Fourier变换和小波变换一般形式 —线调频小波变换和多普勒小波变换

Fourier变换、窗口Fourier变换与小波变换在许多领域得到广泛的应用。该文回顾了Fourier变换和小波变换的发展;介绍了两种新的处理非平稳信号的方法,即线调频小波变换和多普勒小波变换;分析了线调频小波变换是短时Fourier变换和小波变换的时频分析的统一时频表示形式,Fourier变换、小波变换以及线调频小波变换都是多普勒小波变换的特殊情况。线调频小波变换和多普勒小波变换比Fourier变换和小波变换更具灵活性,为图像、信号处理提供了新的方法和工具。     

基于多级离散余弦变换的鲁棒数字水印算法

将多级离散小波变换的"多级"思想引入到离散余弦变换中,并对多级离散余弦变换的特性进行了分析,在此基础上提出了一种基于多级离散余弦变换的数字水印算法,该算法从多级离散余弦变换系数中选择适当的位置嵌入水印信息.实验结果表明文中算法的鲁棒性优于常规基于离散余弦变换的数字水印算法,并且它的实时性不受多级变换的影响.此外,该文对多级离散余弦变换中变换系数和变换级数的选择进行了研究,实验结果表明合理选择变换系数进行二级变换可以获得最佳性能.     

图形变换的光栅方法

本文论述了一种能使图形变换操作简化的方法。并说明各种基本图形变换操作的光栅变换实现方法。且将光栅变换推广到一般图形变换操作中。光栅变换通过对帧缓冲器进行简单的读写操作来完成各种图形变换 ,避免了一般图形变换中的矩阵乘法运算。使得图形变换操作得以简化 ,从而提高了执行速度。此外 ,该方法能方便地实现一般的矩阵乘法难以实现的复杂图形及形状不规则的自然界景物的变换。     

新型Top-hat变换及其在红外小目标检测中的应用

为了简单有效地提高Top-hat变换的目标检测能力,降低噪声及复杂背景对其性能的影响,提出了一类新的Top-hat变换.首先分析了经典Top-hat变换的缺点,然后用两个不同但互相关联的结构元素重新组织经典Top-hat变换的运算形成新型Top-hat变换.接着分析了新型Top-hat变换和经典Top-hat变换的不同,并详细分析了由此产生的新特性.由于新型Top-hat变换中的两个结构元素充分考虑了目标区域与其周围区域的差异,使得新型Top-hat变换不仅能抑制经典Top-hat变换的缺点,而且能增强其目标检测能力.实验结果表明,新型Top-hat变换较经典Top-hat变换和其他常用算法能更好地检测复杂背景下的红外弱小目标.     

小波变换在水声信号处理中的应用分析

小波变换是一种重要的信号处理方式,需要采取合适的变换形式,提高算法的有效性,保障信号的识别效果。基于此,将从小波变换、数据处理、变换解析、变换算法4个方面对小波变换在水声信号处理中的应用进行了分析,对小波变换使用方法进行了深入探讨,采取正确的小波变换算法,使水声信号的处理更加的精确,更具有实际意义。     

快速傅立叶变换的分析与C#实现

为了透彻地理解傅立叶变换的进行过程,通过手工运算模拟,逐步展示了一个8点序列的离散傅立叶变换。在认识到其变换方法的瓶颈之后,为了提升变换效率,基于快速傅立叶变换的理论,详细分析了基本的快速傅立叶变换的实现过程。把快速傅立叶变换用三个循环进行解析,按照蝶形算法,最终用C#代码表达并且实现完整的变换功能。     

基于ASP.NET三层架构的MDA模型变换

MDA构建了PIM和PSM,定义了模型间的自动映射,这种映射即模型变换。模型变换分为模型到模型的变换和模型到代码的变换两大类。本文通过分析基于ASP.NET的三层架构,构建MDA框架,定义模型变换规则,组成模型变换定义,实现模型间的变换。     

数字图像的两类非线性变换及其周期性

研究了Fibonacci-Q变换及其逆变换的周期性,并证明了Fibonacci变换周期与Arnold变换周期的关系式,利用Fibonacci-Q变换Arnold变换之间的内在关系,定义了一种新的非线性变换－A－F变换,同时对其变换周期及其逆变换周期进行了研究,也给出了这两类变换周期的简洁算法。由于A－F变换和Fibonacci-Q变换与Arnold变换的周期性大相径庭,在实际应用中可达到更加安全保密的效果。     

矩阵的秩变换、相似变换与合同变换的联系

本文应用理论研究的方法,将矩阵的秩变换、相似变换以及合同变换转换到线性变换当中去,讨论了矩阵的这三种变换之间的联系与区别,并给出证明,对矩阵的秩变换、相似变换以及合同变换的异同点做出一个综述性的描述。     

时频聚集性能优化的广义S变换

S变换是一种具有短时傅里叶变换和小波变换优点的时频分析方法,已有的一些基于能量聚集度量的优化方法集中度不高,影响了信号检测等应用中时频域局部定位的精度.为了提高S变换的时频聚集性能,提出了一种新的时频能量聚集度量方法优化广义S变换,提高了算法的时频集中度和短时傅里叶变换、S变换、广义S变换等方法实验比较,表明提出的方法能有效地提高广义S变换的能量集中度,并具有较强的抗噪声性能.     

