心音信号特征提取小波包算法研究

为了准确地提取心音信号的病理特征信息,在研究小波包分析的基础上,提出一种心音信号分频带能量特征提取的算法.基于心音信号频谱分析,采用能量集中度高、局部特性好的db6小波函数作为小波包母函数并选取适合心音信号分析的最优基,对不同的心音信号进行4层小波包分解,得到最优基的小波包系数.根据小波包系数与信号能量在时域上的等价关系,提取最优基频带的归一化能量作为心音信号的特征向量.采用类别可分离性判据,计算出该算法对正常和心脏疾病患者的心音特征的可分性测度均值为3.934 9,表明该算法能有效地识别不同的心音信号.     

基于小波能谱和小波信息熵的管道异常振动事件识别方法

提出了基于小波能谱和小波信息熵的油气管道异常振动事件识别方法。基于Mach-Zehnder光纤干涉仪原理的分布式光纤油气管道安全监测系统实时检测管道沿途振动信号,对测量的时间序列进行小波变换,根据小波系数计算小波能谱与小波信息熵,通过小波能谱和小波信息熵值两种测度识别不同的管道安全异常事件。港枣线成品油管道的现场实验结果表明,该方法可以快速有效地识别管道周围发生的泄漏及其他异常情况,其总体识别准确率达到98.5%,有效降低了误报警率,具有较强的在线工况识别能力。     

图像数字水印算法

在对小波系数块能量分析的基础上,提出一种基于小波系数块能量分析和混沌映射的水印算法.为了更有效地进行多媒体数据的版权保护,提出一种在真彩色宿主图像中利用奇异值分解实现的灰度水印嵌入的鲁棒算法.     

基于Morlet小波变换系数的自适应虹膜识别

传统的虹膜识别方法原理复杂,实现困难.为了在保证识别率的同时简化虹膜识别算法,提高虹膜识别效率,本文提出了一种基于Morlet小波变换系数的自适应虹膜识别方法.首先,进行虹膜定位和下眼睑拟合,然后对虹膜图像进行归一化操作,得到512列x64行的矩形虹膜图像,并自适应地确定有效虹膜区域;其次,在虹膜有效区域内,对图像逐行进行一维Morlet小波变换,获得不同尺度下一系列小波变换系数,进而得到不同尺度下的小波变换系数分布图;再次,依据不同尺度下的小波变换系数对图像进行二进制编码,用虹膜代码表示虹膜模式;最后,采用自适应的模式匹配方法对不同的虹膜模式进行分类,给出识别结果.实验证明,该方法可以达到99.946%的识别率,能够满足虹膜识别要求.     

提升小波包和BP-AdaBoost模型在大跨斜拉桥拉索损伤识别中的应用

为了有效地进行工程结构的损伤识别,提出基于提升小波包特征提取和BP-Ada Boost模型的大跨斜拉桥拉索损伤识别方法。该方法首先利用提升框架,将结构损伤前后的振动测试信号进行提升小波包分解,提取小波包信号分量能量并将能量累积变异值作为特征值,识别斜拉索损伤位置,然后以此建立BP-Ada Boost(Back Propagation neural network,Adaptive Boosting)模型,利用Ada Boost算法和BP神经网络相结合的方法对大跨斜拉桥拉索的损伤程度进行识别,并研究噪声对该算法的影响。数值分析结果表明,采用基于提升小波包和BP-Ada Boost模型相结合的方法能够有效地识别大跨斜拉桥拉索损伤。     

采用离散余弦变换的小波图像去噪方法

提出一种通过对小波域中噪声能量的估计来进行去噪的新方法。算法采用离散余弦变换(DCT)提取小波系数的主要特征,无需对噪声方差进行估计。对图像进行小波分解,利用 DCT对高频子带进行局部特征提取;利用部分 DCT 系数对小波系数进行重建,并以重建系数的平均能量作为局部噪声能量的估计;去除原小波系数中的噪声分量后,进行小波逆变换,得到去噪后的图像。实验证明,其峰值信噪比(PSNR)比通常的阈值萎缩法提高了 2-4dB。     

