非线性小波去噪技术在水声信号识别中的应用

应用非线性小波去噪技术对小波包能量法进行改进,提出了一种新的方法———去噪小波包能量法。该算法对信号小波去噪后,再用小波包能量法提取信号的特征。文中研究了不同的小波去噪方法对水声信号分类识别率的影响,在实测信号样本集上用BP神经网络进行了识别实验。结果显示了算法的有效性。     

非线性小波去噪技术在水声信号识别中的应用

应用非线性小波去噪技术对小波包能量法进行改进,提出了一种新的方法--去噪小波包能量法.该算法对信号小波去噪后,再用小波包能量法提取信号的特征.文中研究了不同的小波去噪方法对水声信号分类识别率的影响,在实测信号样本集上用BP神经网络进行了识别实验.结果显示了算法的有效性.     

基于融合能量代价函数的水声信号识别算法

提出了融合能量代价函数的概念及基于代价函数的小波包能量法,并将其应用于水声信号的识别。新算法以融合能量代价函数为标准,在整个小波库中构造最优小波包基,从小波包基上提取信号最有价值的特征值。由于从分类最佳的角度选择特征,所以与固定尺度小波包能量法相比,算法对分类特征模糊的信号有较好的识别效果。     

一种水声信号识别算法及仿真

应用小波包技术,提出了融合能量代价函数的概念及基于此函数的水声信号识别算法。算法以融合能量代价函数为标准,在整个小波库中确定特征空间及特征值。在MATLAB仿真环境下进行的BP神经网络实验显示：与固定尺度小波包能量法及最大距离小波包能量法相比,算法对特征模糊的信号有较好的识别效果。     

基于小波包分析和BP神经网络的中医脉象识别方法*

利用小波变换具有揭示信号时频两域细节和局部特征的能力,提出了将脉象信号的小波包分析和BP神经网络相结合以达到识别中医脉象的新方法。首先对脉象信号作三层小波包分解,利用小波包分解系数重构信号。然后计算第三层从低频至高频八个频带的信号能量,以此能量构造出脉象信号的特征向量送入改进的BP神经网络进行训练。大量样本的实验证实该方法具有识别正确率高、速度快的优点。     

小波包在蚕茧无损质量检测中的应用

本文介绍了小波包在蚕茧无损质量检测中的应用。针对所处理的信号的特点合理的选择小波函数,利用熵的准则对信号进行分解以及提取有用的信号,并计算各分解信号的小波能量来构造特征向量,最后将小波包的理论应用到蚕茧无损检测的质量识别中取得了较好的效果。     

基于小波变换的脉象信号特征提取方法

为了较好地区分正常人与心脏病人的脉象信号，利用小波变换奇异性检测功能与多尺度分辨特性，提出了两种提取脉象信号特征的方法：连续小波变换法和二进小波变换法。在此基础上，构造了两种特征向量：小波变换系数的尺度——主波峰值和小波变换的尺度——能量值。经过对临床采集的235例脉象信号的处理与分析统计，所得数据具有较好的重复性与稳定性，可以作为用于脉象信号识别的特征向量。     

小波包在蚕茧无损质量检测中的应用

本文介绍了小波包在蚕茧无损质量检测中的应用.针对所处理的信号的特点合理的选择小波函数,利用熵的准则对信号进行分解以及提取有用的信号,并计算各分解信号的小波能量来构造特征向量,最后将小波包的理论应用到蚕茧无损检测的质量识别中取得了较好的效果.     

