基于网络虚拟仪器的特征信号小波分析提取

为了准确获取经由Internet传输的远程测试信号,必须对服务器端接收的包含噪声的混和信号进行消噪及特征信号的提取。采用虚拟仪器编程语言Labwindows/CVI与MATLAB的接口,在Labwindows/CVI编译的服务器端应用程序中调用MATLAB的程序,利用Labwindows/CVI编程的灵活性和MATLAB的强大的数学工具包能够实现信号的传输消噪以及特征信号的提取。本文使用软阀值对信号进行一维小波包分解和重构并加以小波变换的方法对混和信号进行了消噪并提取出了原特征信号,同时利用MATLAB的函数对服务器接收的混和信号进行了频谱分析,结果证明了方法的可行性。     

小波网络用于氨基酸多组分分析的研究

用小波网络对混合试样中的多组分氨基酸含量进行了分析.在小波网络中,采用了Mor-let母小波和一维搜索变步长共轭梯度优化方法.结果表明:小波网络优于BP网络,酪氨酸、色氨酸、苯丙氨酸和3,4-二羟基苯丙氨酸预测含量的回收率在94.72%～105.43%之间.     

基于光学小波分析的相关识别和计算机模拟

将小波变换引入到光学联合变换相关识别中，采用基于联合变换相关的小波分析来实现模式识别．利用改进的墨西哥帽小波函数产生小波滤波器，并进行了光学小波联合变换相关识别。将这种滤波器放置在傅里叶反变换产生相关输出之前的联合功率谱面上，该技术可以应用在具有不同灰度图像的模式识别中。计算机模拟结果表明：其相关峰宽度、识别力和峰噪比都有较大改善。     

基于小波网络的非线性逼近股票分析方法

针对传统方法在股票走势最高点和最低点的预测上不尽人意，收敛速度慢且精度不高的问题，利用小波空间中函数的多分辨分解思想，构造了一种用于学习的小波网络模型．该模型通过子网络酊擎习并且把它们并入整个网络学习，达到全局最优解．实验表明，该网络不但对股价走势逼近的收敛速度快,而且精度高，股票走势最高点和最低点也明显．     

基于小波分析和PSO-SVM的控制图混合模式识别

由于质量过程的复杂性,质量过程数据常会有多种异常的混合现象,为了提高对控制图混合模式的识别效果,将支持向量机(Support vector machine,SVM)分类器的参数经过粒子群优化算法(Particle swarm optimization,PSO)算法优化,然后与小波分析技术相结合,设计了三层控制图模式识别模型.该模型首先识别模式是否正常,如果发现异常,则对异常的模式进行小波包分解,将分解后的低频部分和高频部分分别输入第二层和第三层PSO-SVM分类器中进行模式的分类识别.通过仿真实验的验证得,该模型的平均识别率为98.33%,对混合模式的识别率也在95%之上,由此证明了该控制图模式识别模型的有效性.最后,对该模型进行了实例验证,该模型可以很好的识别出控制图混合模式,证明了模型的可行性.     

基于小波网络的加氢裂化反应器模型的研究

以年产80万吨催化加氢反应装置为背景，在充分分析其机理特性的基础上，采用神经网络与小波函数相结合，其中网络结构采用神经网络，节点函数采用小波函数，建立小波网络，并采用梯度法优化小波网络参数。从而建立了反应器的模型。仿真结果表明，该小波网络模型具有较高的模拟精度。     

基于小波网络的非线性逼近股票分析方法

针对传统方法在股票走势最高点和最低点的预测上不尽人意,收敛速度慢且精度不高的问题,利用小波空间中函数的多分辨分解思想,构造了一种用于学习的小波网络模型.该模型通过子网络的学习并且把它们并入整个网络学习,达到全局最优解.实验表明,该网络不但对股价走势逼近的收敛速度快,而且精度高,股票走势最高点和最低点也明显.     

基于小波网络的加氢裂化反应器模型的研究

以年产80万吨催化加氢反应装置为背景,在充分分析其机理特性的基础上,采用神经网络与小波函数相结合,其中网络结构采用神经网络,节点函数采用小波函数,建立小波网络,并采用梯度法优化小波网络参数。从而建立了反应器的模型。仿真结果表明,该小波网络模型具有较高的模拟精度。     

基于改进小波网络的TE过程故障诊断

针对BP 算法容易陷入局部极小值、收敛速度慢及容易振荡等缺点, 采用小波BP 网络且对小波网络采用基于梯度符号变化的局部学习率自适应算法和引入动量项的改进。将改进后的算法对多变量非线性的田纳西-伊斯曼过程进行了仿真研究, 结果表明改进算法提高了故障分类的辨识精度。     

