新型GM(2,1)模型在电力负荷预测中的应用

电力负荷预测是电网调度中的一项重要工作,精确的负荷预测是电网运行安排的主要依据。文中提出了一种新型GM(2,1)模型的建模方法,克服了传统GM(2,1)模型强行定义白化微分方程常数项所带来的数据突变问题。将上述方法用于电力负荷预测,实例仿真结果表明,与传统的GM(2,1)模型相比,新模型具有更高的预测精度,为电力负荷预测提供了一种重要手段。     

基于小波变换和BP神经网络的短期风电功率预测

风电功率预测的准确性对风电大规模接入的电力系统安全稳定运行具有重要意义。提出一种基于小波变换和BP神经网络的风电功率预测模型,通过小波变换将风电功率序列在不同频率上进行分解,对分解后的单支序列分别采用相匹配的BP神经网络进行建模和预测,最后,叠加各序列的预测结果得到完整的预测值。基于该模型的内蒙古某风电场输出功率预测算例结果表明:该模型可以有效提高预测精度。     

基于小波变换和AWLS-SVM的短期负荷预测

提出了一种基于小波变换和自适应加权最小二乘支持向量机(AWLS-SVM)的电力系统短期负荷预测方法。针对负荷变化具有拟周期性和随机性的特点,本方法先将负荷值利用小波变换分解为几个低频段的拟周期量和一个高频段随机量,然后根据各分量特点应用AWLS-SVM模型进行预测,最后小波重构各分量获得预测结果。实例预测结果表明该方法具有较高的预测精度。     

基于傅立叶变换和小波变换的信号处理

介绍了傅立叶变换、小波变换等几种常见的分析处理信号的方法，并对一个实例信号分别利用这两种方法进行了分析处理，阐明了这两种变换在对信号处理上的不同特点。     

基于小波变换的支持向量机短期负荷预测

提出了一种基于小波分解和支持向量机的短期负荷预测方法．首先利用小波变换把负荷序列分解成不同频段的子序列，对高频序列利用软阀值消噪法去除负荷噪声；对降噪后的负荷序列利用不同的小波进行分解．然后用相匹配的支持向量机模型预测各子序列．仿真结果表明db4小波的预测精度最高，平均绝对预测误差为1．6692％．所得结果同直接用支持向量机预测结果进行比较表明，该方法是有效的。     

基于活动性度量的小波变换系数的符号预测

对基于小波变换的图像压缩算法的符号编码进行了分析, 针对小波变换后系数符号呈等概分布不利于压缩的问题, 提出了一种使用图像活动性度量的符号预测算法. 实验表明, 符号预测误差信号的概率分布具有不均匀性, 可以提高符号压缩的效率.     

基于小波变换和矢量变换的数字水印技术

数字水印技术是数字产品产权保护的有效手段之一。根据小波变换和矢量变换的特点，利用人眼视觉特性，对原始静态图像的水印嵌入进行了研究，提出了一种水印嵌入算法，实现了在原始静态图像上嵌入二值图像水印，水印检测为恢复性检测。实验结果表明，该方法能很好地保持图像质量，并且在抗常规的信号处理如加噪、滤波及有损压缩方面表现出良好的稳健性。     

基于傅立叶变换和小波变换的信号处理

介绍了傅立叶变换、小波变换等几种常见的分析处理信号的方法,并对一个实例信号分别利用这两种方法进行了分析处理,阐明了这两种变换在对信号处理上的不同特点。     

基于小波变换的支持向量机短期负荷预测

提出了一种基于小波分解和支持向量机的短期负荷预测方法.首先利用小波变换把负荷序列分解成不同频段的子序列,对高频序列利用软阀值消噪法去除负荷噪声;对降噪后的负荷序列利用不同的小波进行分解.然后用相匹配的支持向量机模型预测各子序列.仿真结果表明db4小波的预测精度最高,平均绝对预测误差为1.6692%.所得结果同直接用支持向量机预测结果进行比较表明,该方法是有效的.     

