小波变换在光谱特征提取方面的应用

人们在处理高光谱图像时一般要对一些典型地物进行光谱分析、特征波段的提取,以便提取出最大量的有效信息,剔除无用或冗余的信息,然后再进行分类识别.采用小波变换的分析方法,选用合适的小波进行分解,根据分解后的高频分量中包含的重要信息,利用局部相邻的正负极值点找出对应于原始光谱曲线上每个吸收带的左右边界;利用局部过零点,即可比较精确的提取出各个吸收带的中心波长.该方法比传统的光谱特征提取方法更简洁、有效,实验证明为一种比较理想的光谱特征提取方法.     

地震平衡技术及其在地震反演中的应用

地震平衡技术是一种在地震反演中改善井震关系的新技术。它通过单井对比、空间分形建模以及平衡处理的手段 ,克服地震反演中子波空变的影响 ,使得经过地震平衡技术处理的地震剖面井震关系得到较好改善 ,从而可以用统一的子波对研究区的地震资料进行反演     

电力系统谐波检测的现状与发展

准确、实时地对电力系统谐波进行检测有着重要的意义。本文根据电力系统谐波测量的基本方法，对近年来电力系统谐波检测的新方法进行了分析和评述。最后对电力系统的谐波测量进行了总结并提出了看法。     

小波变换分离太阳射电频谱图中的纤维结构

太阳射电爆发纤维精细结构是太阳射电爆发活动中一类重要的观测现象,利用二维小波变换对纤维精细结构动态频谱图进行处理,分离频谱图中的纤维结构。首先对原始频谱图实行多层小波变换,由低频分量重构原始图像,就可得到爆发的背景信息,令原始频谱图减去背景并经过阈值处理后,便可将原始频谱图中的纤维结构很好地分离出来。     

Implementation of RNS-Based Distributed Arithmetic Discrete Wavelet Transform Architectures Using Field-Programmable Logic

Currently there are design barriers inhibiting the implementation of high-precision digital signal processing (DSP) objects with field programmable logic (FPL) devices. This paper explores overcoming these barriers by fusing together the popular distributed arithmetic (DA) method with the residue number system (RNS) for use in FPL-centric designs. The new design paradigm is studied in the context of a high-performance filter bank and a discrete wavelet transform (DWT). The proposed design paradigm is facilitated by a new RNS accumulator structure based on a carry save adder (CSA). The reported methodology also introduces a polyphase filter structure that results in a reduced look-up table (LUT) budget. The 2C-DA and RNS-DA are compared, in the context of a FPL implementation strategy, using a discrete wavelet transform (DWT) filter bank as a common design theme. The results show that the RNS-DA, compared to a traditional 2C-DA design, enjoys a performance advantage that increases with precision (wordlength).     

基于小波变换的医学图象压缩编码

本文研究了医学图象小波变换系数的统计特征。根据医学图象的特点，提出了基于小波变换的医学图象编码方法。实验表明，这种方法具有较好的压缩编码性能，优于JPEG标准。同时，它支持逐次浮现式传输，从而能满足医学图象存储、通信、检索的需要。     

Use of a neural network to link AFM etch patterns to plasma parameters

Plasmas play a critical role in depositing thin films or etching fine patterns while manufacturing integrated circuits. A new model for plasma diagnosis is presented. This was accomplished by linking atomic force microscopy (AFM) to plasma parameters using a neural network. Experimental AFM data were collected during the etching of silicon oxynitride films in C₂F₆ inductively coupled plasma. Surface roughness of etched patterns was characterized by means of discrete wavelet transformation. This led to the construction of three vertical (type I), diagonal (type II), and horizontal (type III) wavelet coefficient-based models. The performance of diagnosis models was evaluated in terms of the prediction and recognition accuracies. Both accuracies were optimized as a function of the number of hidden neurons. Comparisons revealed that the type I model yielded the largest recognition and the smallest prediction error. This was demonstrated even under stricter monitoring conditions. More improved diagnosis is expected by enhancing AFM resolution.     

基于小波熵的电容器扰动识别和定位

对投电容器扰动识别和定位的方法进行了改进。针对其他此类方法的不足，比如在电压幅值低时投电容器扰动的识别、定位“可信度不高”等，文中通过提取小波变换的特定层的系数，对需要识别的电容器扰动的分解信号相对增强，而其他扰动的分解信号相对减弱，然后再提取熵特征值，结果表明它可以作为识别低电压时投电容器扰动的依据。在对电容器扰动进行定位时，参考了功率和能量定位法，并对其进行了改进。仿真分析证明，在电压幅值较低时，可以准确和可靠地对电容器扰动进行识别和定位。     

微通道电泳芯片系统中信号识别算法的设计与实现

介绍适用于微通道电泳芯片系统的DNA测序软件的总体流程，以及其中的信号处理与识别算法。以激光诱导荧光检测系统所采集到的原始数据为源信号，以小波平滑和小波去噪为理论基础，将滤波算法和峰值识别算法综合在一起进行设计，从而使其适用于检测速度更快、样品量更少的微通道电泳芯片系统。将本算法应用于DNA片段的分离实验中，可以有效地达到滤波以及信号识别的目的。     

基于小波包和包络分析的滚动轴承故障自动诊断方法

提出了一种基于峭度-小波包-包络分析的滚动轴承故障自动诊断方法。首先用峭度系数判断是否出现故障,再针对故障轴承振动信号非平稳和调幅的特点,用小波包将信号分解到不同的节点上。然后将不同节点的重构信号做包络谱分析,将谱峰处的频率同滚动轴承内圈、外圈、滚珠、保持架等的故障频率进行对比分析,在此基础上,运用最小距离判别法则自动获得故障原因,从而实现滚动轴承故障的自动诊断。通过对实验中采集到的轴承振动信号进行分析,证明了该方法在轴承早期故障诊断中的有效性。