基于小波变换的图像压缩编码方法研究

介绍了小波变换的基本理论以及基于小波变换的图像压缩编码与解码恢复过程。为了研究基于小波变换的图像压缩编码方法的优越性,通过实验与传统的离散余弦变换编码方法进行了性能的对比分析,实验结果表明：由于小波变换具有时间-频率局部化特性和多分辨率特性等优点,其能够更加有效地应用于图像数据压缩,可以达到更高的压缩效率,而且理论上可以获得任意压缩比的压缩图像。     

波纹钢板截面几何性质计算

在应力和应变计算中,将要用到截面的几何性质。以材料力学为基础,计算了波纹钢板的截面面积、惯性矩、截面模量、回转半径,同时也介绍了利用CAD软件计算图形的几何性质。最后通过算例验算计算公式的正确性。     

基于小波分析和集成学习的短时交通流预测

针对短时交通流具有随机性和不确定性等特征,提出一种基于小波分析和集成学习的组合预测模型.首先,对原始交通流数据的平均行程时间序列应用Mallat算法进行多尺度小波分解,且对各尺度上分量进行单支重构;其次,对于各重构的单支序列分别使用极端梯度提升模型(extreme gradient boosting,XGBoost)进...     

基于新阈值函数的二进小波变换信号去噪研究

由于二进小波变换的小波基函数存在着一定的冗余,基于二进小波变换的去噪效果要好于离散小波变换的信号去噪·噪声阈值的准确估计和阈值函数的选择对去噪精度有着显著的影响·在分析高斯噪声的二进小波变换特性基础上,提出了一种改进的二进小波变换去噪方法·采用一种新的阈值函数,克服了Donoho软阈值方法中估计小波系数与分解小波系数存在恒定偏差的缺陷·仿真结果表明,改进的二进小波去噪方法不仅可以有效地抑制信号奇异点处的pseudo-Gibbs现象,而且消噪精度高于传统的软硬阈值方法·     

基于小波神经网络矿山安全的评价模型

煤矿是一个多工序、多环节、生产过程复杂、时空变化大、环境恶劣的生产企业,其安全系统是一典型的非线性系统,对矿山进行安全评价是当前安全管理中的一个重要环节.采用由伸缩和平移因子决定的小波基函数代替Sigmoid等传递函数,选用23项指标作为输入节点,建立矿山安全的小波神经网评价模型,该模型可自动确定网络参数,避免了传统神经网络需要人为干预网络结构参数的不足.实例分析表明,提出的WNN网络的评价绝对误差平均为0.425%,而BP网络评价绝对误差平均为3.1%.这说明,WNN网络泛化能力远好于BP网络,该模型具有重要的应用价值.     

利用Laplace小波和粒子群算法实现阻尼和频率精确计算

提出一种利用Laplace小波求自由衰减信号阻尼和频率的新方法.该方法利用Laplace小波实部的衰减特性来识别信号中的自由衰减波形,从而实现阻尼、频率的正确识别.同时为了提高识别效率,引入了粒子群算法来实现Laplace小波的参数寻优.仿真试验表明:这一方法具有较高的计算精度,且计算精度不受相邻模态耦合的影响.     

基于小波多尺度扩展分形特征的目标检测方法

研究复杂自然背景下的小目标检测问题,对Kaplan的扩展分形特征进行改进,使其对目标尺寸具有一定的适应性·考虑自然背景和斑点状人造目标在水平、垂直方向特性,利用小波分析良好的方向选择性,通过多级小波分解互能量交叉,在两个方向上有效地增强目标、抑制背景干扰,从而提出一种基于小波分析的多尺度扩展分形特征·实验结果表明,基于该特征的目标检测算法对复杂地面背景、海面背景的红外图像和电视图像具有较好的稳健性和适应性,能从单帧图像中较好地检测出小目标,具有检测速度较快、易于实现的特点·     

包络分析在超宽带信号采集中的应用

室内环境下超宽带信号具有丰富的多径分量,在时域中这些分量表现出簇（cluster）的形式,簇在时域上类似于幅度调制,可采用包络分析法对其进行分析。介绍了利用小波变换进行超宽带信号包络分析的方法,给出了接收信号包络的时域表达式,并对低信噪比下超宽带信号进行了包络提取,结果显示该方法实现了簇内多径分量的合并,并具有很强的去噪作用。包络分析方法对于那些难以建立模型的传输环境以及能够建立模型但难以提取参数的场合下超宽带信号的采集具有重要的意义,它指出了传统的包络分析技术可用于超宽带信号的采集。     

TD-SCDMA系统中的载波频率估计方法

提出了一种用于TDSCDMA系统的频率估计方法,该算法利用TDSCDMA系统中的导频序列,通过最大似然函数进行数值估计,并且利用一系列的频率自动调整策略使估计值较为准确、较为收敛。在AWGN和多径条件下的仿真结果均表明,该算法具有比较理想的估计准确度和稳定性,尤其是结合使用自动调整策略算法后,该算法具有更优的估计性能,这说明该算法十分适合应用于TDSCDMA通信系统中     

基于改进学习矢量量化神经网络输电线路故障识别技术

针对输电线路距离长、覆盖范围广,易受到自然环境和人为因素的影响,对输电线路故障分类和识别非常困难.在输电线路故障分类中将经验小波变换与改进的学习矢量量化神经网络相结合,使用经验小波变换提取输电线路的故障特征,并使用改进的学习矢量量化神经网络识别故障特征.通过对不同故障类型、故障位置、过渡电阻和初始故障角度进行仿真,验证该模型的准确性和有效性.仿真结果表明,该方法在故障分类中具有一定的优势,不受上述因素的影响,具有良好的鲁棒性和故障分类性能.该研究为中国输电线故障识别技术的发展提供一定的参考.