不同加载模式下GFRP管混凝土组合柱的损伤实时监测

基于压电陶瓷主动传感技术，对GFRP管混凝土组合柱(concrete filled GFRP tube, CFGT)进行损伤监测.制作2组预埋压电智能骨料(smart aggregate, SA)的GFRP管约束混凝土短柱试件，分别进行单调和往复轴压试验，监测其损伤情况.加载过程中采集实时信号，采用小波包能量法和基于均方根偏差的损伤评判指标(damage indicator, DI)等进行损伤评估，发现小波包能量随着荷载的增大明显衰减，而损伤评判指标随着荷载的增大而增大，且在损伤达到一定程度时趋于平稳；组合柱底的小波包能量均大于柱顶的；柱底混凝土晚于柱顶破环；往复加载下的混凝土破坏先于单调加载下的.结果表明，该监测方法能有效识别组合柱在受力时的实时损伤程度，且监测信号的幅值、小波包能量、损伤评判指标均在损伤过程中表现出较好的敏感性.该方法可为该类组合柱在施工、使用过程中的实时损伤研究提供参考.     

基于压缩感知的心电信号稀疏采样与重构算法

实时心电监测的数据量过大，给系统的传输和存储带来很大压力.为降低采集端的功耗，达到既减轻采样复杂度又降低传输数据量的目的，使用压缩感知技术对心电信号进行压缩采样及重构.以信号重构时间和重构误差为关键指标，研究不同重构算法和小波基的性能表现.结果表明，当压缩率在30%以内时，基追踪作为信号重构算法的百分比均方根差小于4%，同时其重构耗时最短;当压缩率在70%以内时，子空间追踪的误差小于10%，且始终保持较低的重构耗时.最优小波基往往和具体压缩率有关.     

基于深度学习的铝厂工业自动浇筑中的图像识别

将深度学习的图像识别应用到工业生产中是一个重要的应用方向.相比传统图像处理,深度学习在图像识别中具有高识别率、抗干扰性强等特点.首先采用小波变换对图像去噪、归一化,然后利用多层卷积对图像进行特征提取并采用全连接层和softmax分类器进行分类实现图像识别.在铝厂工业自动浇注过程中,对已经浇注完成和未完成的图像进行识别、解决传统图像处理在工业生产中多干扰、亮度不足的情况下难以识别的问题.实验结果表明,采用小波变换与深度学习融合对图像进行识别的识别率可达到91. 88%,基本能满足铝厂工业生产的需要.     

采用同步挤压小波变换的人体运动姿态分析

针对人体运动的雷达回波信号特征复杂、不同运动姿态微多普勒频率差异小、难以区分精细特征的问题,提出了一种采用参数可调的同步挤压小波变换(SSTAP)的人体运动姿态分析方法。首先根据实测人体运动数据构建人体运动模型及其雷达回波模型;然后利用SSTAP方法对人体运动模型雷达回波信号进行分解,获得人体各主要部位的时频特征;再通过调整同步挤压小波变换的2个参数获得人体整体回波信号的具有最佳时频分辨率的时频特征,进一步与各部位的人体时频特征比较获得了人体运动姿态的信息。实验结果表明,相比广义S变换(GST)、小波变换(WT)等时频分析方法,基于参数可调的同步挤压小波的人体微多普勒分析结果更加清晰精细,更能反映人体微运动的特征,其微多普勒频率的分辨率比GST、WT分别提高了17%和14%。     

Image separation using wavelet-complex shearlet dictionary

This paper presents a new method for image separation through employing a combined dictionary consisting of wavelets and complex shearlets. Because the combined dictionary sparsely represents points and curvilinear singularities respectively, the image can be decomposed into pointlike and curvelike parts as accurate as possible. The proposed method based on the geo- metric separation theory introduced by Donoho in 2005 shows that accurate geometric separation of the morphologically distinct fea- tures of points and curves can be achieved by l1 minimization. The experimental results show that the proposed method can not only be effective but also greatly reduce the computing time.     

基于小波变换和支持向量机的心电信号ST段分类

摘要: 为完成ECG(Electrocardiogram)信号特征点提取, 并对ST 段分类, 提出了一种基于离散小波变换和支持向量机的ST 分类算法。首先对信号进行预处理, 完成噪声消除, QRS 波群检测和提取特征值; 然后计算ST段平均值、曲线面积和标准差, 并结合使用SVM(Support Vector Machine)对ST段进行分类。Matlab 仿真结果表
明, 小波去噪效果明显,ST 段未出现失真现象, 特征点提取完整。经MIT鄄BIT 数据库验证, 分类结果显示交叉验证准确率平均值为80. 70%, 训练准确率平均值为91. 83%, 测试准确率平均值为74. 28%。     

基于小波回归分析法的短期负荷预测模型研究

电力负荷预测在能源领域中是一项非常重要的研究课题，它对于保障系统的安全运行，并在此前提下实现能源的节约和生产的效益最大化真有非常重要的应用价值．本文以大孤山选矿厂的电能消耗为研究对象，首先利用小波变换对负荷序列进行分解，得到不同频率的各个负荷分量，然后利用数据分类和多元回归分析方法分别对各个分量进行预测，最后再将各个分量的预测值组合起来，得到最终的预测结果。     

图像边缘检测算法的对此分析与研究

边缘检测是图像处理与识别中最基础的内容之一,介绍了近年来出现的新的边缘检测方法,并对其性能和算法特点进行了分析和比较.     

多尺度小波及其边缘检测应用研究

论述了小波变换的边缘检测原理并采用B样条小波进行检测。实验仿真证明，利用小波变换提取的图像边缘效果明显优于sobel、prewitt、canny等传统的边缘检测方法。