煤岩声发射信号识别研究

针对煤岩破裂的声发射信号难以在复杂的噪声环境中识别的问题,提出了一种基于小波包分析和小波特征能谱系数分析的煤岩声发射信号识别方法。选取Symlets小波作为煤岩声发射信号分析的小波基函数,采用混合阈值算法对该信号进行去噪处理,提取出有用声发射信号,并采用Matlab软件分别对有用声发射信号和噪声信号的小波包分解进行仿真,得到两者的小波特征能谱系数和小波包特征向量。仿真结果表明,有用声发射信号特征向量的各级能量变化程度较大,噪声信号特征向量的能量变化较为稳定,从而可实现煤岩声发射信号的识别。     

小波包变换与Teager能量算子结合的说话人识别

在说话人识别系统中,语音特征参数的提取是影响系统性能的关键因素之一。在研究了MFCC参数的基础上,结合MFCC参数在信号的低频部分具有高频率分辨率以及小波包变换可以对信号的高频部分进行分解以提高高频部分的频率分辨率的优点,将二者结合,将Teager能量算子引入到信号高频部分的能量参数求解,构造了一种新的混合特征参数,采用支持向量机实现说话人的分类识别。实验结果表明,该特征参数有效提高了说话人辨识系统的识别率。     

一种基于小波方向对比度的多聚焦图像融合方法

人类视觉系统对于图像的局部对比度非常敏感,如果把小波变换和方向对比度结合起来,融合效果可能更好。在研究了方向对比度后提出了一种新的基于小波方向对比度的多聚焦图像融合方法。首先对参加融合的两幅图像进行小波多尺度分解,然后在每幅图像的每个分解层上,分别计算高频子带每个像素的邻域均值和低频子带的邻域均值之比,其中该分解层的低频子带是由上个分解层的低频子带和高频子带求2维离散小波逆变换得到,采用两者之比较大者所对应的高频子带系数作为融合后对应的小波系数,然后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数求2维离散小波逆变换,最终得到融合后的图像。这种方法考虑了邻域内像素的相关性,减少了融合像素的错误选取。实验结果表明,该方法的融合效果比针对每个像素求小波方向对比度的多聚焦图像融合方法的融合效果得到提高。     

小波变换在电力谐波分析中的应用

电力系统的谐波是影响电能质量的重要因素,谐波对电力系统和用电设备产生了严重危害和影响。文中应用小波变换分析电力系统的谐波,小波变换能描述频谱含量如何随着时间变化,同时在时间和频率上表示信号的能量和作用。与傅里叶变换对比,小波变换不仅可以知道哪些频率分量在信号中出现,而且可以知道这些频率分量在时域内是如何变化的,可以更精确地分析非平稳信号的谐波。     

基于帧间小波变换的视频水印研究

针对数字视频版权保护及信息隐藏技术的需要,本文提出了一种基于帧间小波变换的视频水印算法。该算法首先对视频序列进行等长分组,然后对各组中的视频序列进行最大级数的帧间一维小波变换,从而可以得到一帧低频图像和多帧高频图像,其中低频图像聚集了视频序列的大部分能量,而高频图像的能量相对较小。本文对低频图像进行奇异值分解,然后将水印图像嵌入到低频图像的奇异值变换域上。在水印的嵌入与提取过程中只对4帧视频图像进行小波变换,所需内存较小,并易于硬件实现。实验结果表明,本文提出的视频水印算法具有较好的隐蔽性和鲁棒性。     

基于小波包神经网络的模拟电路故障诊断

提出了基于小波多分辨分析和小波包预处理的模拟电路故障诊断方法。该方法用小波作为信号预处理工具,经小波多分辨分析得到N层分解后的低频和高频信号,再利用小波包分析对多分辨分析没有细分的高频信号进一步分解,以达到提高频率分解率的目的。经PCA分析和归一化后的能量作为训练样本送入BP神经网络进行训练。仿真实验表明此方法能够快速有效的对模拟电路的故障进行诊断和定位。     

