基于PSO-SVM的小电流接地故障选线方法

针对小电流接地系统,现有故障选线方法的精度不高,为此提出基于粒子群优化向量机（PSO‐SVM ）的选线方案。在搭建小电流接地系统仿真模型的基础上,采用M atlab进行PSO优化算法仿真实验,根据不同的接地情况获得故障时各线路零序电流,利用小波包变换（WPT ）与傅里叶变换（FFT ）从零序电流中提取暂态分量、谐波分量、五次谐波分量作为PSO‐SVM输入特征进行训练,用训练好的SVM 对测试样本行检测,得到选线结果。仿真结果表明,该方法使学习训练速度加快、自适应能力增强、选线精度提高进,且其不受接地电阻、故障距离等因素影响。     

基于小波去噪的神经网络软测量在血糖浓度估计中的应用

由于皮下间隙液葡萄糖的易测性和测量过程中传感器感染血液的低风险性, 皮下间隙液一直是血糖监测的首选位置. 但皮下间隙液葡萄糖浓度的变化总是滞后于血糖浓度的变化, 而且测量过程中会引入噪声, 不能准确地估测血糖值, 针对这一问题提出了一种基于小波去噪的神经网络软测量方法. 该方法先对与血糖相关的一些辅助变量进行去噪处理, 然后用来训练神经网络, 建立血糖软测量模型. 通过对1号、2号成年人采集的仿真数据进行实验, 结果表明, 运用该方法得到的测量结果比皮下间隙液葡萄糖值具有更小的均方根误差、更好的信噪比、以及更小的测量延时.     

一种改进小波阈值函数的光纤光栅传感信号去噪方法

光纤布拉格光栅( FBG)传感信号中存在的噪声严重影响了其中心波长的检测精度,因此必须进行去噪处理。本文针对传统的小波软、硬阈值函数去噪的不足,提出了一种改进的对数阈值函数,并确定了最优的小波基和分解尺度。仿真表明,本文提出的改进阈值函数去噪后信噪比( SNR)较大,均方根误差( RMSE)较小,其中信噪比比传统的软、硬阈值方法提高了1.5 dB~4 dB。最后通过实验验证了本文方法的去噪效果。     

小波变换预测移动节点定位算法

针对无线传感器网络移动节点定位精度不高的问题,提出一种基于小波变换预测的移动节点定位算法。根据历史运动轨迹通过小波变换预测节点当前位置,精确采样区域,应用自适应采样方法减少采样次数,通过加权滤波增大高质量样本点以及降低低质量样本点对定位结果的影响,提高定位精度。仿真结果表明,在锚节点数目、通信半径、最大样本点数目等条件变化的情况下,该算法与传统算法相比提高了定位精度,在低锚节点密度环境下表现出良好的效果。     

改进人工蜂群算法优化RBF神经网络的短时交通流预测

为了提高径向基函数RBF神经网络预测模型对短时交通流的预测准确性,提出了一种基于改进人工蜂群算法优化RBF神经网络的短时交通流预测模型。利用改进人工蜂群算法确定RBF网络隐含层的中心值以及隐含层单元数,然后训练改进的人工蜂群算法RBF神经网络预测模型,并将其应用到某城市4天的短时交通流量数据的验证。将实验结果与传统RBF神经网络预测模型、BP神经网络预测模型和小波神经网络预测模型进行了比较。对比结果表明,该方法对短时交通流具有更高的预测准确性。     

基于小波分析的MEMS加速度计输出噪声消除

目前MEMS加速度计普遍存在信噪比低、灵敏度不高等缺点,其主要原因是系统内部电路中的干扰与噪声使得有用信号完全淹没在噪声之中,其中1/f分形噪声是主要的噪声.由于1/f分形噪声在小波域中展示出某些特殊性质,且小波分析兼具时-频分析与尺度分析的功能,为了有效消除1/f分形噪声,提出了一种基于小波分析与自适应阈值滤波的多尺度滤波算法.以信噪比、均方根误差作为去噪效果的定量指标,将本文算法与Donoho小波阈值滤波算法进行比较,仿真结果表明,改进的自适应阈值滤波算法优于Donoho阈值滤波算法.运用于MEMS加速度计噪声消除上科学有效.     

