98.5％。     

多层分组神经网络的手写体数字识别

手写体数字识别的应用研究是字符识别中具有挑战性的课题．提出一种基于二进小波变换与多层分组神经网络的自由手写体数字的多分辨率识别算法．该算法包含二进小波变换的多分辨率特征抽取单元及多层分组神经网络分类器,与传统的完全连接的神经网络相比,该网络结构简单、输入节点少,并且由于网络分为子网结构,不同子网学习的是不同的特征映射值,某一子网不收敛不会影响到其他子网的收敛,网络鲁棒性好．采用信函分拣机提供的字库测试表明,其正确率为９８％左右．     

一种基于流形学习重建的脱机手写数字识别算法研究

本文针对在手写字符识别中由于书写习惯和风格的不同造成字符模式不稳定的问题,提出了一种基于流形学习重建的手写体数字识别方法。该方法与传统的流行学习识别方法不同,传统的方法是先对待识别模式进行降维,然后再对降维后的特征进行分类识别;本文提出基于重建的LLE算法（简称RLLE）。该算法首先分别对每一类字符训练样本进行LLE降维,得到每一类字符降维后的向量。然后将待识别字符分别在每一类字符中进行降维,并依据该降维后的矢量在每一类中对字符进行重建。最后选取重建误差最小的为待识别的所属的类。通过对MINST字库的一系列实验表明该算法具有较高的识别率,同时该方法为手写体数字识别的研究提供了一条有效的新途径。     

手写体数字识别系统中一种新的特征提取方法

本文对手写体数字的特征提取方法进行了讨论,分析了当前使用较多的三种特征提取方法,指出了各自的优缺点,并在此基础上提出了一种新的特征提取方案,即13点特征提取方法,该方法从每个字符中提取关键的13个点作为特征点,其主要特点是特征提取简单有效,节省了特征提取时间,提高了识别系统的运行速度.用同一种网络对特征提取后的结果进行训练和识别.仿真结果表明,13点特征提取法用于手写体数字的识别有着极好的适应性,在运行速度和识别率上比起其它算法都有很大的提高,从而极大地证实了新算法的有效性及实用性.     

基于多维参数的语音身份认证系统研究

本文研究了与文本相关说话人语音通过多维参数的语音身份认证系统进行身份认证的过程。重点研究了小波降噪、语音增强、辅助加权MFCC语音特征提取,混合HMM语音辨识的算法及实现问题。试验表明该技术在认证效率、准确度、自适应性方面有较好表现。     

质心层次特征的无约束手写体数字识别

光学字符识别（ＯＣＲ）是模式识别最为成功的应用之一．目前,ＯＣＲ的研究重点是无约束手写体字符识别．采用了基于字符质心的层次特征对无约束手写体数字进行分类识别．基于字符质心的不均匀分块方法,在一定程度上可以克服无约束手写体数字字形千变万化所引起的不稳定性．层次特征将字符在空间的二维分布转化为一维,特征抽取过程简单,易于实现．将该算法应用于无约束手写体数字的信函分拣系统,单字的平均识别率达９７％以上．     

基于小波和神经网络的焊接缺陷识别方法

超声检测是钢结构焊缝质量检验的常用方法,本文针对超声检验中缺陷类型识别困难的问题,提出一种定性方法.首先利用小波包变换提取超声回波信号的能量作为特征向量,然后将得到的特征向量输入到BP神经网络中,应用于裂纹、气孔、未焊透三类缺陷,识别率达到了86.7％.结果表明：基于小波包变换和BP神经网络的钢结构焊缝缺陷定性方法是十分有效的.     

PCA+4点算法在手写体数字特征识别中的应用

提出一种改进手写字体特征的提取方法:将传统的PCA特征方法与13点特征方法进行综合,得到一种PCA+4点的特征提取算法,然后通过BP神经网络进行训练识别.实验仿真表明这种改进的方法比PCA特征提取及13点特征提取的识别率高,特别在手写变化大、手写速度快等方面优势更加明显.