第2代图像压缩技术回顾与性能分析

在回顾图像压缩技术发展历程的基础上，对基于分形、基于小波和基于人工神经智能的3种第2代图像编码技术进行了分析比较，总结了它们的应用特点，并指出了它们的发展方向．     

基于负压波的输气管道泄漏检测与定位方法

将负压波法应用于天然气输气管道的泄漏检测与定位中,分析了影响负压波传播速度的因素,修正了定位公式,并利用小波技术捕捉了压力突降点,从而提高了检测与定位的灵敏度与精度.     

针织物外观平整度的小波分析与等级评定

引入二维小波分析方法,分析针织物的外观平整度,提取了较为精细的针织物图像信息.图像首先经过中值滤波,再利用小波变换分解并从中提取高频信息,然后结合4种表征织物折皱的特征参数,计算不同平整度等级模板的特征值.并以此为依据,运用最小距离判别法,确定16种不同针织物类型的平整度等级.为了定量描述评定结果,通过计算客观评定与主观评定结果的相关系数,验证该方法的可行性.     

基于改进小波降噪的MEMS间接粗对准方法研究

当前MEMS惯性传感器陀螺仪精度较低导致输出信噪比较小,使得MEMS捷联惯导系统初始对准时误差较大,初始偏移明显,影响后续的解算精度,定位信息不准确.为此提出了一种利用改进阈值函数的小波对原始数据降噪处理后再采用磁强计辅助的MEMS间接粗对准的方法,通过引入调节系数使阈值函数同时具备软阈值和硬阈值两种特性,使得改进后的小波函数在远离阈值处有明显的边缘特性,而在靠近阈值的地方具有较好的连续性,避免信号重构时产生突变,有效减少了使用单一软阈值或硬阈值的局限性.为了避免陀螺仪精度对初始对准结果的影响而采用磁强计辅助对准,利用小波阈值降噪来对加速度计与磁强计的原始数据进行降噪处理后再进行姿态解算,提高了初始对准精度.     

采用Morlet小波的锂电池相对健康状态估计

针对现有电池健康状态(SOH)估计方法存在估计精度低、计算量大等问题,提出了一种采用Morlet小波的锂电池相对健康状态估计方法。首先探究了电池电化学阻抗谱(EIS)与相对健康状态对应关系,然后获取电池实际工况下的电压电流数据,采用Morlet小波对所获得的电池电压和电流数据分别进行Morlet小波变换,用变换后的电压小波系数除以电流小波系数在线计算电池EIS,最后利用在线计算的EIS估计电池的相对健康状态。该方法无需进行大量实验,准确度高,计算快,能更好地应用于电动汽车中。在城市道路循环(UDDS)工况下对所提出的方法进行了验证,实验结果表明,该方法可以准确估计出电池的相对健康状态,估计误差控制在3.3%以内。     

人工智能在拾取地震P波初至中的应用 ——以汶川地震余震序列为例

为了准确而迅速地拾取大量地震事件的P波初至, 将深度学习方法引入微地震P波初至到时拾取研究中, 对卷积神经网络的结构进行改造, 以便适应地震波形数据的特点 P波初至拾取的要求。该算法只需要输入10 s窗口的三分量地震波形数据, 就可以自动地判定P波初至时刻, 无需扫描连续波形, 运算时间远远小于长短窗、模板匹配等传统方法。使用该算法训练汶川地震主震后2008年7—8月7467条人工拾取的余震P波初至到时, 将得到的模型对测试集中 1867条数据的计算结果与人工拾取结果对比, 误差小于0.5 s者占比达到98.9%。在低信噪比条件下, 该方法仍能保持较好的拾取能力。     

基于小波包总能量变化率的体外拉索损伤识别方法

针对体外预应力拉索的损伤识别问题,建立基于小波包能量谱的拉索损伤识别指标,传统的频域计算分析方法很难对拉索的这类损伤进行有效的识别,需要从时频域进行分析. 首先,设计针对体外索结构的拉索损伤识别实验,得到不同损伤程度、不同索力和不同索长的拉索动力响应信号,并得到频率、时域和能量域的特点;其次,从小波包分解的能量域展开分析,建立小波包总能量变化率指标RES;最后,建立基于RES的拉索损伤识别流程,并进行实桥损伤识别. 结果表明,提出的损伤指标对损伤程度有较强的敏感性,能够有效地识别出体外索损伤,能够应用于体外预应力加固桥梁结构的长期监测中.     

基于分数阶变换的彩色图像自适应重构水印算法

首先, 采用分数阶Fourier变换算法, 对彩色图像进行分数阶频域变换, 分析图像的频域信息, 筛选出适合嵌入水印的系数, 作为水印的嵌入位置; 其次, 定义频域系数的隐蔽特性, 并对隐蔽特性进行分级, 使水印嵌入系数达到最优; 最后, 对二值化水印图像分块做提升小波变换和压缩感知测量, 将测量结果作为水印信息嵌入到载体图像中, 解决了当前多数水印算法嵌入信息冗余度高, 含水印图像抗攻击能力不足的问题. 实验结果表明, 该算法在抵抗几何攻击、 噪声干扰等方面性能良好, 显著降低了水印信息冗余度, 提高了嵌入的效率和水印信息安全性, 增加了水印算法的可靠性.     

基于小波分析与Boll改进谱减法的普米语语音增强算法

小波分析和Boll改进谱减法具有很好的减噪效果,但同时也存在"音乐噪声"和语音失真.为了解决这2个问题,基于这2种算法,研究了一种它们的联合算法并对加噪后的普米语进行语音减噪实验.通过对减噪后语音的试听和波形图的观察以及信噪比的对比,对实验的结果进行分析.实验结果表明,针对叠加了随机高斯白噪声的普米语,算法能有效地减少这2种方法单独使用时所产生的"音乐噪声"和语音失真.