自适应冗余提升小波降噪分析及其在轴承故障识别中的应用

为有效识别机械设备中滚动轴承的微弱故障信息,本文提出一种自适应冗余提升小波降噪方法。根据待分解低频尺度系数所含的不同特征,应用范数准则来自适应地选取最匹配于该尺度系数特征的小波函数。同时,引入多孔算法,用以通过冗余性来保证逐层分解后各尺度系数和小波系数所含有的丰富的信息量。接下来,对各层小波系数采用变尺度阈值降噪算法,并对降噪后的系数进行重构及包络谱分析,进而提取滚动轴承的故障特征。应用上述方法分别对轴承实验台轴承混合故障信号和现场实际信号进行分析,均较好地实现了故障识别,验证了本文方法的有效性。     

基于自适应信号分解特征集成学习的电磁脉冲识别方法EI北大核心CSCD

为准确高效地识别核爆电磁脉冲(nuclear electromagnetic pulse,NEMP)和闪电电磁脉冲(lightning electromagnetic pulse,LEMP),提出一种基于自适应信号分解和集成学习的识别分类方法。首先,针对样本不均衡问题,利用数据扩增方法对数据集进行预处理;然后,采用希尔伯特-黄变换对NEMP和LEMP分别进行自适应信号分解;其次,对分解信号提取其在时域、频域和小波域的特征;最后,对提取特征采用集成学习算法进行识别分类。试验结果表明,该方法在实测数据上的准确率能够达到99.99%以上,LEMP信号的误报率低于万分之一。     

运用BP-AdaBoost模型识别随机车载作用下大跨斜拉桥拉索损伤

为了有效地进行大跨结构的损伤识别,提出随机车载作用下利用BP-AdaBoost(Back Propagation neural network,Adaptive Boosting)模型对大跨斜拉桥拉索进行损伤识别的方法。该方法首先依据交通调查数据,建立随机交通荷载模型,再运用提升框架,对结构损伤前后的振动测试信号进行提升小波包分解,将小波包信号分量能量累积变异值作为特征值,识别斜拉索损伤位置,然后以此建立BP-AdaBoost模型,利用AdaBoost算法和BP神经网络相结合的方法对大跨斜拉桥拉索的损伤程度进行识别,并研究噪声对该算法的影响。数值分析结果表明,该方法有较强的抗噪声干扰能力,在随机车载作用下,运用BP-AdaBoost模型能够有效识别大跨斜拉桥拉索损伤。     

一种改进的基于局部能量图像融合算法

分析了基于局部能量的小波图像融合算法的优缺点,针对该算法存在的对窗口内像素包含独立信息考虑不足的问题,提出了一种改进算法。改进算法利用了窗口中心像索的相位信息,将基于局部能量的选择和加权平均融合规则相结合。当两幅源图像小波分解后的对应高频系数相位相同时,采用局部能量极大值准则选择融合图像对应的高频系数,相位相反时,采用局部能量加权平均方法确定融合图像对应的高频系数。实验证明了改进算法的有效性。     

基于支持向量机的相位敏感光时域反射仪研究

为了解决实际环境中振动事件易误报的问题,在基于相位敏感光时域反射仪的分布式光纤振动传感系统中,引入了一种融合小波能量谱和支持向量机(SVM)的模式识别方法。首先,利用小波能量谱分析方法,设定最优分解层为5层,并从原始信号中提取出特征向量;然后利用支持向量机的“一对一法”多分类策略对振动事件进行识别分类。考虑到实际环境因素的影响,对沿光纤行走、敲击光纤以及沿光纤慢跑3种模式的振动进行了检测试验;最后,采用准确率、精确率、召回率和F值来综合评价支持向量机分类器的性能。实验结果表明:该模式识别方法实现了84.9%的振动事件分类准确率。     

采用小波变换的周界报警信号辨识

马赫-泽德干涉仪结构的光纤传感器应用于周界报警器系统,能够对发生在传感器区域内的振动信号进行报警,并具有极高的灵敏度。为了减少周界报警系统的误报警率,针对周界报警系统输出信号的处理问题,采用小波变换的方法对周界报警系统输出的电压信号进行辨识,不但能滤除信号中的噪声,而且能很好的保留信号的突变部分,可以很好的区分蓄意入侵与风雨产生的振动,从而减少系统误报警率并能实现对蓄意入侵定位,这对于周界报警器系统真正实现工程应用具有突破性进展。大量实验结果表明,采用小波变换方法辨识周界报警系统输出信号,能很好的体现测量信号中的奇异值并显著减少周界报警系统的误报警率。     

电动剃须刀刀片旋转异响的声学检测方法研究

为解决目前电动剃须刀刀片旋转异响声人工检测效率低、经验要求高的问题,提出一种将小波变换和人工鱼群算法优化的支持向量机相结合的声学检测方法.该方法首先通过离散小波变换对电动剃须刀刀片旋转声信号进行小波分解和重构,将获得的各层相对小波能量作为样本特征参量,然后采用人工鱼群算法对支持向量机进行优化,最后使用优化后的模型对样本...     

