一种改善EMD端点问题的方法

经验模态分解（EMD）是一种先进的数据处理方法,对脑电信号（EEG）等非线性非平稳信号的处理非常有效。但是其在利用三次样条曲线构造上下包络时,端点附近的包络存在严重的摆动。针对该问题,在镜面延拓算法的基础上,提出了二次延拓算法。根据邻近端点的数据计算出该信号在端点处的拟合函数;利用该拟合函数在左右端点各延拓出一个极值点;采用镜面延拓算法对延拓后的信号进行EMD分解。算法考虑了信号端点处的变化趋势,使得端点处的延拓更加合理,从而使三次样条曲线在端点处不会出现大的摆动。仿真结果表明,该算法能有效地对脑电信号进行分解。     

基于小波分析的交通数据自适应消噪算法研究

针对实际采样环境中存在的各种干扰,以及交通数据的非平稳特性,在交通数据小波变换特性分析的基础上,提出基于小波分析的交通数据自适应消噪算法:对交通数据进行小波分解,然后对高频系数的自相关函数进行白噪声检验,从而确定小波分解的层数和阈值。采用实际检测交通流数据,对算法的有效性进行了验证分析。     

基于样条插值预测的小波图像压缩方法

本文通过分析小波分解后所得到的离散逼近图与原图的相似性,研究不同层次上各个方向上小波系数之间的相关性,利用小波分解的层次性、方向性以及层次间系数的相似性,提出了一种基于样条函数插值预测的小波图像压缩方法。实验结果表明,在保证视觉质量的情况下,该算法能够有效地减少系数方差和增加小幅度系数的数量,在一定程序上提高了图像压缩比。     

基于小波变换和快速聚类方法的目标检测与识别

针对显微图像中的微目标检测与识别,提出了一类基于三次B样条函数多尺度小波变换,该变换通过零交叉或模极值检测图像的边缘,在分解和重建时采用一种基于滤波器系数特征的离散快速算法。为除去由噪声引起的虚假边缘,建立了边缘点检测的自适应阈值方法。为实现微目标的识别,采用了一类简单有效的快速聚类算法。最后采用含随机噪声的模拟图像和显微图像进行算法比较与验证,实验结果证明了这些算法的有效性。     

基于小波过零点检测的虹膜识别方法研究*

在经典过零点算法的基础上,改进特征提取与匹配算法。分析各阶高通小波系数在同一算法下的识别率,以此选择小波系数来综合编码分析。采用不同的小波滤波器进行分析,考察不同的小波滤波器对算法的影响。DB3小波的识别率为99.61%,等错率为0.41%;四次B样条小波识别率为99.75%,等错率为0.25%;Coif3小波识别率为99.72%,等错率为0.29%。第五、六阶小波高通系数涵盖了虹膜纹理的主要信息,可采用第五、六阶小波系数进行编码识别。不同的小波滤波器得到的结果区别不是很大,DB3、四次B样条、Coif3     

基于小波过零点检测的虹膜识别方法研究*

在经典过零点算法的基础上,改进特征提取与匹配算法。分析各阶高通小波系数在同一算法下的识别率,以此选择小波系数来综合编码分析。采用不同的小波滤波器进行分析,考察不同的小波滤波器对算法的影响。DB3小波的识别率为99.61%,等错率为0.41%;四次B样条小波识别率为99.75%,等错率为0.25%;Coif3小波识别率为99.72%,等错率为0.29%。第五、六阶小波高通系数涵盖了虹膜纹理的主要信息,可采用第五、六阶小波系数进行编码识别。不同的小波滤波器得到的结果区别不是很大,DB3、四次B样条、Coif3小波编码识别效果好。DB3小波符合识别速度与效果的综合要求。     

基于小波的非平稳时间序列预测方法研究

基于小波分析技术,将原始非平稳时间序列分解为一层近似系数和多层细节系数,对其分别采用自回归滑动平均模型以及BP神经网络模型,对各层系数进行建模与预测;通过整合各层系数,得到原始时间序列的预测值。运用这种方法对因特网某节点网络流量数据和某地区日最高气温数据进行预测的结果表明,建立在小波分解基础上的这两种方法都能够有效地应用于非平稳时间序列的预测;而小波-BP神经网络的预测方法无论是精度还是计算复杂度方面都要明显优于小波-ARMA方法。     

基于递归神经网络的网络流量组合预测模型

为了提高网络流量的预测精度,提出了一种基于Elman递归神经网络,小波和自回归的网络流量组合预测模型.对流量时间序列进行小波分解,得到小波变换尺度系数序列和小波系数序列,对具有平稳特征的尺度系数序列用AR模型进行预测:而对体现了网络流量非线性、非平稳特性的小波系数序列使用Elman递归神经网络进行预测,最后通过Mallat算法重构得到网络流量的预测值.     

