整数算法小波变换实时数据压缩与重构算法

针对传统小波滤波器结构和系数进行改进,提出了一种高效的整数算法小波变换的构造方案。在此基础上,针对电力信号采集数据自身的特点,对小波变换后的低、高频数据分别进行二次压缩,低频数据采用Ray-Period压缩算法,高频数据采用改进的阈值压缩算法。压缩实验证实,该算法能在均方误差优于2.0×10-4的情况下,获得6.2%的压缩比,并且速度比传统小波变换的压缩算法提高了10倍以上,具有实用价值。     

基于ARM9的整数小波阈值压缩算法及其EVC实现

采用传统的一代小波变换进行数据压缩,存在实时性差,内存需求量大等问题.本文从小波滤波器的多相位矩阵出发,利用Euclidean分解方法,实现了小波变换由传统卷积模式到提升算法的转变,并进行了整数提升,克服了一代小波的不足.在此基础上提出了一种改进的整数小波阈值压缩算法,在ARM9上利用EVC予以实现.实验表明该算法在均方误差为0.3490%时,压缩比为11.875%,计算速度快,适合应用在实时性要求较强的场合.     

基于GHM多小波的电力系统故障录波数据压缩算法

针对电力系统大量故障录波数据的传输问题,提出了一种数据压缩的新方法。首先利用GHM多小波变换将故障数据分解为高频系数和低频系数,对于高频系数用嵌入式多小波零树编码和游程编码相结合的算法进行压缩,而对于包含原始信号大部分能量的低频系数则采用Huffman无损压缩方法。实验结果表明,该算法压缩比可以在1.3513%～24.0231%间实现自由变换,赋范均方误差为0.3534%时,压缩比为11.1693%,压缩效果好,具有较高的实用价值。     

一种基于小波变换和人类视觉系统的图像压缩算法

为了解决大数据量的图像信息给存储器存储容量、通信信道带宽和计算机处理速度带来的压力,必须对图像进行压缩处理。提出了一种基于小波变换和人类视觉系统的图像压缩算法用以提高对高质量图像的压缩效果。该算法首先使用小波滤波器选择模型及最佳滤波器以得到最小数目的非零小波系数。其次,利用人类视觉系统特性对分解后的小波系数进行有效的量化处理,最终进行小波编码,实现对图像的压缩。实验结果表明,所提出的算法对高质量图像进行压缩所达到的效果要优于传统压缩算法。     

二维离散小波变换在电能质量检测数据压缩中的应用

提出了用二维离散小波变换和能量阈值相结合的方法来解决电能质量扰动信号的压缩问题.利用二维db小波变换对矩阵数据分别进行行卷积和列卷积,把检测数据的高频信号和噪声信号分解在3个不同的方向上,且信号的能量集中在很少的小波系数上.再通过改进的能量阈值法,利用能量均值修正系数设置阈值使得压缩后的能量保留在99%以上,从而保证了重构信号的失真度很小且自适应地消除了加在扰动信号上的噪声.对6种扰动信号进行仿真并与小波包的压缩结果进行比较,结果表明该方法极大地提高了压缩率,并对噪声干扰有很好的去噪能力.     

基于自适应阀值的小波全频降噪方法研究及实现

在含噪信号中提取有效的局部放电信号时,传统的小波阈值降噪方法只对小波分解的高频部分进行降噪处理,而忽略了低频部分噪声对局部放电信号的影响。针对该方法的缺陷,本文提出一种基于自适应阈值的小波全频降噪方法。该方法根据噪声的小波分解系数随尺度增大而减小的特点,采用随尺度变化的自适应阈值对高频部分噪声进行处理,采用传统的固定阈值对低频部分噪声进行处理,从而实现对局部放电信号的小波全频降噪处理。实验数据表明:与传统的小波阈值降噪方法相比,小波全频降噪方法的均方根误差降低了19.3%,噪声抑制比和噪声降低水平分别提高56.4%、10.8%。由此验证了自适应阈值的小波全频降噪方法的降噪效果优于传统小波阈值降噪方法。     

自适应小波压缩算法在连续录波装置中应用

针对连续录波海量数据的存储和对称电力系统故障持续时间短的运行特点,基于Clark变换和小波变换提出了一种自适应录波数据压缩技术以解决连续录波中的海量数据存储与存储设备安全和容量之间的矛盾.根据小波变换最大比例系数区分出正常数据与故障数据,对故障数据利用小波分解和自适应阈值处理同Lz77相结合的方法直接进行自适应小波压缩存储,对于非故障数据则在Clark变换基础上再进行自适应小波压缩存储,以提高数据压缩效率.应用Simulink仿真模拟输电线路的正常和故障运行2种情况对所提出的压缩算法的有效性进行验证.仿真数据表明所提出的压缩方法比不进行数据区分压缩算法的压缩率更高,可有效地解决连续录波器中海量数据的存储与设备容量之间的矛盾.     