GM(2,1)模型预测公式的改进研究

从GM（2，1）模型的构造原理出发，认为其存在2个缺陷：Z^（1）和X^（1）预测公式混淆和强行定义边界条件：提出2种改进方案：用X^（0）直接预测法代替么Z^（1）和X^（1）预测后累减来预测X^（0）；用最小二乘的二次参数估计代替由边界条件确定白化微分方程的常数。计算示例表明，新方法具有更好的效果。     

基于小波变换的信号重构

在信号分析中,奇异点和不规则性经常携带有重要的信息．文中利用小波变换模极大值对应的点来提取奇异点,并讨论了如何运用凸集上投影的方法来重构原始信号．     

基于小波变换说话人识别技术的研究

提出了基于小波变换理论的说话人识别算法———小波基包法 .利用小波变换多分辨的特性 ,提取出真正地反映基音周期变化的基频包络 ,从声学语音学的角度去认识方言和口音 ,首次提出了汉语口音的参量表征 ,并应用到说话人识别当中 ,以实现从听觉的角度出发 ,进行说话人的先天特性与后天特性相结合的说话人识别 .结果表明 ,从基频包络中可以表现口音的一些表征 ,有助于认识说话人的特性 .     

基于小波的奇异信号检测

介绍了小波变换的基本理论、奇异信号的特性及小波变换用于奇异信号检测的基本原理．并在Matlab下进行奇异信号的仿真试验，取得了理想的效果．实验结果表明，小波变换在奇异信号的检测中是有效的。     

基于小波的奇异信号检测

介绍了小波变换的基本理论、奇异信号的特性及小波变换用于奇异信号检测的基本原理.并在Matlab下进行奇异信号的仿真试验,取得了理想的效果.实验结果表明,小波变换在奇异信号的检测中是有效的.     

基于子波变换的自适应滤波

研究了基于子波变换的子波子带自适应滤波,它不仅加快了最小均方（ＬＭＳ）算法的收敛速度,有利于降低计算复杂度,而且改善了收敛性能。给出的谱线增强器的模拟结果证实了上述分析。     

基于小波包变换的信号去噪方法研究

为有效剔除信号噪声，得到没有污染的信号，便于进行信号分析，介绍了小波包变换的改进方法，给出了信号的小波包分解系数排序方法，将信号的相关性与小波包的多尺度时频分析及重构结合在一起，并用于信号的去噪研究中．通过仿真研究和与目前小波去噪方法进行对比，证明了该方法去噪的有效性．     

基于小波包变换的信号去噪方法研究

为有效剔除信号噪声,得到没有污染的信号,便于进行信号分析,介绍了小波包变换的改进方法,给出了信号的小波包分解系数排序方法,将信号的相关性与小波包的多尺度时频分析及重构结合在一起,并用于信号的去噪研究中.通过仿真研究和与目前小波去噪方法进行对比,证明了该方法去噪的有效性.     

基于小波变换的光声成像算法

为了进一步提高光声重建图像的质量,利用小波变换的多维多分辨率特性对光声图像进行消噪,将小波包的分解和重构理论与统计差值相结合对光声图像的细节部分进行增强。由仿真和实验结果表明,重建图像经过小波降噪和图像增强后,其对比度相对滤波反投影算法的光声像得到了明显的提高,其分辨率由0.55 mm提高到0.48 mm,该算法将为病变组织的正确诊断与治疗提供了更高的精度和准确度。     

基于小波变换的Canny检测算法

在图像处理中, 边缘检测具有很重要的作用, 它可作为模式识别、图像分割及图像场景分析的基础. 传统的图像边缘算法具有算法简单, 方向适应性强的优势, 然而由于图像边缘具有多样性(方向的不一致性、边缘强弱的不相同等), 这些传统算法不能很好地体现出优越性.论文提出利用小波变换对图像进行分解,增强和重构后,再利用传统的Canny算子对变换后的图像进行边缘检测,以缓解图像处理中噪声抑制与精细边缘检测的矛盾.结果证明,该方法提取的图像边缘失真小,能有效地拟制噪声,对多边缘特征的图像具有良好的适应性.