基于小波变换和隐马尔可夫模型的人脸识别方法

提出了基于小波变换和隐马尔可夫模型的人脸识别方法。对原始图像采用小波分解后,原始图像被分解到不同的频带上。利用小波理论分析可知,在每一级分解中,低频子图像包含了原始图像的主要描述信息,而其他3个高频子图像包含的信息较少,对模式分类的作用也较小,所以可忽略不计。该算法首先对图像进行3级小波分解,然后把3个不同分辨率的低频子图像由小到大排列成树状结构,形成低频小波树。接着利用主元分析对每个小波树枝进行去相关、降维,形成特征小波树枝,并把它作为观测向量对隐马尔可夫模型进行训练,把优化的模型参数用于人脸识别,实验结果表明,该方法识别率较高,具有很好的发展前景。     

小波分形插值应用于遥感图像处理

鉴于自然物体图像具有分形特征,提出了小波分形插值应用于遥感图像处理的新方法．这种小波分形插值方法利用小波变换系数中低分辨率频带中的高频分量相似高分辨率频带中的高频分量的特点．将遥感图像在小波变换的基础上用分形做相似变换,进而通过反变换得到比原图像分辨率高的插值图像．实验证明,小波分形插值方法比现有的双线性插值、三次方B样条插值方法具有更好的性能．     

基于平均梯度和方向对比度的图像融合方法

由于不同传感器获得的多幅图像对同一场景的描述具有信息的冗余性和互补性,在小波图像融合的基础上提出了一种基于平均梯度和方向对比度的图像融合方法。对参加融合的两幅图像进行小波多尺度分解,在每幅图像的最高分解层上,分别计算高频子带每个系数的邻域绝对值均值和低频系数的邻域均值之比,采用两者之比较大者所对应的高频子带系数作为融合后所对应的小波系数,对于其他分解层上的高频系数和低频系数,利用梯度最大化的融合规则得到融合图像的小波系数,通过小波重构得到融合图像。将该方法应用于仿真实验,融合图像的视觉效果有很好的改善,客观评价指标有所提高。     

Efficient solution for frequency band decomposition problem using wavelet packet in HRV

Heart rate variability (HRV) is a very significant noninvasive tool for assessment of sympathovagal balance (SB) that reflects variation of parasympathetic and sympathetic activities in autonomic nervous system (ANS). Low frequency/high frequency (LF/HF) power ratio provides information about these activities. Because of nonstationary characteristic of HRV, analyses based on wavelet transform were typically preferred in previous studies. There is an important problem that required frequency ranges for LF and HF cannot be obtained using discrete wavelet transform (DWT). Different sampling frequencies do not remove this problem. In this study, a solution based on wavelet packet (WP) is presented for removing this problem. In addition, effect of WP on SB values is investigated. Method was applied to spontaneous ventricular tachyarrhythmia database and variation of energy values and LF/HF energy ratios were compared for DWT and WP. WP provides absolutely excellent approximation to required frequency bands and exposes different and impressive SB results.     

基于小波包变换和离散余弦变换的双水印算法

为了使水印具有更强的鲁棒性和更广泛的适用性,提出了一种基于小波包变换(WPT)和离散余弦变换(DCT)的双水印算法。该算法是在WPT域和DCT域,结合人眼视觉特性(HVS)在宿主图像小波包分解的高低频带,选择不同的方法分别嵌入一个水印,由于双水印充分利用了小波包高低频域的不同抗攻击能力和DCT域的聚能、去相关能力,从而增强了算法的鲁棒性。仿真实验表明,该双水印算法不仅具有较强的鲁棒性和不可视性,并有较大的水印添加容量和更广泛的适用性。     

基于局部能量小波融合算法的研究

文章在综合分析小波分解变换图像融合方法的基础上,提出了一种采用基于区域的融合规则的小波分解法,该方法利用小波分解将原始图像分解为低频部分和高频部分,对于低频部分,采用了加权系数,对于高频部分不同的方向分量,根据局部能量,采用不同的融合规则。利用可见光图像与红外图像和高低分辨率图像进行了仿真实验,得出实验结果,运用客观评价指标验证了该方法的可行性。实验表明,该法具有比基于像素点的小波变换融合方法具有更好的融合效果。