基于小波模糊神经网络的实时交通流预测

实时交通流预测是智能运输系统研究的重要内容之一.本文将小波分析的相关知识与模糊神经网络相结合,给出了基于小波模糊神经网络的交通流预测模型,采用小波函数作为模糊隶属度函数,用神经网络来实现模糊推理,完成对下一个周期性交通流的估计.同时,用遗传算法来优化整个网络,实测数据验证这种方法预测精度高,收敛过程平稳,适应性强.     

A new robust double-talk detector based on the Stockwell transform for acoustic echo cancellation

Despite great developments in the field of acoustic echo cancellation (AEC), the presence of double-talk remains difficult problem. The main role of double-talk detection (DTD) is to control adaptation of the filter coefficients by halting their update in double-talk situations. In this paper, we propose a new method of DTD based on a time–frequency analysis that uses the Stockwell transform (ST).The ST is a time–frequency spectral localization method that combines the characteristics of the short-time Fourier transform and the wavelet transform. This method provides better time–frequency resolution, especially for non-stationary signals. In the experimental tests, the normalized least mean squares (NLMS) algorithm is used to update the filter coefficients along with speech signals taken from the TIMIT database. The obtained results show better performance compared to existing methods in terms of misalignment convergence and speech intelligibility enhancement.     

Time–frequency localized three-band biorthogonal wavelet filter bank using semidefinite relaxation and nonlinear least squares with epileptic seizure EEG signal classification

In this paper, we design time–frequency localized three-band biorthogonal linear phase wavelet filter bank for epileptic seizure electroencephalograph (EEG) signal classification. Time–frequency localized analysis and synthesis low-pass filters (LPF) are designed using convex semidefinite programming (SDP) by transforming a nonconvex problem into a convex SDP using semidefinite relaxation technique. Three-band parameterized lattice biorthogonal linear phase perfect reconstruction filter bank (BOLPPRFB) is chosen and nonlinear least squares algorithm is used to determine its parameters values that generate the designed analysis and synthesis LPF such that the band-pass and high-pass filters are also well localized in time and frequency domain. The designed analysis and synthesis three-band wavelet filter banks are compared with the standard two-band filter banks like Daubechies maximally regular filter banks, Cohen–Daubechies–Feauveau (CDF) biorthogonal filter banks and orthogonal time–frequency localized filter banks. Kruskal–Wallis statistical test is employed to measure the statistical significance of the subband features obtained from the various two and three-band filter banks for epileptic seizure EEG signal classification. The results show that the designed three-band analysis and synthesis filter banks both outperform two-band filter banks in the classification of seizure and seizure-free EEG signals. The designed three-band filter banks and multi-layer perceptron neural network (MLPNN) are further used together to implement a signal classifier that provides classification accuracy better than the recently reported results for epileptic seizure EEG signal classification.     

小波变换在变压器励磁涌流识别中的应用

为防止励磁涌流导致变压器的差动保护误动作,本文提出了一种以小波系数分布为判据的励磁涌流识别的新方法。该方法以小波变换中多分辨分析为理论依据,通过小波变换后对所得二尺度上的小波系数进行提取,计算其方差变化率来表示小波系数的变化情况,并设定合理的阀值,来对励磁涌流与故障电流进行区分。应用MATLAB工具箱搭建变压器励磁涌流与故障电流仿真模型,进行大量仿真,仿真试验结果表明,该方法能够快速有效的对励磁涌流与故障电流进行识别判断,克服了传统方法的不足,保证差动保护的正确动作,具有很高的应用前景。     

基于Zadeh推理的故障空调噪音识别

通过声音来实现故障诊断在工业领域应用比较广泛。本文的主要目标是给出故障空调在运行状态下的声音,使用Zadeh推理的方法对故障空调的声音进行识别,进而推断出空调内部具体哪个部件或零件发生故障。本文首先对声音进行快速傅里叶变换,根据三分之一倍频程对整个频率进行划分,并对生成的频率进行标准化处理;当空调内部的零部件发生损坏时,噪音峰值就会在某一段或几段频率中有升高,从而提取每个频程的峰值作为特征向量。通过“专家经验”得出一个逻辑关系R矩阵,使用matlab软件将特征向量与R矩阵进行点积运算得到故障诊断的结果,最后GUI界面呈现出结果。实验表明,本方法对空调噪音的识别诊断效果比较理想。最后给出本方法适用的一些条件。本方法的实现原理简单,在空调噪音故障诊断应用领域可以有一定的应用空间。     

