安瓿瓶内杂质检测的信号处理方法

采用光阻法对安瓿瓶内纤毛杂质信号检测进行了实验研究,分析了纤毛杂质的信号特征.对比了Butterworth数字滤波、均值滤波、理想低通滤波和小波变换4种不同滤波方法的滤波效果,滤波后的信噪比分别为13.98、10.80、9.18和14.89 dB,实验表明,小波变换滤波是最佳选择.此外,提出了微分和分段求方差的方法以提高检测结果的可信性.     

机械振动信号局域判别基特征提取方法

研究了基于相对熵的小波包局域判别基算法,构造了以局域判别基空间上的结点能量为元素的特征矢量,并在发动机上进行了实验研究,结果表明,小波包局域判别基结点能量谱具有明显的类别特征,经过压缩,作为分类器的特征输入具有较高的模式识别率。     

基于RGB分量小波分解的数字图书馆图像检索技术

图像检索技术是数字图书馆进一步发展的核心技术,目前主要受到检索准确度和检索速度之间矛盾的制约.为此提出了一种基于RGB分量小波分解的图像检索方法.首先,利用原始图像信息生成RGB三色分量图像.然后,将每一幅分量图像进行小波分解,求取其低频分量成分.最后,利用RGB三色分量图像的低频成分进行融合,生成最终的相似性测度.实验结果表明,此方法可以在确保准确性的前提下,快速地实现图像检索.     

一种改进的广义谐波小波包分解算法及在信号特征提取中的应用

提出了一种改进的广义谐波小波包分解算法,克服了传统特征提取方法的缺点,实现了信号的快速无混叠分离。通过与小波包分析、经验模态分解、广义谐波小波包分解进行比较,证明其在信号分析上的有效性和优越性。基于超声波信号频率非单一性的特点,将该算法应用到超声波信号特征提取中,实现了任意频段及任意频宽的信号特征提取,且计算量小。该算法为信号特征提取提供了一种更加精确有效的方法。     

基于Gabor小波能量子带分块的稀疏表示人脸识别

基于稀疏表示分类的人脸识别通常提取特征脸、随机脸和费歇尔脸这些整体特征,忽略了局部特征在克服光照和表情变化方面的优越性。针对以上问题,本文提出了基于Gabor小波能量子带分块的稀疏表示人脸识别算法。首先将人脸图像进行不同尺度和方向下的Gabor小波变换,对得到的每个能量子带进行分块,然后将各子块能量信息融合组成子带的特征向量,再将各能量子带特征向量融合组成增强的Gabor特征向量,最后将该特征应用于稀疏表示人脸识别。实验结果表明,该算法对于光照和表情变化具较好的的鲁棒性。     

基于小波包最优基的网络数据的压缩

将紧支撑集正交小波包变换运用到网络数据压缩中来。研究了直接影响网络数据压缩质量的几个因素---域值,小波函数,分解级数,小波包基。在此基础上,选取域值熵作为优选指标,给出了取得最优方案的快速搜索方法。实验表明,选用的压缩方法提高了网络数据的压缩效果。     

小波变换的兴趣特征图像检索技术

针对分析过程中优越的多分辨分析和空间频率局部化性能,在离散小波变换(DWT)基础上,提出了一种新的基于内容的图像检索方法.YUV色彩空间中更利于提取颜色特征,将每个图像从标准RGB色彩空间转换到YUV色彩空间,图像的每个分量(Y、U和V)转化为小波域.图像数据库建立阶段,存储每幅图像的小波系数.图像检索阶段,系统比较查询图像与数据库中图像的Y、U和V分量的小波系数,加上用户分配的权重因素,在用户感兴趣特征基础上查询最佳匹配结果.实验结果表明建立方法的是有效的.     

企业配电线路中抑制噪声干扰方法的研究

与某化工企业合作,分析了输电线路监测中可能遇到的多种干扰类型,并根据当前普遍采用的抗干扰方法,设计出数学形态法与小波变换相结合的抗干扰方法;并且对该方法进行了仿真分析和现场数据实验.线路监测系统采用该方法之后,能对采集到的信号进行准确地辨识,从而降低原系统较高的误报警率.     

基于小波神经网络的实际业务流预测方法

针对无线传感器网络传输过程中容易受到噪音干扰的问题,提出了一种新的业务流预测算法AWNNP(Ant colony-based Wavelet Neural Network Prediction).该算法首先利用小波变换对业务流进行分解,并将其小波系数和尺度系数作为样本数据.其次,结合蚁群算法和神经网络来训练样本数据,采用小波模型重构进行重构,以此获得业务流的预测数据.同时,通过仿真实验对比,并分析了小波神经网络预测算法和BP神经网络预测算法,实验结果表明,AWNNP算法性能较优,其误差为16.21%.