用A计权连续小波变换识别内燃机噪声源

为了适应内燃机噪声声源识别的需要,当用连续小波变换进行信号分析时,常对小波变换算法作适当的改进.依据连续小波变换的叠加性和尺度转换性质,提出了变换后小波系数的频率修正方法,即在修正小波变换时对信号中不同频率成分小波系数的不同衰减,使变换后小波系数的大小能够准确反映信号中不同频率成分的幅值特性,在此基础上提出了A计权连续小波变换算法,对频率修正后的小波系数进行A计权修正,使之更加适合实际工程中声源识别的需要.利用该方法对某发动机进行了噪声源识别,取得了良好的识别效果.     

基于QPSO＋CWT的结构模态参数识别

通过对结构响应进行连续小波变换,将结构多自由度模态参数识别问题转化为多个单自由度模态参数识别问题。为简化识别和提高识别精度,采用量子行为粒子群优化将CWT解耦信号的模态识别问题转化为智能优化问题,进而一次性同时识别出模态参数,最后通过六层框架的数值模拟验证QPSO＋CWT法的可行性与有效性。     

Damage localization for beams based on the wavelet correlation operator

The continuous wavelet transform (CWT) is one of the crucial damage identification tools in the vibration-based damage assessment. Because of the vanishing moment property, the CWT method is capable of featuring damage singularity in the higher scales, and separating the global trends and noise progressively. In the classical investigations about this issue, the localization property of the CWT is usually deemed as the most critical point. The abundant information provided by the scale-domain information and the corresponding effectiveness are, however, neglected to some extent. Ultimately, this neglect restricts the sufficient application of the CWT method in damage localization, especially in noisy conditions. In order to address this problem, the wavelet correlation operator is introduced into the CWT damage detection method as a post-processing. By means of the correlations among different scales, the proposed operator suppresses noise, cancels global trends, and intensifies the damage features for various mode shapes. The proposed method is demonstrated numerically with emphasis on characterizing damage in noisy environments, where the wavelet scale Teager-Kaiser energy operator is taken as the benchmark method for comparison. Experimental validations are conducted based on the benchmark data from composite beam specimens measured by a scanning laser vibrometer. Numerical and experimental validations/comparisons present that the introduction of wavelet correlation operator is effective for damage localization in noisy conditions.     

二尺度最小二乘小波支持向量回归

基于小波多尺度理论和最小二乘支持向量机的优越性能,提出了多尺度最小二乘小波支持向量回归,弥补了普通最小二乘小波支持向量回归在单尺度小波空间上对函数进行逼近的不足,使用多尺度上的小波线性组合来逼近L^2（R^d）空间上的任意函数,真正意义上实现了小波分解和最小二乘支持向量机的最佳结合,更有效地继承了小波多尺度学习算法和最小二乘支持向量机的优点,既能达到有效精度而且还计算简便。本文以两尺度为例,通过仿真实验说明了所提算法的有效性。     

EMD和小波变换在结构模态参数辨识中的应用

针对希尔伯特-黄变换方法在振动信号处理中不能有效地进行模态解耦的缺点,提出一种将经验模式分解和小波变换相结合的结构模态参数辨识方法．首先利用经验模式分解方法对结构响应信号进行分解,获得多个本征模函数以完成结构模态的筛选过程,并根据模态筛选得到的本征模函数进行信号重构;然后对重构信号进行Morlet小波变换和模态解耦,获得信号小波变换系数的瞬时幅值和瞬时相位拟合曲线,并在此基础上计算出结构的各阶模态频率、阻尼和振型．结果表明,利用小波变换对本征模函数的叠加信号进行参数辨识代替对单个本征模函数进行希尔伯特变换,更能有效地进行模态解耦,从而获得更为准确的结构模态参数信息．     

用连续小波变换识别内燃机噪声源

为了直接利用连续小波变换进行内燃机噪声源识别，提出了一种连续小波变换的改进算法. 研究了信号组成成分的幅值和频率变化对小波系数的影响，根据连续小波变换的基本性质，对连续小波变换后产生的与信号频率有关的衰减系数进行修正，通过对比分析从Matlab6.5的小波工具箱中找出了适合振动噪声信号分析的小波函数.工程信号的分析结果表明，经过对连续小波变换后小波系数的修正，使小波系数的大小能正确反映信号各组成成分的幅值大小，从而可以利用小波系数形成的云图直接进行内燃机噪声源识别.     