基于小波变换的包络分析

把小波理论应用于包络分析，介绍了小波包络方法，并把这一方法推广到组合小波包络分析，详细讨论了高斯平顶频窗组合小波的构造和参数选择方法。由于小波分析本身具有时、频域局部化特性，因此小波包络分析不需要配以滤波环节即可提取所需频率范围信号的包络；又由于可以通过改变参数来调节小波频窗的形状、位置和宽度，因此小波包络分析有着很大的灵活性，而且软件实现容易。     

基于小波神经网络局部放电模式识别方法的实验研究

针对局部放电信号频率的特点,在小波神经网络基础上,构造一个改进型小波神经网络,并把信号在小波基的不同尺度和位移上展开,得到信号在不同尺度下的小波细节系数,将其输入到该小波网络进行局部放电模式识别．实验仿真得出,识别的相对误差范围为0．1％-3．9％．     

小波包和GA-BP网络结合的红枣病害识别方法

针对传统人工枣树病害识别费时费力的问题,提出了一种小波包和GA-BP神经网络结合的快速识别方法.通过小波包去噪方法,消除病害图像采集过程中随机噪声产生的干扰,采用小波包分解系数矩阵的奇异值和小波包变换模极大值矩阵的奇异值构造特征输入参数,利用遗传算法优化后的BP神经网络建立红枣病害的识别模型.实验表明,小波包、遗传算法...     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了...     

基于自适应小波神经网络的复杂系统模式识别方法

针对传统神经网络应用于复杂系统建模和辨识中存在的训练效率、精度瓶颈问题,提出了一种自适应小波神经网络方法(adaptive wavelet neural network,AWNN).首先,通过设计自适应层、综合层,使神经网络能根据待处理的系统的样本数据特征自适应工作于最佳工作区间;然后,通过将小波分析方法与对经典的基于误差反向传播算法的神经网络(back propagation neural network,BPNN)、径向基神经网络(radical basis function neural network,RBFNN)结合,保留了上述方法的优点,克服了传统神经网络方法各自的问题;最后,通过对BPNN、RBFNN和AWNN方法进行计算机仿真实验,验证了各算法的可行性、可达性和算法参数特性.实验结果表明:AWNN方法具有更快的收敛速度、更高的精度和更好的鲁棒性.     

基于认知层的认知网络结构及其认知方法

设计了一种认知网络系统结构即独立于传统OSI七层结构的新的认知层,方便认知网络实现中的模块化,并降低未来网络系统实现的复杂度.给出了认知层的功能实现模块,阐述了2种认知能力具体的实现方法:利用多目标遗传算法对认知网络进行“离线内省”学习,解决“有经验指导”的学习问题,提高认知网络的离线学习能力;利用案例推理对认知网络进行“在线判决”,解决模型的快速匹配问题,提高认知网络的实时处理能力.以异构网络中流量控制为例对这2种认知能力进行了仿真.仿真结果表明,加入认知以后网络的各项Qos性能有明显提高.     

小波包分解与Fuzzy ART神经网络在磨削振动监测中的应用

针对磨削加工的特点,通过小波包进行振动信号细化分解,提取各尺度能量作为特征量.利用无导师学习的Fuzzy ART神经网络进行振动异常的辨识,在发生未知模式振动异常时,网络将产生新的类报警.与传统监测方法相比,该方法能对已知和未知的振动异常进行辨识报警,在实际磨削过程监控应用中效果良好.     

基于小波神经网络的容差模拟电路故障诊断方法

以模拟电路的故障诊断为例,利用小波分析,将电路故障信号进行层次分解,获得不同频段的信号成分,取其能反映故障信号特征的成分作为电路故障特征,再输入给神经网络,大大减少了神经网络的输入数目、简化了神经网络的结构、减少了它的训练时间,并提高了辨识故障类别的能力.     

基于小波神经网络的信息系统综合评价模型

针对信息系统的特点和小波基具有很强的自适应性和函数变化能力,提出了一种基于小波神经网络的信息系统综合评价模型,并在最小均方能量准则下,采用相应的共轭梯度学习算法求解小波函数的尺度和时延参数,以及小波网络的权值。仿真实验表明该算法用于信息系统综合评价的有效性与准确性,为信息系统的评价研究提供一条新的途径。     

基于小波变换与BP神经网络的声发射信号识别

针对现有声发射信号识别参数分析法的不足,提出利用小波变换特征提取与BP神经网络结合的声发射信号识别方法。利用db2小波对声发射信号进行6层分解,将细节特征空间的能量作为声发射信号特征向量;结合声发射信号特点设计和训练BP神经网络,通过实验确定隐层神经元数;用BP和RBF神经网络分别对腐蚀、裂纹和冷凝声发射信号进行分类测试。实验结果表明,提取的声发射信号特征具有较好的区分性能,BP网络在识别声发射信号方面优于RBF网络,这对储油罐安全状况的定量分析具有一定意义。