基于小波变换和Kalman滤波的多传感器数据融合

不同的传感器数据采集系统采集的数据具有不同的分辨率,因而需要解决多分辨率数据的融合技术和方法。Kalman滤波对非平稳信号具有较强的估计能力,能对信号所有的频率成分同时进行处理;小波变换的多分辨分析正好提供了有效的多分辨率信息处理方法。因此本文基于小波变换的分时分频多分辨率特点,把信号进行小波变换,然后分别在各尺度上进行Kalman滤波估计,最后通过Mallat快速重构算法,得到融合后的结果。     

基于小波包PCA的故障传感器数据重构方法

讨论了基于小波包的多尺度主元分析方法应用于故障传感器数据重构问题。传统的基于小波包的多尺度主元分析在进行传感器故障诊断时没有建立数据重构模型,在相关传感器信号进行小波包分解的基础上,在最佳数的所有节点上建立主元分析模型,将主元分析模型的重构结果组合后再进行小波逆变换,从而实现故障传感器的数据重构。最后,利用试车台液氢供应系统的传感器数据仿真了几种典型传感器故障,并对设计模型实现数据重构的实用性和有效性进行了验证。     

基于概率模型的多尺度图像融合算法

文章给出了一种基于概率模型的多尺度图像融合新算法。首先,对不同的传感器图像分别进行小波分解,得到塔式结构子图像层;其次,基于不同传感器图像对应层上的对应像素,根据最小二乘规则估计模型参数;然后,根据贝叶斯规则进行融合图像相应像素的最大后验概率估计;最后,通过小波逆变换得到融合图像。采用该算法对可见光和红外图像进行融合,其结果与其它方法相比更有效。     

基于小波变换的多源图像数据融合与边缘检测方法

提出基于小波变换的多源图像数据融合和边缘检测的方法,对多源图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现多源图像数据融合.应用小波变换对融合图像进行多尺度边缘检测,获取多源图像边缘,或对多源图像进行小波多尺度边缘检测,然后融合边缘.     

采用双树小波变换的医学图像融合方法及实现

双树小波变换具有平移不变性及良好的方向性,将其引入到医学图像融合能够较好地提取原始图像的特征,为融合图像提供更多的信息.提出基于双树小波变换的医学图像融合算法,该算法对图像进行多尺度和多方向的分解,在相应尺度上利用融合算法融合,最后进行重构得到融合结果.通过实验仿真及客观的图像融合评估准则,实验结果表明了双树小波分解能够得到比树状小波分解更好的融合效果,信噪比提高了很多,均方差明显减少,充分保留了图像中的细节信息,减少了融合的复杂度.     

基于小波变换的多源图像数据融合与边缘检测方法

提出基于小波变换的多源图像数据融合和边缘检测的方法,对多源图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现多源图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取多源图像边缘,或对多源图像进行小波多尺度边缘检测,然后融合边缘。     

基于小波理论的多分辨率多传感器数据融合

小波变换的多尺度特点非常适合多尺度信号的处理,可以用于多分辨率多传感器数据融合,本文研究了不波变换的特征,提出基于小波包变换的多分辨率多传感器的数据融合算法,算法不需要把小波系数当成白噪声处理,并一能够有效地降低向量和矩阵维数,减少运算,有较好的滤波性能,同时采用双正交小波包变换,这可以克服基于正交小波包变换的多尺度滤波中正交小波因不具有线性相而产生恢复失真的缺陷,进一步提高滤波性能。     

微机电陀螺数据融合中小波基的选择

基于小波域的多尺度数据分析,考虑微机电陀螺仪中不同类型的噪声,通过小波多尺度熵对噪声的分析,为数据融合选择了合适的小波基。从统计学的角度出发,进行实验研究,结果主要用小波熵说明了本方法的优越性,同时用概率分布验证了利用最优小波基进行的多尺度数据融合的正确性,解决了多尺度多传感器数据融合方案在工程中的技术难题。     

