基于小波变换的电网畸变信号检测的研究

短时谐波、暂态扰动、电压剧变等畸变信号常常危害电网系统安全运行,因此对该类信号进行检测分析有很大的现实意义。提出了基于Mallat算法的小波变换方法,利用其分解算法将原信号分为高频和低频两部分,通过分析第一、二层高频系数来判断信号是否发生畸变,进而求出畸变持续时间,对于低频部分采用重构算法依次提取出各次谐波,再利用FFT实现对各次谐波的精确分析。Matlab仿真结果验证了该方法的准确性和有效性。     

WKICA算法在多光谱遥感特征提取中的应用研究

多光谱遥感图像具有高度冗余、非线性化的特点。对其进行有效的特征提取是完成精确目标分类的前提。基于核方法强大的非线性映射能力,提出一种小波核独立成分分析WKICA算法。WKICA算法结合小波核函数近似正交,能够对复杂非线性信号进行逐步逼近的优势,有效提高了核独立成分分析KICA算法的求解精度。将其应用在多光谱遥感图像特征提取中,并对预处理条件下的图像采用不同的监督分类方法进行分类实验。实验结果表明,在WKICA算法预处理条件下,能够更有效的滤除图像噪声,相比较传统的特征提取算法,能够获取更加精确的图像分类效果。     

WK混合滤波算法在雷达数据处理中的应用

通常的Kalman滤波算法不能很好的解决信号的时频局部性问题,往往只能在低频和高频两种滤波算法间通过机动检测器(变维滤波算法)或马尔可夫链的转移概率矩阵(VD算法)来进行切换,因为有一定的滞后,并受到机动检测器和转移概率矩阵的影响较大,从而产生较大的滤波误差.笔者将二维可分离小波变换良好的时频局部性和Kalman滤波的实时最佳预测修正跟踪滤波估计结合起来,得出一种有效的混合滤波算法(WK算法),并将该算法用于进行雷达数据的滤波处理,使得滤波估计值逐步逼近真实轨迹.通过实际的仿真验证了该算法比其它单一的滤波算法更为有效.     

基于PSO的WNN-PID自适应控制器在X光机高压电源中的应用

针对X光机应用技术要求,分析了X光机高压电源内部结构,结合小波神经网络控制技术,设计了基于粒子群算法(PSO)的小波神经网络PID(WNN-PID)自适应控制器,并应用于X光机高压电源,通过与其它控制器对比,证明了该控制器具有更好的控制性能。     

基于小波变换和SUSAN算子的灰度图像边缘检测算法

根据小波变换的多分辨率特性和SUSAN算子良好的抗噪和检测能力提出了一种灰度图像的边缘检测算法。首先对待检测的灰度图像进行小波多尺度分解,得到高低频信息;然后对高频细节信息进行SUSAN算子的处理得到图像的边缘信息。实验结果证明,该方法效果良好,具有很强的实用性。     

RBF网络和小波相结合的数字音频零水印算法

利用RBF网络结构简单、非线性逼近能力强、收敛速度快的特点,提出一种RBF网络和小波变换相结合的数字音频零水印算法。本算法利用RBF网络,将原始音频信号小波低频系数作为RBF网络的输入,将水印信号作为目标,建立原始音频信号与水印信号的对应关系。该方法不改变原始音频信号感知质量,在抵抗各种常见攻击时所得归一化相关系数有较好的稳定性。     

基于小波的图像去斑点噪声方法的研究

根据超声图像斑点噪声统计模型的特性,通过对超声图像进行连续小波变换、分形插值小波变换等变换方法以及小波分析的软阈值滤波方法,提出了结合小波软阈值与中值滤波去噪的方法,在不同尺度对信号小波系数进行处理,达到降噪目的.     

基于小波降噪与贝叶斯神经网络联合模型的短时交通流量预测

在短时间内准确、稳定地预测出交通流量,是实现智能交通控制系统的重要环节,对于交叉口信号控制方案的实时调整具有重要意义。鉴于此,提出一种 联合模型的预测方式,引入 和 作为模型评价指标,从精度和稳定性两个方面对模型进行评价。结果表明,在 、 、 等不同的时间预测尺度下, 联合模型的 和 均小于小波网络、贝叶斯网络、 网络等方法,短时交通流量预测结果的精度和稳定性得到了不同程度的提高。     

利用Relief特征加权进行基于小波变换的纹理分割

在利用小波进行纹理分割的相关研究中,通常小波分解的四个子带对分类的贡献是均匀的。为了考虑不同子带对图像分割的不同影响,提出了一种利用Relief算法对小波分解的子带特征进行加权的算法。首先对纹理图像进行标准金字塔结构小波变换,对小波变换后的各层四个子带进行特征提取作为纹理图像的四维特征;从粗尺度开始对纹理图像进行K均值分割,得到初步分割结果;然后把初步分割结果扩展到下一尺度,根据扩展后的分割标记图对相应尺度的纹理特征进行基于Relief的特征加权,得到加权后的四维特征;再进行K均值分割,经过多层迭代后,得到原纹理图像的分割结果。实验结果表明,与未加权的传统分割方法比较,该方法在分割错误率、边缘准确性以及区域一致性上都有明显改善。     

基于Haar小波的虹膜特征提取算法

虹膜特征提取算法的优劣决定了虹膜识别系统的性能,经典小波变换算法在特征提取上存在不足,提出一种利用二维Haar小波提取虹膜特征的算法。算法在虹膜预处理的基础上,利用2D Haar小波对虹膜特征提取区域分解,对第三层小波分解高频系数编码生成375bits虹膜编码,利用相似度作为特征匹配关系。在中国科学院虹膜数据库[CASIA(1.0)]上的实验结果表明,算法在认证模式(Verification)与识别模式(Identification)下,性能均优于Boles的算法和Wildes的算法,仅次于Daugman的算法;但本算法虹膜码长度仅为Daugman的1/5,更节省储存空间,正确识别率为99.16%,等错率达到0.54%。