基于数据降噪的冷轧板形调控功效系数获取

 针对轧制过程实际数据噪声大、难以获取准确板形调控功效系数的问题,提出了一种融合集成经验模态分解(EEMD)和小波变换(WT)的数据降噪方法。将含有噪声的实际生产数据经过EEMD分解后,利用小波变换方法对噪声主导的本征模态分量(IMF)进行降噪处理,处理后的噪声分量与其余分量重构得到降噪后数据,并结合结构方程模型(SEM)计算得到板形功效系数。利用1 450 mm五机架冷连轧生产线实际数据进行试验,结果表明,EEMD-WT-SEM方法可以有效降低数据噪声,有效提升板形调控功效系数的准确性。     

风廓线雷达去地杂波方法研究

针对传统的回波模拟方法不能很好的模拟高斯白噪声的分布,也不利于反应真实的回波信号的问题,改进了回波信号的模拟方法,同时为了减小地杂波对信号参数估计的影响,在静态小波变换的基础上,提出了一种抑制风廓线雷达地杂波的方法,由于采用提升实现方式,其运算量并没有明显增加.相对于传统的基于DWT去地杂波的方法,新方法更加适用于较低信杂比的情况.仿真结果验证了新方法的有效性.     

基于小波变换和RBF神经网络的机械故障诊断

针对人工诊断机械故障比较耗时且存在误差及BP神经网络的缺点,提出了一种基于小波变换和RBF神经网络的机械故障诊断方法。该方法通过小波变换对采集到的信号进行处理,降低噪声干扰,然后使用RBF神经网络代替工作人员对故障进行诊断,排除人为主观因素影响,提高判别准确性。仿真结果表明,本文提出的机械故障诊断方法准确性明显优于人工和BP神经网络,且计算量小,收敛速度快。     

鲁棒UKF滤波算法在SINS初始对准中的应用

针对系统存在不确定性扰动时传统UKF滤波算法的滤波精度和鲁棒性均下降的问题,提出了一种基于H∞范数的鲁棒UKF滤波算法.该算法在Krein空间内对简化UKF滤波算法进行改进,增加了一个鲁棒环节.鲁棒环节通过引入给定正常数调整滤波增益从而提高滤波算法的鲁棒性能.在SINS大方位失准角初始对准中对简化UKF滤波算法和鲁棒UKF滤波算法进行了对比研究.仿真结果表明:与简化UKF滤波算法相比,鲁棒UKF滤波算法的方位失准角估计误差由16.9'缩小到4.3'.鲁棒UKF滤波算法降低了系统对扰动的敏感度,具有更好的滤波性能.     

区间时滞系统的非脆弱鲁棒H∞控制

针对一类时滞是时变的且属于一个已知区间的线性系统,提出了一种新的Lyapunov-Krasovskii函数分析方法,分析区间时滞线性系统的稳定性,并设计了非脆弱鲁棒H∞控制器.设计的非脆弱鲁棒H∞控制器不仅可以保证时滞系统是渐近稳定的,同时可以满足所给定的H∞性能指标.非脆弱鲁棒H∞控制器可以通过线性矩阵不等式方法获得.仿真例子验证了该方法的有效性.     

具有跟踪鲁棒性能的H_∞最优预见控制

研究了一类不确定离散时间系统的鲁棒H∞预见控制问题.其中采用一种新的方法构造扩大误差系统,避免对时变的系数矩阵取差分,从而成功构造简化的扩大误差系统.然后针对所求得的不确定系统的扩大误差系统,通过引入带有预见作用的状态反馈,研究鲁棒H∞保成本控制问题,得到确保鲁棒H∞控制器存在的充分条件及H∞状态反馈控制器的设计方法.该条件可以通过求解一个线性矩阵不等式优化问题而实现.所得控制器回到原系统就得到带有预见作用的最优预见控制器.而且,通过引入积分器,实现闭环系统对目标值信号的鲁棒无静差跟踪.最后的数值算例说明了本文理论的有效性.     