Morlet 小波在地表物候遥感识别中尺度的选取与应用

地表物候是人类了解地球生态系统的必要参数,也是动植物保护、农耕等活动的重要依据。使用遥感数据进行地表物候提取为大尺度的地表物候变化监测提供了一种有效途径。研究发现目前应用最广泛的非对称性高斯函数拟合法和双 Logistic 函数拟合法存在一定的缺陷,尤其是在提取 NDVI 峰值谷值和物候周期不明显区域 (如干旱地区、沙地) 的物候参数时存在严重的误差,而 morlet 小波在分析地表年际变化的周期特征方面表现良好。本文使用 morlet 小波对青海湖流域 2003-2014 年的 MODIS 数据进行分析,得到地表物候在该时间段内的年度变化与趋势,进行不同区域、不同时间的差异性分析,发现青海湖流域的地表物候期整体都略有提前,但生长季的长度呈延长趋势,认为青海湖流域的地表物候整体上响应全球变暖的趋势。中部地区的生长季长度大于高海拔、高纬度区域和沙地区域,认为青海湖流域的中部地区是最适合动植物生长、活动的范围。     

Efficient wavelet-based ECG processing for single-lead FHR extraction

This paper describes a novel model for fetal heart rate (FHR) monitoring from single-lead mother?s abdomen ECG (AECG) measurements. This novel method is divided in two stages: the first step consists on a one-step wavelet-based preprocessing for simultaneous baseline and high-frequency noise suppression, while the second stage efficiently detects fetal QRS complexes allowing FHR monitoring. The presented structure has been simplified as much as possible, in order to reduce computational cost and thus enable possible custom hardware implementations. Moreover, the proposed scheme and its fixed-point modeling have been tested using real abdominal ECG signals, which allow the validation of the presented approach and provide high accuracy.     

中国积雪时空演变特征及其与海气环流因子的时序关联性

积雪时空变化作为表征增暖背景下冰冻圈的重要指标之一,在全球气候变化科学研究中具有重要作用。采用1961—2016年中国545个气象观测站的积雪日数、积雪深度日值数据和3个海气环流因子,通过多种统计方法,诊断中国积雪的时空演变特征及积雪与海气环流因子的时频相关性。结果表明:(1)1961—2016年中国积雪日数和深度在波动中呈缓慢增加趋势,且具有明显的年代分段变化特征。中国积雪日数和深度均具有30a和50a的周期振荡特征,其中积雪深度在1969年发生突变。(2)1961—2016年中国气候态积雪日数和深度具有明显的南低北高的空间分异特征,尤其是东北、内蒙古东部和新疆北部的积雪较多分布。中国积雪多寡具有明显的年代和区域分异特征。(3)在变化趋势上,1961—2016年中国积雪日数在东北和内蒙古东部趋于增多;而积雪深度除上述区域外,在华北、西北和江淮东部也趋于增多。在波动特征上,中国积雪日数和深度在华南南部、云南和四川东部波动较大,其它地区波动相对较小。(4)与海气因子时频关联性上,中国积雪与不同海气因子关联性不同,且与同一因子在不同时段的关联性也有一定差异。     

基于LSFD算法的小波模糊神经网络的研究与应用

利用小波变换的多分辨率特性构造小波模糊神经网络模型,并应用在非线性系统的辨识上.在参数学习上,给出了模糊微分与李亚普诺夫稳定相结合的新算法—LSFD算法,并与梯度下降法进行了对比.通过仿真,结果表明小波模糊神经网络模型与模糊神经网络、模糊小波神经网络、小波神经网络和神经网络等模型相比,其性能指标最小,收敛速度更快,更加准确.