近红外CO光谱采集及建模方法研究

针对便携式光纤光谱仪的CO 检测技术进行了研究。CO 检测系统采用小型光纤光谱仪为核心进行搭建,光谱信号采用小波变换进行预处理。处理后的CO 光谱信息采用高斯拟合算法进行特征提取,利用拟合得到的特征值来表征CO 光谱信息,最后利用偏最小二乘方法和主成分回归法建立准确的数学模型。该方法能够快速准确地从光谱信号中提取特征信息并建立CO 检测模型。     

基于最小二乘支持向量机对刀具切削状态的识别

基于小波包优良的时频特性和最小二乘支持向量机(least squares support vector machine,LS-SVM)对于小样本出色的学习泛化能力,提出了一种研究刀具切削状态的方法.采用最小熵准则对声发射信号进行最佳小波包分解,以各频段的信号能量占总能量的百分比来构造特征向量,输入LS-SVM多类分类器,实现对刀具切削状态的分类识别.实验结果表明,在采用高斯核函数的LS-SVM多分类算法中,选取惩罚因子γ=10,径向基核参数σ2=1时,该分类器能对测试样本进行准确的刀具切削状态识别.     

形态梯度恒常的复值小波光流求解

为提高光流估计的鲁棒性,假设运动物体形态梯度为不变量,据此提出了一种基于形态梯度恒常性的小波光流求解方法,以形态梯度恒常假设构建形态光流基本方程,并将其映射至小波域,利用小波的多尺度多分辨率特性提高光流求解精度.引入复值小波以降低相位震荡的影响.通过最小二乘法求解超定的小波光流方程组以解得光流矢量,并用中值滤波去除光流场中的异常分量.实验表明,提出的方法在光流求解精度及算法稳定性方面优于传统光流求解方法.     

Wavelet analysis and its application to signal processing

The construction of basic wavelet was discussed and many basic analyzing wavelets was compared. Acomplex analyzing wavelet which is continuous, smoothing, orthogonal and exponential decreasing was presented, andit was used to decompose two blasting seismic signals with the continuous wavelet transforms (CWT). The resultshows that wavelet analysis is the better method to help us determine the essential factors which create damage effectsthan Fourier analysis.     

基于双树紧支剪切波变换的遥感图像融合

提出一种基于双树紧支剪切波的遥感图像融合算法。紧支剪切波变换是剪切波理论的空域实现,因其步骤中包含了传统的离散小波变换(DWT),引入了移变性。分析移变性对图像融合的影响,采用双树复数小波抑制紧支剪切波的移变性,与主分量分析变换(PCA)或IHS变换相结合,提出遥感图像融合算法。通过QuickBird和IKONOS的三组数据的进行实验,结果表明提出的融合方法性能优于基于DWT、à trous小波、Curvelet以及基于频域实现剪切波(à trous shearlet)方法。     

基于小波消噪和自适应滤波的FECG提取

应用小波分析和自适应滤波消噪相结合的方法提取胎儿心电（feta electrocardiogram, FECG）信号．对样本信号对软阈值去噪和硬阈值去噪进行了对比分析，发现软阈值去噪较好．把去噪后的信号作为自适应滤波消噪的参考信号，将腹部信号作为主输入信号，构建了基于RLS自适应噪声抵消（recursive least squares adaptive noise cancellation），并对其进行了样本试验．     

基于新的小波变换的去噪方法

本文系统地分析了传统连续小波变换的缺陷.传统连续小波变换的逆变换中,积分变量是彼此独立的.只有当积分变量有联系时,相应的数值积分才具有高分辨特性,并且在逆变换中,积分变量出现在被积函数的分母上,这样会影响数值积分的精度,阻碍了连续小波变换的应用.为此构造了一种新型的连续小波变换,不论对积分变量如何剖分,任何一种数值积分方法都具有高分辨特性,且积分变量不出现在被积函数的分母上,进而给出了相应的数值解法.最后,给出了基于新型连续小波变换的滤波方法,对同时带有白噪声和脉冲噪声的信号进行处理.无需噪声的先验知识,就可以彻底地去除信号中白噪声和脉冲噪声,重建原有信号,与传统的小波去噪方法比较,可获取更高的信噪比.     