用开关电流技术实现连续小波变换的改进方法

提出了一种用开关电流技术实现连续小波变换的改进方法，即采用梯形公式逼近数值积分的原理改进用于逼近连续小波变换的带通滤波器组，并用开关电流电路实现，还详细分析了这种改进对于减小逼近误差的优势所在．以开关电流的双二次滤波器实现八通道的Marr小波为例，简述了设计过程和仿真结果，从而证实了这种改进的可行性．     

基于优选小波基和模糊SOM网络的模拟电路故障诊断

为了解决模拟电路故障诊断中的特征提取困难并实现对模拟电路故障模式准确的分类,提出一种优选小波基、模糊理论和自组织特征映射网络(SOM,self-organizing feature map)相结合的模拟电路故障诊断方法.该方法首先对模拟电路故障响应信号进行小波分解、提取能量值、均值和方差组成输入特征向量,同时采用余弦分离度评价小波变换在不同小波基函数下获取故障特征的有效性,据此选择余弦分离度最小的小波基分解的特征向量输入到自组织特征映射网络进行故障分类.仿真实验表明,利用余弦分离度选择的最优小波基能有效提高模拟电路故障特征提取,模糊神经网络能对故障模式进行精确分类.     

基于小波分析的转子绕组匝间短路故障诊断方法

分析了汽轮发电机发生转子绕组匝间短路故障时的电磁特性,提出了基于小波分析的故障检测与诊断方法.这种方法是在探测线圈法的基础上,将小波变换用于突变信号的检测,对气隙中感应电动势信号的奇异特征进行提取,根据这些奇异特征,可实现对发电机转子绕组匝间短路故障的检测及故障点的定位.仿真分析表明,该方法适用于故障信号的奇异特征提取,适合于汽轮发电机转子绕组匝间短路故障的在线检测.     

sEMG信号采集电路设计及其特征提取算法

表面肌电(Surface electromyography,sEMG)信号直接、客观地反映了神经和肌肉的活动功能状态,已获得广泛应用。本文设计了一种sEMG信号采集电路并以单通道形式采集上肢5种动作的sEMG信号,经小波包变换提取6种特征(其中一种引自基于小波变换的特征提取方法)并分别结合PCA和KPCA进行处理;再分别用BP神经网络和SVM进行动作识别。此外,对比了小波变换的特征提取;讨论了KPCA与PCA在特征变换上的差异。所提取的基于小波包变换的6种特征有5种的识别率均超过95.7%,其中引入的高低频系数组合特征在BP神经网络下平均识别率超过99%。基于小波变换提取的5种特征经KPCA变换后也达到较高的识别率。实验结果表明,本文的sEMG信号采集方法及其特征提取方法均达到较好效果。     

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。     

模拟电路故障诊断技术研究

研究了模拟电路故障诊断方法。主要讨论了测前模拟法、测后模拟法、近似技术、专家系统的模拟电路故障诊断方法和神经网络、模糊理论、小波变换的模拟电路故障诊断新方法及原理。     

电力电子电路故障的小波分形检测方法

根据电力电子装置故障产生的信号表现的奇异性,提出了一种基于小波分析的电力电子开路故障的小波分行检测方法。以三相桥式整流电路的开路故障为研究对象,将各类故障的电压输出波形进行多尺度分解,然后利用改进的关联维数计算方法计算不同故障状态下的关联维数,来刻画不同故障对应的不规则程度判断故障的类型,通过判断出现奇异性的时机判断具体器件的开路故障。最后给出故障诊断的算法,仿真结果表明了该方法的有效性。     

小波变换在电路故障诊断中的应用

介绍了利用小波变换来检测信号的奇异性特征的原理，对信号的奇异性进行了定义，并将其用于电路故障诊断中，解决了传统故障诊断方法中对故障存在的知识获取“瓶颈”问题。实验证明提出的方法取得了较好的应用效果。     

基于BP小波神经网络的模拟电路故障诊断

针对现有BP网络在模拟电路故障诊断中存在的问题,提出了一种基于BP小波神经网络的故障诊断方法.该法将小波函数与BP网络结合构成BP小波网络,这种网络具有小波变换的时频局域化性质和BP网络的自学习能力.分别用BP小波网络和传统BP网络对实例电路进行故障诊断,结果表明本方法是有效的,而且比传统BP网络方法的学习收敛速度快得多.     

基于新小波神经网络的电力电子电路故障诊断

电力电子电路模型具有非线性,所以对它进行故障诊断比较困难.针对这种情况,将小波变换的时频局部化特性和神经网络的非线性映射与学习推理的优点结合起来,建立一种新的小波神经网络.并以双桥12相脉波整流电路为例,首先列出电路的故障类型,片用软件模拟电路的各种故障下的故障信号,然后使用建立的小波神经网络学习和存储双桥12相脉波整流电路的故障信号和故障类型之间的映射关系,实现电路的故障诊断.仿真结果证明了这种故障诊断方法的正确性和准确性.