分布式光纤传感器的周界安防入侵信号识别

在分布式光纤周界安防系统中,对距离较长、背景环境复杂的边境进行检测时,系统根据光缆沿线发生的事件进行识别.为了区分各种引起光缆振动的激励,本文根据入侵信号与环境引起的振动信号在小波尺度上方差幅值的分布特征,利用小波多尺度分析理论构造了由各尺度下的方差组成的特征向量,提出了根据方差特征向量的不同来识别各种振动信号的“尺度-方差”信号的方法.在实验系统中,光缆总长度为56 km,光源的功率为300 μW,工作波长为1 550 nm.实验结果表明,此方法可以有效区分入侵信号、环境噪声和人为活动引起的非入侵事件,提高了系统的检测概率和降低系统的虚警率.     

融合小波变换和改进KFD的人脸识别方法

基于核函数的Fisher判别分析(KFD)在人脸识别中通常采用高斯径向基函数做核函数,但核函数中参数的选取对分类效果影响较大。目前参数的选取一般仅凭经验,且该方法在处理大样本时,速度较慢。针对这个问题,本文提出了一种融合小波变换和改进KFD的人脸识别的方法。该方法首先用小波变换降低样本的维数;然后在用KFD进行特征提取时,采用微粒群算法自动获取一个最优参数,增强分类效果;最后用SVM分类器完成特征的识别。实验表明,该方法与传统的KFD相比较,运算时间减少,而且识别率得到提高。     

基于提升小波包和模糊模式识别的结构损伤识别

针对网架结构的损伤特点,提出基于提升小波包特征提取的模糊模式识别的结构损伤诊断方法。该方法首先利用提升框架,将结构振动测试信号进行提升小波包分解,提取小波包信号分量能量作为损伤识别的特征向量,以此建立模糊模式识别的模糊子集,最后利用模糊C均值聚类分析与择近原则相结合的模糊模式识别方法对结构进行损伤识别,并研究噪声对该算法的影响。为了证明该方法,对一个二层网架结构模型进行数值仿真,结果表明该方法能够有效地识别损伤。     

基于流体诱发管道振动的气液两相流型识别

通过对不同流型的气液两相流流经管道时诱发的管道振动特性的实验研究,提出了基于流体诱发振动的非接触式在线两相流流型识别新方法.通过安装于测试管道外壁的振动传感器测量不同流型下气液两相流诱发的振动信号;采用小波包分析提取了表征流型变化的振动信号能量特征向量;以能量特征向量作为模型输入,建立了概率神经网络模型用于识别分层流、...     

基于地震波传感器阵列的管道地面标记系统

地面标记系统是管道内检测的重要组成部分,可以显著减小内检测器在石油管道缺陷检测中产生的里程误差,提高对管道缺陷的定位精度.针对目前管道越埋越深的问题,本文提出了一种基于地震波传感器阵列的地面标记器技术.当检测器在管道内运动时,会与管道内壁的焊缝产生摩擦,产生地震波信号.地面标记器通过高灵敏度的地震波传感器可以采集到这种地震波信号.由于不同目标产生地震波信号的频率、能量等特征不同,本文使用基于经验模态分解（empirical mode decomposition,EMD）的方法对信号进行特征提取.首先将信号用EMD分解为几个固有模态函数分量（intrinsic mode function,IMF）;然后计算各个IMF分量归一化的能量分布,将IMF能量分布作为信号的特征向量;最后使用基于支持向量机的神经网络来对地震波信号进行模式识别,用来识别有效信号和干扰信号.通过模拟实验,识别正确率达到了93%,验证了本文提出的地面标记系统的有效性.     

基于支持向量机的机内测试降虚警技术

针对环境因素引起的BIT虚警,提出基于支持向量机的机内测试降虚警技术,建立了虚警与环境因素的关联关系.通过构建多类SVM分类器,将间歇故障与正常状态和硬故障分开,以降低BIT虚警.某型号航空地平仪的试验结果分析表明: 在小训练样本的情况下,支持向量机比神经网络具有更好的间歇故障识别能力,能够有效地降低由环境因素引起的虚警.