2种多小波变换系统在遥感图像融合中的研究

多小波分析能够为图像提供一种比小波多分辨率分析更加精确的分析方法.彩色图像的表现形式主要有RGB混色系统和IHS显色系统.为了得到高质量遥感图像的融合效果,将多小波变换分别和2种系统结合,以GHM多小波为例,采用梯度加权算法,通过Matlab编程实验,得出了多小波变换和2种系统结合的各自优缺点,突出了多小波变换和RGB系统相结合的优势,实验结果明显.     

与FMRA相联系的Parseval框架多小波的刻画

通过Parseval框架多小波的维数函数,与一个框架多尺度分析相联系的Parseval框架多小波的充要条件被给出,从而来自于一个多尺度分析的Parseval框架多小波的刻画问题被彻底地解决.     

基于Parseval框架的多小波子空间抽样定理

研究了基于Parseval框架的多小波子空间中的抽样定理.通过满足一定条件,给出抽样定理在多小波子空间中成立的等价条件.所得结果不仅推广了单小波子空间的抽样定理,而且抽样公式在L2(R)收敛意义下成立.     

双正交双向小波包

目的为建立双正交双向小波包的理论框架。方法积分理论和算子理论。结果得到双向小波包的双正交公式。结论推广了双正交小波包的概念。     

基于小波包变换与粗糙集的船舶电机定子故障诊断方法

为在少量的传感器以及无先验故障知识的情况下,实现船舶电机定子故障状态的确定以及故障严重程度的划分,提出了对定子电流进行小波包变换提取故障特征,基于粗糙集理论建立可分辨矩阵,并从中提取故障诊断规则的方法.通过对电流特征信号进行小波包分解,使相应分解子频段能始终覆盖随电机转差率变化的故障特征频率;利用子频段重构系数的均方根值变化率作为特征指标,实现故障特征的提取.采用自组织特征映射网络对特征指标进行聚类,由相邻子频段的均方根值变化率组成一组学习样本的方法,减少了子频段之间混叠问题对于聚类结果的影响.实验室条件下进行了电机定子故障的实验,通过对故障数据的应用,验证了该方法的可行性.     

一种主动网络管理系统结构模型设计

传统网络管理体系基于SNMP协议,已不能适应规模日益扩大的网络需要。主动网络是“运行时可扩展”的分布式计算体系,它通过将可执行代码封装到数据包并在网络上移动来实现用户对网络某些运行特征的控制,远程动态修改网络配置。讨论了一种基于节点的主动网络管理框架体系,对该模型的结构、工作原理、设计要点和网络拓扑发现等进行了探讨。     

正交周期小波包

引入正交周期小波包的概念,并对周期小波包的性质进行研究,得到周期小波包的分解公式及其Fourier变换表示.结论表明,对周期小波空间,可以对其进行子空间正交直和分解.这种分解与实直线上的单小波不同,其分解次数受到小波空间维数的约束.对正交周期小波空间来说,可以进行最多j次分解,分解为2个一维小波子空间的正交直和.     

冗余提升多小波包的构造及其应用

针对提取隐藏在原始振动信号中的弱周期性冲击信号,提出结合冗余提升多小波包(RLSMWP)及滑动窗奇异值分解(SWSVD)降噪的方法。利用提升方案实现具有5阶逼近阶性质的冗余Haar预处理,对信号进行预滤波,获得2重矢量信号。对多小波分解得到的矢量细节信号进行进一步分解,实现冗余提升多小波包变换。对最后一层各输出通道信号进行SWSVD降噪,重构后获得降噪信号。结果表明,RLSMWP与SWSVD相结合具有很好的降噪效果,提取出了隐藏在气阀振动信号中的弱周期性冲击成分;与传统多小波构造方法相比,新方法在时域实现了预滤波、多小波分解、多小波重构及后处理,具有计算简单、节省内存、运算速度快、可完全重构等优点。     

基于多小波的信号奇异性分析方法

多小波具有很强的信号处理能力，而信号的奇异性用于表征信号突变或是不规则变化性质，包含了信号的重要信息，研究多小波的信号奇异性分析方法有重要意义。基于此，分析多小波的信号处理能力和信号的奇异性特性。推导出多小波变换模极大值与信号奇异性之间相应的关系，并将其应用于图像处理。仿真实验结果表明，多小波变换能很好的刻画信号的奇异性特征。     

天线阵列的双正交模分析法

提出一种新型分析天线阵列的方法,该方法利用模式理论,结合阵列特点选取每个阵元的双正交模函数组为整个阵列矩量法的分域展开函数和加权函数,考虑耦合性较强那部分互耦矩阵,产生稀疏阻抗矩阵,进行运算得到所需特性。分析了天线阵列和散射体阵列特性,计算结果与传统矩量法相比一致性较好。方法既保持了传统矩量法的精确性,而且概念清晰,节约存储空间,提高了计算效率。