基于小波域奇异值分解的图像压缩算法

提出了基于小波域奇异值分解（SVD）的图像压缩算法,该算法通过对小波分解系数进行奇异值分解,进而对小波系数进行压缩,实现图像压缩。将该算法与图像奇异值分解直接压缩的算法进行了实验比较,实验结果表明,该算法较图像奇异值分解直接压缩的算法具有更好的性能,在同样压缩比的情况下能获得更高的信噪比。     

基于模糊剪枝的最优小波包基图像压缩算法

提出一种基于模糊剪枝的最优小波包基图像压缩算法。图像经完全小波包分解后,以每个小波包分解的高频系数占所有高频系数的比值及每个节点子女熵值与原节点熵值的比值作为模糊系统的2个输入;通过构造模糊规则,将小波包系数分为裁剪类和保留类,由保留类构造最优小波包基;根据最优小波包基,在不同的小波包分解层次上采用不同的阈值对图像进行压缩。仿真实验结果表明,该算法与比特-失真率优化算法和小波包最优树全局阈值压缩算法相比性能更优。     

基于改进余弦相似度的粒子滤波故障预报

现有的粒子滤波故障预报方法主要是通过粒子滤波算法得到对应时刻的预测值,然后比较其与实际值的差值来对故障进行预报.从分析设备正常工作的时间序列数据与潜在故障引起的异常数据之间的相似性的新角度,设计了系统正常度和系统异常度来判别设备是否正常运行,进而对潜在的故障进行预测.实验结果验证了该方法的可行性,并能及时准确地预报出系统故障.     

基于DTW匹配的粒子滤波故障预报

现有的粒子滤波故障预报方法主要是通过粒子滤波算法得到对应时刻的预测值,然后比较预测序列与观测序列的距离来对故障进行预报,但这种基于相同长度时间序列的故障预报方法不能处理预测序列与观测序列长度不同的情况.本文借助适用于不同长度时间序列的动态时间弯曲技术,对故障相关的时间序列进行分析,从动态时间弯曲算法度量设备正常工作的时间序列与潜在故障引起的异常序列之间相似度的角度,设计了系统正常度及反常度来判别设备是否正常运行,进而对潜在故障进行预报.实验结果验证了该方法的可行性,并能及时准确地预报出系统故障.     

多变量自校正递推去卷滤波器

本文用时域上的新息分析方法，对于线性多变量系统的输入信号，提出了一种新的自校正递推去卷滤波器，它具有ＡＲＭＡ新息滤波器形式，可处理多变量非平稳ＡＲＭＡ输入信号、不稳定和／或非最小相位系统。仿真例子说明了其有效性。     

单输出系统最优自校正滤波新方法及其在跟踪系统中的应用

对于带未知噪声统计且含未知模型参数的单输出系统,本文用现代时间序列分析方法提出了一种新的自校正滤波方法,给出了具有渐近最优性的自校正滤波器,新方法的特点是基于ARMA新息模型通过计算自校正输出预报器和自校正观测噪声滤波器就可得到自校正状态滤波器,文中给出了在跟踪系统中的应用例子,仿真结果说明了新方法的有效性。     

Multiresolution Analysis for Optimal Binary Filters

The performance of a designed digital filter is measured by the sum of the errors of the optimal filter and the estimation error. Viewing an image at a high resolution results in optimal filters having smaller errors than at lower resolutions; however, higher resolutions bring increased estimation error. Hence, choosing an appropriate resolution for filter design is important. The present paper provides expressions for both the error of the optimal filter and the design error for estimating optimal filters in a pyramidal multiresolution framework. The analysis is facilitated by a general characterization of suitable sequences of resolution-constraint mappings. The error expressions are generated from resolution to resolution in a telescoping manner. To take advantage of data at all resolutions, one can use a hybrid multiresolution design to arrive at a multiresolution filter. A sequence of filters is designed using data at increasing resolutions, each filter serves as a prior filter for the next, and the last filter is taken as the designed filter. The value of the multiresolution filter at a given observation is based on the highest resolution at which conditioning by the observation is considered significant.     

稳态Kalman去卷滤波器及其应用

应用现代时间序列分析方法,基于非递推状态估计理论和ARMA新息模型,提出了含多重观测滞后系统的稳态Kalman去卷滤波器,并给出了它在跟踪系统中的仿真应用例子。     

基于MEMS的车辆姿态感知系统

针对MEMS传感器精度低、误差大等缺点,采用三轴加速度计、三轴磁强计和三轴陀螺仪进行组合姿态测量,使用卡尔曼滤波进行多传感器数据融合。将旋转矢量法解算出的陀螺仪的姿态四元数作为卡尔曼滤波的预测矢量,将高斯牛顿法解算出的加速度计和磁强计的姿态四元数作为卡尔曼滤波的观测矢量,建立卡尔曼传播方程,求出更高精度的姿态四元数,解算出姿态角,将 AHRS 中的姿态角与车辆的坐标系对应,实验结果表明车辆在不同状态下的姿态角度变化与车辆的运行状态一致。     

一种改进的多单元粒子滤波算法

针对粒子滤波重采样时运算量大的问题,提出一种改进的多单元粒子滤波算法,该算法在多单元粒子滤波的理论基础上,通过加入数据采样步骤,对多个单元的粒子数据进行分组,对其采样选取各组数据的最大值,有效减少系统重采样时的粒子数,提高系统运算效率。实验结果表明：在相同的条件下,相对于多单元粒子滤波,该算法运行时间减少10倍,精度提高20倍,能够满足实时应用要求。