小波分析在激电数据处理中的应用

激电测量数据中一般包含有噪声和异常叠加效应,如何有效分离出有用异常信息,提高激电异常室内处理的效率和解释水平,成为激电异常解释的重要环节。在数据处理方法上,小波变换是20世纪80年代中期发展起来的一门新兴的数学理论和方法,在空间变换域和频率域同时具有良好的局部分析性质,可以将信号分解成各种不同频率或尺度成分,利用小波变换的上述特点,对激电异常进行划分,便可得到各种尺度意义下的异常。应用小波分析方法对河南省某矿区激电异常进行数据处理,区分出噪声和地表浅小地质体的干扰异常,深源或规模较大地质体的背景异常,突出了矿体的异常信息,取得了较好的效果。     

一种基于互相关函数的小波系数相关阈值去噪方法

针对传统的小波系数相关去噪方法中,在对含噪信号进行小波变换后,各尺度上的小波系数会产生微小偏移的问题,提出了一种基于互相关函数的小波系数相关去噪方法.采用互相关算法,计算各个尺度与原始含噪信号产生的偏移量,再把偏移后的尺度进行相关分析,得出准确的突变信号;为了去除信号突变附近附带的少量噪声信号,再采用临界阈值去噪方法对相关分析后的尺度信号进行阈值处理,最后经过信号重构可以得到精确的有用信号.     

灰色模型在转炉终点温度预测中的应用

以邯钢邯宝炼钢厂转炉历史生产数据为基础,应用小波分析与灰色模型相结合的方法建立了转炉终点温度预测模型,在目前预测方法的基础上提出了一种新的思路。通过MATLAB中的小波变换工具,剔除数据“噪声”后分为趋势数据和波动数据,并以24个炉次为待测样本,利用灰色模型对转炉终点温度进行预测。结果表明,预测误差在[－10, 10]区间的占据95.83%,能够满足生产要求,从而验证了模型的有效性。     

基于鲁棒学习的精轧宽展及拉窄综合预报

分析了遗传系数学习时所遇到的问题,提出了鲁棒学习的概念和方法;以2050热轧精轧自然宽展为例,指出了现有精轧自然宽展模型的不足,提出了精轧宽度变化预测的统计模型,并基于遗传系数鲁棒学习方法进行了仿真研究.研究结果表明,文章提出的方法是行之有效的.     

基于脊波变换的手指静脉图像增强研究

针对人体手指静脉图像的结构和特点,提出一种基于脊波变换的图像增强算法.该算法对手指静脉图像小波域各高频子带系数进行脊波变换,利用非线性新脊域系数确定法对脊域系数进行处理,然后对各高频子带进行脊波逆变换和小波图像重构.该算法对手指静脉二维曲线奇异处理、边缘增强等具有较好的效果,克服了小波变换在高维曲线奇异和方向选择上的不足.通过与传统的二维离散小波变换边缘增强法和自适应调整系数的脊波变换方法作比较,实验结果表明本算法具有更好的手指静脉图像效果.     

The injured drunk driver in central Texas: incidence, demographics, and legal ramifications

Reconstructed images in digital tomosynthesis (DTS) are affected by artifacts due to blur from planes other than the fulcrum plane. A wavelet-based method has been developed for the discrimination and subsequent removal of unrelated structures from the reconstructed plane. The approach exploits both the specific pattern of noise in DTS and the spatial locality of the wavelet transformation. The technique was implemented on a DTS clinical protoype system. Experimental evaluation on angiographic types of images demonstrated excellent noise differentiation and elimination. The method is therefore particularly useful for certain medical imaging applications such as vascular DTS imaging.     