一种新的多聚焦图像融合算法

提出了一种基于小波-Contourlet变换的多聚焦图像融合算法;该算法首先采用小波-Contourlet变换对源图像进行多尺度分解,得到高频和低频图像;接着根据高、低频分量各自的区域特性,采用不同的融合规则进行处理,得到小波-Contourlet变换域的融合系数,最后通过反变换得到融合图像;采用信息熵、标准差和互信息3个评价标准,将该算法和传统的小波算法和Contourlet算法的融合结果进行了比较;实验结果表明,该算法获得的评价指标都优于其它算法,且融合图像较好地从源图像中提取了有用信息,提高了融合质量.     

基于小波变换的多分辨率分布式滤波

小波变换的多尺度特点非常适合多尺度信号的处理,可以用于多分辨率多传感器滤波.通过研究快速提升法小波变换的特性,提出一种可将估计误差方差最小化的动态分辨率分布式滤波算法,算法不需要把小波系数当成白噪声处理,并且能够有效地降低向量和矩阵维数,减少运算,有较好的滤波性能.同时在不同的分辨率级中,利用快速提升法小波变换作为一种连接信号的桥梁.这种算法也可用于动态多分辨率多传感器数据融合.     

基于计算智能算法的铣刀状态监测

本文提出了基于智能融合技术进行铣刀磨损量监测和预测方法。利用多传感器对切削力和振动信号进行监测,通过频率变换提取切削力特征量,采用小波包分解技术提取振动信号特征量。通过信号特征值的组合,分别探讨了几种计算智能数据融合技术-小波神经网络、遗传神经网络、遗传小波神经网络对刀具磨损量的预测效果。实验分析表明,本文提出的几种计算智能数据融合技术均能够有效地完成刀具磨损量预测。     

用于EVS的改进小波变换图像融合算法

为增强小波变换图像融合算法的实时性,提高视觉增强系统(EVS)可见光图像与红外图像实时融合的效率,提出了一种基于矩阵QR分解和小波变换的图像融合算法.该算法对原始图像的像素矩阵进行QR分解,再利用正交矩阵的性质,根据小波变换图像融合算法对QR分解得到的上三角矩阵进行分解融合,利用QR分解得到的正交矩阵逆变换得到融合图像.实验结果表明,该算法能获得较好的实时性,同时保证较好的融合效果.     

基于二维经验模态分解的医学图像融合算法

提出了一种自适应的二维经验模态分解(bidimensional empirical mode decomposition,简称BEMD)医学图像融合算法.待融合的医学图像经过BEMD分解成二维的内蕴模函数(bidimensional intrinsic mode function,简称BIMF)和趋势图像.BIMF图像经过Hilbert-Huang变换提取图像特征,然后,图像分解的各部分数据在区域融合规则下形成综合BEMD表示.最后,综合BEMD表示进行BEMD逆变换得到融合后的医学图像.BEMD分解方法是一种完全自适应的数据分解表达形式,具有比Fourier变化和小波分解更好的特性.该医学图像融合算法不需要预先定义滤波器或小波函数.实验结果表明,该算法与传统融合算法相比性能优越,能够大幅度提高融合图像的质量.     

一种基于小波变换的图像融合新算法*

在阐述小波图像融合算法的基础上,针对小波分解后各频域融合算子和融合规则的选择,提出一种新的基于小波分解的图像融合算法。对小波分解后的低频分量通过度量其图像块之间的相关系数和空间频率来确定融合图像的尺度系数;对高频分量,以方向对比度为判据确定融合图像的小波系数;最后,通过小波逆变换得到融合图像。对多组图像进行实验,实验结果表明,该方法是有效的。     

Decision-level fusion based on wavelet decomposition for induction motor fault diagnosis using transient current signal

In this paper, we propose and implement a decision-level fusion model by combining the information of multi-level wavelet decomposition for fault diagnosis of induction motor using transient stator current signal. Firstly, the start-up transient current signals are collected from different faulty motors. Then signal preprocessing is conducted containing smoothing and subtracting to reduce the influence of line frequency in transient current signals. Next, we employ discrete wavelet transform technique to decompose the preprocessed signals into different frequency ranges of products, and then features are extracted from decomposed detail components. Finally, two decision-level fusion strategies, Bayesian belief fusion and multi-agent fusion, are employed. That is, fault features are classified using several classifiers and generated decisions are fused using a specific fusion algorithm. The proposed approach is evaluated by an experiment of fault diagnosis for induction motors. Experiment results show that excellent diagnosis performance can be obtained.     

