基于小波变换和连续Hopfield神经网络的重叠峰解析策略

针对化学谱图分析中的重叠峰解析问题,提出了一种基于小波变换和连续Hopfield神经网络的谱图重叠峰解析策略.使用高斯函数作为曲线拟合的数学模型,将重叠峰分解为一系列高斯峰的叠加组合.首先,根据检测信号卷积型小波变换中奇异点特性分析原理,利用卷积型小波变换方法寻找信号的特征点,并根据特征点对信号做出初步解析;然后,构造解析峰参数与解析误差之间的函数关系,并以之作为连续Hopfield神经网络的能量函数;最后,根据该网络自我演化特性经过指定次数的迭代得到误差函数的极小值点,进而得到谱图重叠峰的最终解析参数.谱图重叠峰模拟解析表明,所提算法有效.     

基于二次微分和小波变换的色谱重叠峰分析

色谱峰重叠现象的存在给化学成分的定性和定量分析带来了很多困难。利用小波变换的时域多分辨率特性可以较好地对重叠峰做出分离,但当色谱重叠峰的分离度较低时,分辨效果不佳。针对这一问题,提出了一种基于二次微分和小波变换的色谱重叠峰处理方法。仿真结果表明:本文方法在处理较低分离度的色谱重叠峰时具有明显优势。     

用于齿轮故障诊断的复小波变换相位功率谱方法

基于复小波基函数的信号小波变换,体现了小波变换的多分辨特性。复值小波能从幅值与相位两个角度提取被分析信号的信息,在齿轮故障振动信号处理中可以更好地识别故障模式。     

基于小波变换的随钻数据去噪算法研究

随钻测量技术是现在钻井过程中最重要的环节之一。基于小波变换的随钻测量的信号处理是非常有前景的课题。通过分析随钻测量系统的基本原理及随钻测量信号的特性,结合随钻测量与小波变换,应用相关性理论以平均去噪效果为参照,对各种小波基的尺度参数和消失矩进行评价,得到最佳参数组合小波基。在合理选择最佳小波基的基础上,对随钻测量信号进行了仿真分析。仿真结果表明小波变换可以从强噪声背景的随钻测量信号中有效提取有用信号。     

应用三次样条插值和连续‘Mexh’小波变换对重叠峰的分离研究

对于分析化学中的重叠信号,是化学计量学的研究重点之一.本文应用模拟信号,应用三次样条函数进行插值以增加数据密度,然后由连续‘mexh’小波变换分析重叠信号.结果显示通过‘mexh’小波变换能分离重叠的信号,峰位值不变.对实验信号进行分析,获得理想结果,可为分析化学中重叠的色谱、光谱信号分析提供方法.     

一种提取含噪声信号中重叠峰位置的新方法

以二阶B-样条小波为分析小波，提出了一种提取分析化学中含噪声重叠峰位置的新方法——连续样条小波变换法．在合适的尺度下，处理后的信号类似于信号的四阶导数．结果表明，采用连续样条小波变换法能使峰变窄，并能提高信号的信噪比，同时还能从含噪声重叠信号中直接得到重叠峰的数目及其相应的峰位置．     

在线小波分析与分析化学信号的在线处理

对小波分析的算法进行了改进 ,提出了适用于在线信号处理的在线小波分析算法 ,并为重叠分析化学信号的在线解析提供了计算最佳分解尺度的计算公式 .通过对重叠色谱信号和电化学信号的在线处理 ,在最佳分解尺度计算公式的帮助下 ,在线小波分析可以快速而方便地对分析仪器给出的分析化学信号进行在线解析 ,解析的结果能够保持原有的线性关系 ,可用于重叠信号中组分的定性、定量分析 .     

小波分析和人工神经网络方法用于重叠色谱峰的解析

将神经网络与小波分析相结合,提出一种利用小波变换提取重叠色谱峰信息,再用人工神经网络解析的方法,为色谱峰重叠难于分开物质的测定提供一种方法,提高了色谱分析的准确度,并将此方法应用于高效液相色谱中,建立了混合体系中3,4-二甲酚和2,5-二甲酚同时测定的新化学计量学方法.     

小波变换在回波信号检测中的应用

基于小波变换品质因数不变性的特点,结合适当的小波基,探讨小波变换在回波信号检测中的算法。在算法分析基础上,从检测原理、检测步骤、计算机仿真方面阐述如何利用小波变换检测回波信号时差,以确定回波信号的奇异点(回波信号到达时间点),进而确定被探测目标的位置。小波变换具有表征信号局部特征的能力,适于分析信号中的瞬态和奇异现象,并可展示其成份。所述的算法分析、小波基的选择及小波变换阶的选择等,为地下目标探测中的信号处理,提供了算法依据和应用方法参考。     

化学信号小波变换的本质分析

根据墨西哥帽小波的特点,提出两种新的函数,对化学信号进行n次小波变换,得到了信号的近似2n阶导数.由数值微分法和小波变换法对模拟信号计算的结果发现对于含噪信号,小波变换法有效滤除了噪声,所得结果的信噪比明显高于前一种方法;同时还可分离重叠峰,提高谱图分辨率.该方法函数形式简单,易于编程,为处理化学信号提供了新的途径.     

