小波变换方法实现语音端点检测

介绍传统端点检测方法,对其特点进行了分析,针对主要由白噪声组成的噪声背景,采用一种基于小波变换的语音端点检测方法,并进行了NATLAB仿真。实验结果表明,这种算法根据白噪声在小波变换域各个子带的平均能量变化平缓的特点,判别语音段和噪声段,在高信噪比和低信噪比的情况下,均能正确判别语音段和噪声段。     

涡流检测自然裂纹与信号处理

在用涡流检测(Eddy Current Testing,ECT)法评价设备缺陷时,缺陷信号由于受到探头提离及设备结构变化引起的非缺陷信号及环境噪声的影响而恶化,直接影响到对缺陷的正确评估.采集了自然裂纹 ECT 信号并根据其特点,采用小波变换对其进行了去噪处理.首先将 ECT 信号进行小波分解,去除非缺陷信号及白噪声信号分量,然后对小波系数进行反变换,重构缺陷信号.对一维和二维 ECT 信号处理结果表明这种信号处理技术对提取湮没在非缺陷信号和自噪声中的缺陷信号非常有效.     

基于小波变换域的SVM股市时间序列预测算法

研究利用小波变换技术提高基于SVM的股市时间序列预测算法的效果.采用结构相同的若干SVM同步预测股市时间序列数据在不同尺度下的小波变换系数,通过对各预测值进行加权组合预测股市变化趋势.其中所有SVM的核参数采用遗传算法同时自动进化调整.通过实证分析,以及同基于SVM的股市时间序列预测算法进行对比,结果证明结合小波变换技术能够更深入揭示股市规律.     

一种基于流量预测的启发式路由表更新算法

针对目前的路由表更新机制无法有效地控制和降低因路由表更新而导致的网络丢包量的问题,提出一种基于流量预测的启发式路由表更新算法。利用流量预测模型对IP路由器中各路由表项所对应的网络流量进行预测,并在此基础上通过启发式算法动态调整路由表项的更新顺序和更新-分发批处理的量程大小,以实现在路由表更新过程中产生最少的网络丢包量。仿真实验结果表明该算法有效地减少因路由表更新引起的网络丢包量。     

电力设备视频监控画面分析中的视觉噪声的影响研究

通过对电力设备视频监控中的典型画面以及典型电力设备的视觉噪声影响研究,及几种常用的去噪算法的去噪效果比较研究,得出小波软阈值算法能比较好地处理电力设备视频监控画面的高斯噪声和混合噪声这一实用的工程结论。针对小波去噪算法对于细线缆等轮廓线较细的设备,以及阴影较深的设备的噪声背景处理效果较差,轮廓线断裂显著等问题,提出可利用已知轮廓线对小波算法的软阈值进行启发式修正,修补轮廓线断裂缺陷的解决方案。     

基于小波包分解的GJO-XGBoost水面蒸发量预测

为提高水面蒸发量预测精度,提出一种基于小波包变换(WPT)、金豺优化(GJO)算法和极端梯度提升(XGBoost)算法相融合的水面蒸发量时间序列预测模型,通过云南省龙潭站、董湖站、西洋站1991—2021年逐月水面蒸发量时序数据对模型进行检验.首先介绍GJO原理,在不同维度条件下选取4个标准函数对GJO进行仿真测试,并与粒子群优化(PSO)算法的仿真结果作对比.其次采用小波包变换(WPT)对逐月水面蒸发量时序数据进行分解处理,构建XGBoost算法输入输出向量.最后引入GJO算法对XGBoost超参数进行调优,建立WPT-GJO-XGBoost模型对各子序列分量进行预测和重构,并构建WPT-PSO-XGBoost、WPT-GJO-SVM、WPT-PSO-SVM、WPT-XGBoost作对比分析模型.结果表明：在不同维条件下GJO算法寻优精度优于PSO算法.WPT-GJO-XGBoost模型对龙潭站、董湖站、西洋站水面蒸发量预测的平均绝对百分比误差分别为5.491%、4.943%、5.024%,平均绝对误差分别为4.70、3.37、3.39 mm,预测精度优于WPT-PSO-XGBoos...     

基于多小波变换的医学图像分形压缩方法研究

针对医学图像分析与压缩的特殊要求,将多小波变换和分形压缩理论引入到医学图像压缩中。首先对医学图像进行多小波变换,较好地保持了医学图像的边缘和细节信息,再采用分形压缩方法对图像进行压缩。实验表明,算法在保持一定医学图像质量和较高压缩比的前提下,编码时间大大减少,结合多小波变换的医学图像分形压缩方法在临床应用取得较好效果。     

基于小波与嵌入式零树编码的锈蚀图像压缩方法

为了提高高分辨率锈蚀图像的传输效率和处理速度,设计了一种基于小波和嵌入式零树编码的锈蚀图像压缩方法.首先,将原始锈蚀图像的RGB颜色空间转换为YCbCr颜色空间,并对Y、Cb、Cr三通道分量进行小波分解,得到对应的小波系数;其次,结合对比敏感度函数对不同子带的小波系数进行加权处理,利用嵌入式零树算法对小波系数进行量化和编码得到码流;最后,对码流依次进行解码、反量化和逆变换,得到Y、Cb、Cr颜色空间的重构图像,并将其还原至RGB颜色空间,得到压缩后的图像.实验结果表明,本文算法与传统压缩算法相比,能有效降低图像的储存空间,减少细节丢失,保证了压缩后的图像质量,在压缩比和图像质量上都有较大提高,更适用于工业领域锈蚀图像的压缩.     

基于WPD-AHA-ELM模型的水质时间序列多步预测

根据水质时间序列多尺度、非平稳特性,并基于“分解-预测-重构”思想,提出小波包分解(WPD)-人工蜂鸟算法(AHA)-极限学习机(ELM)组合多步预测模型,并应用于云南省昆明西苑隧道断面pH值、CODmn、DO、NH₃-N多步预测.首先介绍AHA原理,在不同维度条件下选取6个典型函数对AHA进行仿真测试,并与灰狼优化(GWO)算法、旗鱼优化(SFO)算法、粒子群优化(PSO)算法的仿真结果进行比较;其次利用WPD对水质时序数据进行小波包分解,以降低水质序列数据的复杂度;并在延迟时间为1的情况下,采用Cao方法确定各子序列分量的输入、输出;最后通过各分量训练样本构建ELM适应度函数,采用AHA对适应度函数进行寻优,利用寻优获得的最佳ELM输入层权值和隐含层偏值建立WPD-AHA-ELM模型对各子序列分量进行超前1步至超前5步预测,将预测结果加和重构得到最终多步预测结果.结果表明：AHA具有较好的寻优精度和全局搜索能力,寻优精度优于GWO、SFO、PSO算法.WPD-AHA-ELM模型对实例断面pH、CODmn、DO、NH₃-N超前1步至超前5步...     

基于核主成分分析的图像去噪

简介了核主成分分析的原理及利用核主成分分析的图像去噪方法.通过使用核函数,在特征空间中对噪声图像使用主成分分析进行降噪处理.基于MDS的思想,使用核方法计算出在特征空间中降噪后的图像与其邻域点之间的内积约束关系,通过核函数重构出在原空间中降噪图像与其邻域点的内积约束关系,基于此内积约束关系在原空间中重构出降噪图像,从而达到通过核主成分分析对图像降噪的目的.比原有的MDS算法更稳定,对图像的噪声部分有更好的去除效果.