自适应对偶树复小波－Curvelet变换的遥感图像融合

Curvelet变换克服了小波变换在处理高维信号时的不足,比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能。因此将Curvelet变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息。利用对偶树复小波-Curvelett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种基于对偶树复小波-Curvelet变换的自适应遥感图像融合新算法。算法是将全色图像和多光谱图像进行对偶树复小波-Curvelet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像。将其他的融合算法和所提算法进行主观和客观的对比,结果表明,基于对偶树复小波-Curvelet变换区域特征自适应的图像融合算法是一种有效可行的图像融合算法。     

基于多分辨率奇异值分解的图像融合

提出一种新的基于多分辨率奇异值分解（ MSVD）图像融合算法。算法对源图像进行MSVD处理,使其分解为互不相关的平滑和细节分量,并对平滑分量进行多层次的分解与处理。类似于小波变换,多分辨率奇异值分解的基本思想是在平滑分量的每一层上用奇异值分解（ SVD）来取代滤波,最终利用融合规则对图像进行MSVD融合。利用5种评价算子来评价算法,得到的融合效果很好。与基于小波分解的算法相比,算法计算简单、实时性突出,对复杂、高像素图像处理更简单方便。     

A new optimum feature extraction and classification method for speaker recognition: GWPNN

Speech and speaker recognition is an important topic to be performed by a computer system. In this paper, an expert speaker recognition system based on optimum wavelet packet entropy is proposed for speaker recognition by using real speech/voice signal. This study contains both the combination of the new feature extraction and classification approach by using optimum wavelet packet entropy parameter values. These optimum wavelet packet entropy values are obtained from measured real English language speech/voice signal waveforms using speech experimental set. A genetic-wavelet packet-neural network (GWPNN) model is developed in this study. GWPNN includes three layers which are genetic algorithm, wavelet packet and multi-layer perception. The genetic algorithm layer of GWPNN is used for selecting the feature extraction method and obtaining the optimum wavelet entropy parameter values. In this study, one of the four different feature extraction methods is selected by using genetic algorithm. Alternative feature extraction methods are wavelet packet decomposition, wavelet packet decomposition – short-time Fourier transform, wavelet packet decomposition – Born–Jordan time–frequency representation, wavelet packet decomposition – Choi–Williams time–frequency representation. The wavelet packet layer is used for optimum feature extraction in the time–frequency domain and is composed of wavelet packet decomposition and wavelet packet entropies. The multi-layer perceptron of GWPNN, which is a feed-forward neural network, is used for evaluating the fitness function of the genetic algorithm and for classification speakers. The performance of the developed system has been evaluated by using noisy English speech/voice signals. The test results showed that this system was effective in detecting real speech signals. The correct classification rate was about 85% for speaker classification.     

基于局部方差和高通滤波的小波变换图像融合

在利用小波变换进行图像融合的基础上,针对局部方差和高通滤波各自的优缺点,研究了一种新的融合规则的选择方法,提出了基于局部方差和高通滤波的小波变换图像融合算法.先对各源图像进行小波分解,然后采用局部方差准则融合源图像各分解层的高频信息,再针对参与融合的全色波段图像各分解层的低频信息进行高通滤波,用滤波后的低频细节信息叠加多光谱相应层的低频分量,最后通过小波逆变换得到融合图像.实验结果表明,该方法确实有效,相对单一的利用局部方差,提高了保持细节的能力;相对只用高通滤波,提高了保持光谱信息的能力.