基于小波消噪和自适应滤波的FECG提取

应用小波分析和自适应滤波消噪相结合的方法提取胎儿心电(feta electrocardiogram,FECG)信号.对样本信号对软阈值去噪和硬阈值去噪进行了对比分析,发现软阈值去噪较好.把去噪后的信号作为自适应滤波消噪的参考信号,将腹部信号作为主输入信号,构建了基于RLS自适应噪声抵消(recursive least squares adaptive noise cancellation)系统,并对其进行了样本试验.     

一种基于小波多频分析的圆柱度在线检测方法

实现大型高精度圆柱型工件形位误差在线检测是亟待解决的课题．对此，采用三角法测距原理．使用高精度激光CCD位移传感器进行了数据采集．针对激光CCD灵敏度高，干扰噪声容易混入测量数据中的问题，提出了一种基于小波分析的误差分离方法，即运用谐波分析的思想方法和小波理论中多频率分析算法进行误差分离，误差分离后的数据用最小二乘法处理求出圆柱度．通过对大型高精度油膜轴承的实际检测，证明该方法能实现工件的在线实时监测，且所测结果优于传统测量方法．     

一种基于小波变换的运动估计方法

提出了一种基于运动边缘检测与连续小波变换相结合的运动目标检测与跟踪方法。通过多尺度运动目标边缘检测．提取出运动目标图像能量集中的边缘，得到抗噪性好、边缘连续清晰的运动目标。利用连续小波变换把目标边缘图像序列映射到运动状态参数空间进行分析。实验表明，该算法是对有噪、旋转和遮挡等复杂运动目标进行运动估计的有效方法。     

基于最小二乘及分类向量机的空气调节器故障检测

为了对空气调节器的故障进行检测和诊断,提高建筑物管理系统的能源利用率,提出一种基于递归最小二乘的故障检测和诊断方法.方法包含特征选择、递归最小二乘和支持向量机分类三个部分,在特征选择中,将空气调节器的故障分为11个类型,并基于Relief F算法选取三个最显著的特征变量.在递归最小二乘中,通过最小化真实值与预测值之差的平方和对模型的参数进行估计,并基于二叉决策树思想采用支持向量机对11个故障状态和1个正常状态进行分类.结果表明,所提方法可以更好地对空气调节器中的故障进行检测,并对故障类型进行分类.     

Real-Time Patient-Specific ECG Arrhythmia Detection by Quantum Genetic Algorithm of Least Squares Twin SVM

The automatic detection of cardiac arrhythmias through remote monitoring is still a challenging task since electrocardiograms (ECGs) are easily contaminated by physiological artifacts and external noises, and these morphological characteristics show significant variations for different patients. A fast patient-specific arrhythmia diagnosis classifier scheme is proposed, in which a wavelet adaptive threshold denoising is combined with quantum genetic algorithm (QAG) based on least squares twin support vector machine (LSTSVM). The wavelet adaptive threshold denoising is employed for noise reduction, and then morphological features combined with the timing interval features are extracted to evaluate the classifier. For each patient, an individual and fast classifier will be trained by common and patient-specific training data. Following the recommendations of the Association for the Advancements of Medical Instrumentation (AAMI), experimental results over the MIT-BIH arrhythmia benchmark database demonstrated that our proposed method achieved the average detection accuracy of 98.22%,99.65% and 99.41% for the abnormal, ventricular ectopic beats(VEBs) and supra-VEBs(SVEBs), respectively. Besides the detection accuracy, sensitivity and specificity, our proposed method consumes the less CPU running time compared with the other representative state of the art methods. It can be ported to Android based embedded system, henceforth suitable for a wearable device.     

基于阈值自适应的小波增强信道估计技术

针对MIMO-OFDM系统导频辅助信道估计算法在低信噪比条件下存在信道估计精度不足或无法收敛等问题,提出了一种基于阈值自适应的小波增强信道估计算法。该算法首先对频域最小二乘估计的结果进行共轭对称处理,然后对IDFT变换之后得到的时域信道采用阈值自适应调整的小波去噪方法,进一步抑制了保留路径的噪声干扰。理论分析和仿真结果表明,文章算法以较小的复杂度代价换取低信噪比条件下信道估计精度的显著提高。     

非负线性最小二乘问题的一种严格可行内点算法

给出了非负线性最小二乘问题的一个新算法。首先,把非负线性最小二乘转化为线性互补问题,结合牛顿方向和中心路径方向,通过求解一个线性方程组得到搜索方向;进而获得了求解非负线性最小二乘问题的一种严格可行内点算法,并证明该算法经过多项式次迭代之后收敛到原问题的一个最优解,数值实验表明此方法是有效的。