基于小波变换的爆破振动信号分解与重构

针对非平稳爆破振动信号采用Fourier变换只能在时域或频域变换的问题,提出将时间和频率结合起来分析非平稳信号的方法--小波分析法.利用小波分析法对同一爆破振动信号采用不同小波基进行分析,说明了差异性.并通过不同的小波基对实测的爆破振动信号的分解与重构,以重构误差的大小确定最优小波基.     

基于小波分析的光谱数据处理

原子发射光谱作为多元素同步分析技术具有巨大的在线分析潜力。由于光谱数据量大,干扰信息与有效信息并存,不利于对光谱数据进行定性定量分析。小波分析具有分时分频精细表达和多尺度多分辨率分析的独特优势,本文介绍了小波变换去噪技术原理,通过对一组光谱数据的去噪处理,说明利用小波分析法可以有效的消减光谱中的干扰信息。     

Medication side effects in anxious patients: negative placebo responses?

Heart sounds produce an incessant noise during lung sounds recordings. This noise severely contaminates the breath sounds signal and interferes in the analysis of lung sounds. In this paper, the use of a wavelet transform domain filtering technique as an adaptive de-noising tool, implemented in lung sounds analysis, is presented. The multiresolution representations of the signal, produced by wavelet transform, are used for signal structure extraction. In addition, the use of hard thresholding in the wavelet transform domain results in a separation of the nonstationary part of the input signal (heart sounds) from the stationary one (lung sounds). Thus, the location of the heart sound noise (1st and 2nd heart sound peaks) is automatically detected, without requiring any noise reference signal. Experimental results have shown that the implementation of this wavelet-based filter in lung sound analysis results in an efficient reduction of the superimposed heart sound noise, producing an almost noise-free output signal. Due to its simplicity and its fast implementation the method can easily be used in clinical medicine.     

Denoising of the fetal heart rate signal with non-linear filtering of the wavelet transform maxima

The fetal heart rate (FHR) signal provides valuable information for fetal development and well-being. However, the FHR traces derived from present-day ultrasound cardiotocographs are not of the desired quality. The paper applies the wavelet transform (WT) in order to denoise effectively the FHR signal. The denoising procedure analyses the evolution of the WT maxima across scales. The singularities of the signal create wavelet maxima with different properties from those of the induced noise. Since it is difficult to formulate precise rules that distinguish between the wavelet maxima of the FHR signal from those of the noise we have trained a neural network for this classification task. The neural network draws out successfully the noise induced wavelet maxima. An improved FHR signal can be obtained from the coarser wavelet approximation signal component and the filtered wavelet maxima by means of the inverse dyadic wavelet transform. Also, feature extraction and processing algorithms can be defined on the denoised wavelet coefficients (instead of on the original signal).     

Compression of process data with a wavelet method

The subject of this paper is a method for compressing noisy measurement data as far as possible without unacceptable loss of relevant information. This is achieved by transformation into wavelet space and conversion of the wavelet coefficients to small integers. The resulting data file has a high redundancy. Thus, its size can be reduced to some percent of the size of the original data file by standard lossless data compression. The method described is simple and universally applicable.     

基于小波变换的球团矿图像边缘检测

球团粒径及其分布是衡量球团矿质量的重要指标。球团矿图像的边缘检测对基于数字图像处理的球团粒径自动检测具有重要意义。但是，由于成像中的噪声及球团图像的无背景等特点，使得球团图像的边缘检测比较困难。本文利用小波变换系数模局部极大值来检测球团图像的边缘，取得了较好的效果。     

基于二维离散小波变换的烧结断面图像去噪

由于烧结机尾环境恶劣 ,采集的烧结机尾图像干扰较多 ,采用传统的去噪方法难以达到满意的效果。本文首先分析了烧结断面图像的特点及其信号与噪声在小波变换下的不同特点 ,然后介绍了二维多分辨率分析的去噪方法 ,并将它应用于烧结断面图像去噪处理。实验结果表明 ,本文使用的方法能有效去除烧结断面图像中的噪声 ,图像的细节也有效地得以保留