排序方式: 共有62条查询结果,搜索用时 15 毫秒
1.
多小波模糊神经网络盲均衡算法 总被引:1,自引:0,他引:1
为了克服传统恒模算法(CMA)采用固定步长造成的收敛速度与收敛精度之间的矛盾,提出了一种基于平衡正交多小波变换的模糊神经网络盲均衡算法(MWT-FNN-BEA).该算法一方面利用模糊神经网络控制器自动调节算法的迭代步长,较好地解决了收敛速度与收敛精度之间的矛盾;另一方面利用平衡正交多小波变换对均衡器输入信号进行去相关性处理,进一步提高了算法的性能。理论分析和水声信道仿真结果表明,所提出的算法具有较快的收敛速度和较小的稳态误差,抗干扰性能好。 相似文献
2.
3.
位于阿尔及利亚OUED MYA盆地东北部TKT—NGS区的油田为构造—岩性油气藏,主要目的层Si油层为辫状河沉积,砂体厚度薄、横向非均质性强。本文针对该区的地质结构特点,应用多子波分解与重构技术描述了该区油层分布,预测了油藏的含油范围。总结出应用多子波分解与重构技术进行油层解释的步骤为:①对地震数据进行多子波地震道分解;②筛选合成更有利于直接油层解释的新的地震道集;③计算地震波频率衰减系数道集;④提取地震分量,并根据钻井获得的油层资料,筛选出对直接油层解释更有效的地震分量。应用结果表明,该技术用于油层解释的效果较好。 相似文献
4.
5.
6.
基于多小波包系数熵和人工神经网络的输电线路故障类型识别方法 总被引:1,自引:0,他引:1
基于多小波包分解系数和信息熵的概念定义了多小波包系数熵的表达式,并提出多小波包系数熵和人工神经网络相结合的输电线路故障类型识别方法:首先对不同故障工况下采集的故障电流信号进行适当的多小波包分解,计算各频带的系数熵;然后构造多小波包特征向量,将这些向量作为训练样本对径向基函数(radial basis function,RBF)神经网络进行训练;当输电线路发生故障时,将提取的故障电流信号的多小波包系数熵特征向量输入训练好的RBF神经网络,即可实现故障类型的识别。仿真结果表明采用多小波包提取的故障电流特征量比采用传统小波包提取的特征量信息更丰富,对人工神经网络的训练效果更好,网络识别精度具有明显优势。 相似文献
7.
机器人腕力传感器在工业现场测量力或力矩时,不可避免的受到随机噪声的干扰,从而影响了测量精度的提高。为了克服传统去噪方法的局限性,本文将多重小波变换应用到机器人腕力传感器信号去噪中,采用浮动阈值法消除噪声,并将传统的低通滤波和FFT/IF丌方法与本文介绍的方法进行比较。结果表明,多重小波浮动阈值去噪方法在机器人腕力传感器信号去噪方面优于传统的方法。 相似文献
8.
针对信息隐藏算法容量和不可见性与鲁棒性矛盾的特点,提出了一种新的基于Chui-Lian(CL)多小波变换和组合位平面(CBP)理论的数字图像载体预处理算法,并将该算法用于以数字图像为载体的信息隐藏,以实现秘密通信和图像共享。其中,CL多小波变换能够将载体图像划分为4个能量等级不同的最低分辨率子图像,组合位平面理论可将子图像解析为不同的位平面层次,在隐藏秘密信息时,可根据最低分辨率子图和组合位平面的能量等级由高到低分别嵌入鲁棒信息、秘密信息和脆弱信息。实验结果表明,在25%的嵌入率时,与基于离散余弦变换和最低有效位方法的信息隐藏算法(DCT-LSB)、基于离散小波变换和最低有效位方法的信息隐藏算法(DWT-LSB)相比,所提算法针对若干常见攻击的鲁棒性有一定程度提升,峰值信噪比(PSNR)分别提高了37.16%和20.00%。 相似文献
9.
在简要分析多小波的逼近性与平衡性的基础上,通过简短的证明得出了具有一定平衡阶的多小波系统,其相应的多尺度函数必具有相同阶逼近的结论.在引入了多小波不同于单小波的插值条件后,得到具有一定逼近阶的多尺度函数,如果同时满足插值条件,则相应系统必然具有相同的平衡阶的结论. 相似文献
10.
针对目前信息隐藏算法抵抗隐写分析能力弱的问题,提出一种基于尺度不变(BRISK)局部特征的零低频信息隐藏算法。首先,对载体图像进行一阶CL多小波变换,在低频◢LL◣▼2▽中提取BRISK特征点生成图像特征矩阵;其次,利用zig-zag和Logistic混沌置乱对秘密信息做去相关性处理;再次,将图像特征与加密信息通过对比特征值形成关联序列;最后,将关联序列嵌入到高频◢HL▼2▽、HH▼2▽◣的低3位。算法将高能量区域的特征矩阵与两次加密信息所构建的关联信息隐藏于高频区域,有利于算法的鲁棒性和抗分析性。在高阶统计量对200幅图片的分析测试下,最大检出率低于7.516%,表明所提算法具有良好的抗分析性。 相似文献