基于连续小波变化的心音信号时频分析

将连续小波变换应用于心音信号的分析中。连续小波变换因为尺度连续变化 ,可以充分表现小波分析的优越性。为了解决在分析尺度范围大 ,小波函数和信号中心频率较高条件下引起计算量大的问题 ,在基于 Mellin变化的连续小波快速算法的基础上提出了同比展宽法。连续小波变化可以表现心音信号在频域上的动态变化。通过对正常人和心肌病患者的不同样本分析 ,发现他们在变换后的时频分布上表现出明显的差异。结果表明连续小波变化是一种分析心音信号的有效方法。     

基于新阈值函数的二进小波变换信号去噪研究

由于二进小波变换的小波基函数存在着一定的冗余,基于二进小波变换的去噪效果要好于离散小波变换的信号去噪·噪声阈值的准确估计和阈值函数的选择对去噪精度有着显著的影响·在分析高斯噪声的二进小波变换特性基础上,提出了一种改进的二进小波变换去噪方法·采用一种新的阈值函数,克服了Donoho软阈值方法中估计小波系数与分解小波系数存在恒定偏差的缺陷·仿真结果表明,改进的二进小波去噪方法不仅可以有效地抑制信号奇异点处的pseudo-Gibbs现象,而且消噪精度高于传统的软硬阈值方法·     

基于小波包变换的下肢肌电假肢控制信息源的研究

肌电信号作为下肢假肢的控制信息源必须经过信号处理与特征提取.小波变换能将各种交织在一起的由不同频率组成的混合信号分解成不同频段的信号,检测出许多其他分析方法忽略的信号特性,因此小波变换常被用于表面肌电信号处理.而小波包变换对信号逐渐变宽的频谱可以进一步分割细化,具有良好的局部化品质,比正交小波变换更优越.该文将利用小波包变换方法对站立与行走过程中大腿股四头肌部位的肌电信号进行分析和特征提取,并利用各频段能量构造特征矢量,经过学习矢量量化神经网络训练,能够有效地从股四头肌采集的肌电信号中识别站立及行走的运动模式.     

连续样条小波变换解析高噪声重叠分析信号

采用连续样条小波变换方法对化学中高噪声重叠信号中峰位置和峰数目的提取进行了分析,讨论了信噪比、重叠程度、信号相邻峰高比对重叠信号解析的影响．结果表明：对于信噪比低至1的高噪声信号,采用连续样条小波变换处理能够得到重叠信号的峰位置和峰数目;连续样条小波变换对于高噪声重叠信号具有较好的解析能力,为低含量多组分物质的复合信号的定性定量分析提供了基础;该方法与离散小波变换法相比,数据点无须为2^n(n为整数),并且不需要对信号进行多次分解,因此简单快速。     

化学信号小波变换的本质分析

根据墨西哥帽小波的特点，提出两种新的函数，对化学信号进行n次小波变换，得到了信号的近似2n阶导数．由数值微分法和小波变换法对模拟信号计算的结果发现：对于含噪信号，小波变换法有效滤除了噪声，所得结果的信噪比明显高于前一种方法；同时还可分离重叠峰，提高谱图分辨率．该方法函数形式简单，易于编程，为处理化学信号提供了新的途径．     

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．     

小波分析和人工神经网络方法用于重叠色谱峰的解析

将神经网络与小波分析相结合，提出一种利用小波变换提取重叠色谱峰信息，再用人工神经网络解析的方法，为色谱峰重叠难于分开物质的测定提供一种方法，提高了色谱分析的准确度，并将此方法应用于高效液相色谱中，建立了混合体系中3，4-二甲酚和2，5-二甲酚同时测定的新化学计量学方法．     

两种时频分析算法的分析比较

随着信息传递速度的提高,信号处理技术要求提高。从信号频域可以观测信号特点,但是对于自然中的非平稳信号,仅仅频域观测不能反映信号频率在时间轴上的变化,由此提出了时频分析技术,可以产生时间与频率的联合函数,方便观测信号频率在时间轴上的变化。在现有的时频分析技术中较为常见的算法有短时傅里叶变换、WVD、线性调频小波等。本文介绍WVD和线性调频小波两种算法,并通过实验仿真对两种算法进行分析。     

一种基于最优尺度小波变换的符号率估计算法

在限带数字通信系统的一般模型框架下,提出了一种基于最优尺度小波变换的符号率估计算法.首先深入分析了经典Haar小波符号率估计方法的基本原理及其性能缺陷,然后从奇异性和消失矩的角度,从理论上证明了小波基函数选择受信道特性影响较小.新算法利用归一化能量最大化准则获得最优尺度参数,并选取具有高阶消失矩的小波基函数进行小波变换,从而可以获得数字调制信号符号率信息.仿真结果表明,新算法在数据量较少和低信噪比条件下,估计性能优于经典Haar小波方法,具有较好的普适性和较高的实用价值.     

基于非洲秃鹫算法优化卷积神经网络的重叠峰解析方法

利用光谱仪器检测土壤中重金属时,由于仪器分辨率较低,峰位相近元素的特征峰会产生重叠。光谱重叠峰严重影响定量分析结果的准确性,为了得到准确的重金属含量需要进行光谱重叠峰分解。本文提出利用非洲秃鹫算法优化卷积神经网络(AVOA_CNN)的重叠峰解析方法。首先,利用高斯函数模型模拟出150个双高斯含噪光谱重叠峰和43个三高斯含噪光谱重叠峰,选择不同小波基函数进行光谱数据去噪,以信噪比和均方根误差(RMSE)为评价指标,最终确定coif3小波基函数,使用导数法进行光谱重叠峰预处理。然后,使用AVOA_CNN获得卷积神经网络(convolutional neural network,CNN)预测结果,解析结果表明,AVOA_CNN成功分解重叠峰且准确率高,双高斯光谱重叠峰和三高斯光谱重叠峰参数(峰强度,峰位,峰宽)的最大相对误差平均值分别为3.15%和5.90%。最后对比麻雀搜索算法优化CNN、CNN与AVOA_CNN,结果显示AVOA_CNN模型预测准确率最高。