自适应冗余第2代小波设计及齿轮箱故障特征提取

针对强噪声背景下齿轮箱故障特征的提取问题,设计了一种提取该类信号时域特征的自适应冗余第2代小波.采用基于数据的优化算法设计每层小波分解的初始预测器和更新器,然后通过对初始预测器和更新器进行插值补零运算,来获得冗余预测器和更新器.第2代小波不需要剖分运算,利用冗余预测器和更新器直接对每层逼近信号进行预测和更新运算,能较好地保留信号的时域特征.采用第2代小波较理想地提取出了齿轮箱发生摩擦故障时的时域调制波形和周期性冲击脉冲,并对得到的细节和逼近信号进一步进行包络解调,从而分离出了故障调制源频率.结果表明,自适应冗余第2代小波对噪声背景下齿轮箱故障特征的提取效果优于其他小波.     

基于梯度的虹膜定位方法

为了提高虹膜定位的速度以及虹膜定位的准确性，依据虹膜图像灰度的分布特性及良好的环状性质，检测出瞳孔边缘以减少参与Hough变换的点数，进而定位虹膜内边缘．对于外边缘定位采用基于灰度梯度的微分积分圆形检测算子的方法．实验结果表明，此种方法能够准确地进行虹膜内外边缘定位，避免了含有大量其它区域对定位带来的影响．     

基于自适应Gabor小波包的超声心动图像纹理特征提取

在基于纹理的医学图像检索中，由于提取的图像特征向量过长，大大影响检索速度．为此，提出一种基于Gabor小波包的自适应纹理提取方法：以信号能量集中度作为自适应选取小波包的优化参数，建立反映图像内容的纹理特征向量以及空间信息结构码．这种方法有效降低了纹理特征向量的维数，显著提高了图像分析的效率．在基于内容的图像检索实验中，以两类典型的超声心动图像为研究对象，结果表明该方法能够达到95．1％的平均识别率．     

基于小波变换的柴油发动机辐射噪声线谱分析

对小波变换(多分辩率分析)用于柴油发动机辐射噪声分析.利用小波变换的"变焦"性能,并基于其多分辨率分析,以柴油发动机辐射噪声信号为对象,使用Daubechies小波及快速小波算法———Mallat算法对其进行塔式分解,然后进行各级小波波形结构特征提取,再结合经典谱估计的方法分析其线谱特征,进而提高线谱的分辨率,以获得更多的信息量,为柴油发动机降低噪声提供理论依据.分析表明,将小波变换应用于柴油发动机辐射噪声线谱分析具有重要的意义.     

图像去噪的几种方法分析比较

图像去噪是图像处理中的重要组成部分，对均值滤波、中值滤波、维纳滤波和图像小波域滤波四种用于图像去噪的平滑技术进行分析比较。     

氧化态锰相互转化的实验教学研究

针对锰的氧化态多样、颜色变化丰富的特点，引导学生重点对锰（Ⅵ）和锰（Ⅲ）的生成与歧化反应的转化条件进行了试验，对试剂用量、反应温度、溶液pH值等影响反应方向与现象的因素进行了探讨，并对研究性实验教学问题浅述见解。     

DSP Builder实现MP3音频解码中的IMDCT

文章主要讨论如何使用 DSP Builder来实现 MP3音频解码中的 IMDCT。MDCT和 IMDCT是 2种重叠正交变换 ,也是 MPEG音频标准中运算量最大的 2种运算 ,主要应用在数字信号处理当中。采用正弦递归循环公式 ,实现 IMDCT的内核 ,得到一种该变换的高效实现方法 ,这种方法特别适合 VLSI的并行实现     

一种基于小波变换的超光谱图像融合方法

超光谱图像小波融合是一个前沿的研究课题．在保留超光谱图像中各波段的光谱信息基础上，为增强边缘细节的表现能力，提出了基于小波变换的方差加权融合方法．并将融合结果与传统小波融合方法进行了比较．计算机仿真表明，该方法获得了更好的超光谱图像融合效果．     

Hilbert-Huang 变换在爆破震动信号分析中的应用

介绍了Hilbert-Huang变换(HHT)法的原理、内容和优越性, 并用仿真信号进行实例分析, 以验证其关键技术经验模态分解(EMD)的高效性、自适应性, 以及其时频图能定量地描述时间与瞬时频率的关系. 用HHT法对爆破震动信号进行分析与处理. 研究结果表明: EMD能很好地按不同的时间尺度对信号进行分解, 分解后的固有模态函数能反映信号本身所固有的特性;能将Hilbert能量谱中的信号能量清晰地表示在时间-频率-能量的分布图上;HHT法能有效地提取爆破震动信号的时频特征;HHT法比小波分析更具适应性, 为爆破震动信号的分析与处理提供了新的研究思路与方向.     

信号的多相表示与M-带小波变换

指出了多通道滤波器组问题与M-带小波变换具有密切的联系,是M-带小波应用的基础.从M-带小波应用的角度出发,研究了信号的多路复用及多相表示方法,以及时、频空间中M-带小波变换系统的系统函数及输出输入信号的分析及综合算法,并在数学上建立了多路复用技术中多相型数字信号网络与M-带小波滤波器的构造方法.