基于菲涅耳变换的图像加密算法

针对相位截断加密算法无法抵御信息泄露问题,文章提出了一种基于相位截断菲涅耳变换与随机振幅掩模的加密算法,以抵御信息泄露问题;算法首先将原彩色图像分为3个独立的颜色通道,在对其进行菲涅耳变换后加入随机振幅掩模通道,将4个通道分别进行菲涅耳衍射截断处理;算法通过级联处理不仅提高了秘钥与密文间的关联性,还消除了信息泄露的风险;通过仿真试验与结果分析可知,本算法不仅在波长与自由空间传播错误距离参数、密文噪声、遮挡污染、密文泄露以及不同攻击等情况下有较好的鲁棒性,还解决了信息泄露问题。     

基于双树复小波的图像修复

小波变换技术已被广泛应用于图像修复领域,但其在图像修复过程中出现的边缘部分模糊或不连接的情况成为了一个难点。针对此问题,提出了基于双树复小波变换的图像修复算法。该算法使用双树复小波变换对破损图像进行多尺度和多方向的分解,对各个高频方向子带使用全变分(Total Variation,TV)模型进行快速修复,各个低频分量使用改进了的曲率驱动扩散(Curvature-Driven-Diffusions,CCD)模型进行迭代修复,最后通过小波逆变换得到最终的修复图像。实验结果表明,该方法很好地推广了双树复小波变换在图像修复领域中的应用,并且在图像纹理的修复以及在结构部分的填充都有较好的效果。     

基于光流周期特性的视频帧率上转篡改检测

视频帧率上转是视频时域篡改的一种常见篡改手段,它通过周期性地在两个视频帧中间插入中间帧的方式,实现将视频由低帧率转换到高帧率的目标.本文提出了一种基于光流周期特性的视频帧率上转篡改检测算法,首先将视频转为帧图像序列,然后采用Horn-Schunck光流法计算每帧图像每个像素点的光流矢量,并计算相邻帧图像光流的变化率.最后利用快速傅里叶变换对光流变化率数据进行频谱分析,根据最高谱线的幅值与平均幅值的比值阈值来判别视频是否经过篡改.实验表明,算法不仅能够准确识别待测视频是否经过帧率上转篡改,并且提高了视频压缩的鲁棒性能,具有一定的实际应用价值.     

基于小波变换与脉冲耦合神经网络的人脸识别

脉冲耦合神经网络（Pulse Coupled Neural Network,PCNN）是基于生物视觉特性而提出的新一代人工神经网络,它在数字图像处理及人工智能等领域具有广泛应用前景.本文通过研究PCNN理论模型及其工作特性的基础上提出了一种提取人脸特征的方法.首先利用小波变换提取人脸图像低频特征,降低人脸图像的维度,然后利用简化的PCNN提取小波低频系数重构后的人脸图像的相应时间序列,并以此作为人脸识别的特征序列.最后利用时间序列和欧式距离完成人脸的识别过程.本文通过ORL人脸库进行实验证明了该方法的有效性.     

基于回归树和AdaBoost方法的刀具磨损评估

本文利用高速数控铣刀铣削中不同侧面方向的切削力和振动信号以及声发射信号均方根值,以数据驱动的形式对刀具磨损进行了拟合评估. 在本次研究中,分别从时域、频域和时频联合域上探索与刀具磨损相关的敏感特征,具体特征提取方法包括时域统计分析、频域上的快速傅里叶变换（FFT）和时频联合分析的小波变换（WT）. 本文中,决策树被用于回归问题而非分类问题,用于评估刀具磨损值. 同时,引入AdaBoost算法对回归树模型进行提升,并从模型的准确性、稳定性和适用性三个方面上综合对比了提升的决策树回归模型和原模型的性能. 研究表明,AdaBoost算法提升的回归决策树模型在预测的准确性和稳定性上都有一定程度上提高,并且在面向全新刀具磨损预测的适用性上也取得了不错的提升效果.