基于三通道不可分对称小波的多聚焦图像融合

针对Daubechies系列小波不具有对称性、张量积小波变换只强调水平和垂直方向的不足,提出了一种基于三通道不可分对称小波的多聚焦图像融合方法.利用矩阵扩充的方法,给出了一种三通道不可分对称小波滤波器组的构造方法,用所构造的不可分小波滤波器组分别对多聚焦图像作非下采样多尺度分解,采用低频分量系数值取小、高频分量系数绝对值取大的融合规则对分解后的子图像进行融合.实验结果表明,该方法有较好的融合效果,其融合结果图像有较丰富的边缘信息、较高的清晰度和空间分辨力,其融合性能比基于不作采样的张量积离散小波帧变换的融合方法的融合性能好.     

模拟电路故障诊断的新方法

本文提出了用多小波神经网络诊断模拟电路故障的新方法。根据多小波的多分辨率分析思想,构造了一种多小波神经网络,其激励函数为具有紧支撑集、对称性和正交性的多尺度函数和多小波函数。用多小波神经网络和单小波神经网络对实例电路进行故障诊断,仿真结果表明,与单小波神经网络相比,多小波神经网络不仅学习收敛速度快,而且能够更准确地对模拟电路进行故障诊断。     

基于小波神经网络的模拟电路故障诊断

本文对模拟电路提出了一种基于小波神经网络的故障诊断方法。该法利用小波空间中函数的多分辨率分解思想，构造了一种激励函数为具有紧支撑集的尺度函数和小波函数的小波神经网络。这种小波神经网络隐层节点数的选取有理论根据，解决了传统神经网络隐层节点数难以确定的问题。分别用本文提出的小波神经网络和传统BP网络对实例电路进行故障诊断，结果发现，小波网络比传统BP网络方法不仅学习收敛速度快，而且有效地避免了局部最小值问题。     

基于Red-Black小波变换的多光谱图像融合方法

针对张量积小波在多光谱图像融合中的不足,提出了一种基于Red-Black小波变换的多光谱图像和高空间分辨率全色图像融合方法.首先对多光谱图像进行IHS变换,将得到的亮度分量和高空间分辨率全色图像进行直方图匹配,并分别作多尺度Red-Black小波分解,然后对低频部分采用加权平均、高频部分采用替代的融合算法对分解子图像进行融合,最后对融合后的各级子图像进行Red-Black重构和IHS逆变换得到融合结果图像,采用客观性能指标对融合结果图像进行了评价.实验结果表明,该方法有较好的融合效果,其保持光谱质量和空间分辨率信息的能力比基于IHS变换融合方法、基于DWT的融合方法和基于IHS-DWT的融合方法都强.     

基于遗传小波神经网络的光电稳定平台系统辨识

针对光电稳定平台系统不能对航空平台姿态高频变化进行实时精确补偿,系统补偿特性不能精确获知的问题,提出了一种自适应差分遗传小波神经网络的系统辨识方法.该方法首先采用小波函数作为神经网络的激励函数,提高了神经网络的泛化能力和逼近能力;其次,对小波神经网络参数和结构进行染色体编码,用遗传算法解决了小波神经网络结构不易确定的问题;最后,采用自适应法计算交叉率和变异率,并利用差分变异方法重组染色体,提高了系统辨识的收敛速度.为了检验该方法的辨识效果,采用无人机外场试验数据对光电稳定平台系统进行辨识,辨识结果表明,该方法可有效地辨识出光电稳定平台系统.     

基于小波神经网络的非线性动态系统辩识

采用一种新型小波神经网络对非线性动态系统进行辨识。通过优化组合小波基元激励函数 ,大大减小了小波神经网络的规模 ,改善了网络学习特性。仿真结果表明 ,该网络结构及其学习算法简单有效 ,逼近精度高     

基于小波-神经网络的井眼轨迹预测数学模型研究

以复杂钻井系统动力学为基础,从所建立的钻头位移模型仿真实验中提取数据,把所得的井眼轨迹时间序列进行小波分析重构,分别得到平稳的随机序列、周期序列和非平稳趋势序列;并把所得平稳随机序列、周期序列、非平稳趋势序列作为输入层,构造小波一神经网络井眼轨迹预测模型,充分发挥小波分析的多分辨率功能和人工神经网络的非线性逼近能力.通过实验验证,此模型能有效提高预测精度、延长预见时间,这将为复杂钻井系统井眼轨迹预测研究提供新的理论依据及方法.     

基于小波迦辽金法的复杂封闭空腔结构-声耦合场分析

基于小波的紧支性、正交性及Daubechies小波函数与其尺度函数的可微性,以Daubechies小波尺度函数作为Galerkin方法的基函数,研究求解任意复杂封闭空腔结构-声耦合场的方法.Galerkin法须要涉及Daubechies小波尺度函数的求导和积分,即所谓关联系数,而Daubechies小波不存在解析表达式且具有强烈振荡性,采用数值求导和积分存在很大误差.因此根据小波双尺度方程,给出求解结构-声耦合场中涉及的关联系数的精确计算格式.而后利用小波迦辽金法对一类似轿车车身的复杂封闭空腔,在20～250 Hz频段内进行结构-声耦合场预报,将计算值和试验测量值进行比较,证明该方法能够准确预报耦合场的固有频率和腔内声压分布情况.     

基于证据理论的零件图像识别

从零件图像的小波分解系数和图像相对边缘像素系数作为零件特征的方法出发，提出了基本概率分配构造和多源零件图像特征识别的方法。首先，对多源零件图像分别进行小波分解和多尺度边缘检测，获取零件图像的小波分解系数和相对边缘像素系数。然后，将它们作为神经网络的输入，获取多源零件图像识别的基本概率分配。最后，依据证据理论的合成规则得到零件的识别结果。实验结果表明，所提出的方法是有效的。     

基于证据理论的零件图像识别

从零件图像的小波分解系数和图像相对边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法。首先,对多源零件图像分别进行小波分解和多尺度边缘检测,获取零件图像的小波分解系数和相对边缘像素系数。然后,将它们作为神经网络的输入,获取多源零件图像识别的基本概率分配。最后,依据证据理论的合成规则得到零件的识别结果。实验结果表明,所提出的方法是有效的。