一种实用的电力系统测量数据压缩方法

针对电力系统测量数据的压缩问题，提出了一种高效实用的数据压缩方法。该方法对数据进行离散小波变换后，对高频系数取门限进行阈值量化；低频系数经过数据变换实施Huffman编码。通过大量的仿真分析表明，数据压缩比和误差都非常小，该方法可行、有效。     

基于稀疏表示的TQWT在低频振荡信号去噪中应用

为了改善低频振荡信号的去噪效果,为低频振荡信号的检测与分析提供准确可靠的数据,在分析可调Q小波变换和稀疏表示原理的基础上,给出了一种基于稀疏表示的可调Q小波变换去噪方法。该方法先利用可调Q小波变换对含噪的低频振荡信号进行稀疏分解,得到初始的小波系数。再利用基追踪去噪算法对得到的小波系数进行优化处理。最后对优化的小波系数进行重构,获取干净无噪的低频振荡信号。通过仿真分析验证了该方法的去噪效果和可靠性优于目前广泛使用的小波软、硬阈值去噪法。     

改进非分离二维离散小波的数据压缩算法

利用非分离的二维离散小波可把输入信号直接进行分解且小波中的4个滤波器矩阵间存在相互转换关系,提出了改进的二维离散小波算法。该算法用低频滤波器中的数据表示3个高频滤波器中的数据,使得在卷积过程中原算法重复计算的卷积被省去。采用改进算法后,计算每个小波系数时的乘法次数由原算法的l×(l-1)减少为ll×/2。再通过阈值法设置阈值进行数据压缩,使得压缩后的能量保留在99%以上,从而保证了重构信号的失真率很小且自适应地消除加在扰动信号上的噪声。仿真结果表明该方法在保证大的压缩率的情况下提高了运算速度,并对信号中的噪声干扰有很好的消除能力。     

High-quality low-complexity wavelet-based compression algorithm for audio signals

Wavelets have recently emerged as a powerful tool for signal compression, particularly in the areas of image, video, and audio compression. In this paper, we present a low-complexity wavelet-based audio compression algorithm that is capable of handling fairly arbitrary audio sources. The algorithm transforms the incoming audio data into the wavelet domain, and compresses data by exploring redundancy in the wavelet coefficients and exploiting the large runs of zeros in the transformed signal. Also there is a possibility of applying a threshold to the non-zero coefficients, thus a further increase in the number of zeros is expected. The audio signal is first preprocessed to scale down the wavelet coefficients. Then the preprocessed signal is wavelet transformed using a bi-orthogonal discrete wavelet transform (DWT) and threshold by applying energy compaction strategy. Encoding represents the threshold coefficients in compact form. A new encoding technique that is easy to implement, and that provides a reasonable compression ratio for a certain acceptable distortion level has been developed to encode the threshold DWT. So, a bit rate can be controlled such that the algorithm operates at virtually any pre-selected bit rate. The motivation of using the bi-orthogonal wavelet transform is that it permits the use of a much broader class of filters, and this class includes symmetric linear phase filters. The superior performance of this algorithm is also demonstrated by comparing it with two other popular audio compression techniques and this meets the requirements of multimedia computing.     

基于第二代小波变换的电力系统故障录波数据压缩方法

随着对故障过程监测水平要求的逐步提高,急剧增大的故障录波数据量给数据传输和存储带来了很大的困难,因此必须对其做压缩处理。在论述传统小波分解理论和第二代小波方法的基础上,提出了一种基于整数小波变换的无损压缩方法。该方法能够对电力暂态信号数据进行完全可逆的多尺度整数小波分解,并将各尺度上的小波系数进行Huffman编码,从而实现无损压缩。仿真实验结果表明：该方法应用于故障录波数据无损压缩可实现较高的压缩比。     

一种新的小波变换功率测量整数算法的研究与实现

在深入分析研究滤波器系数为整数的整数小波变换的基础上,首次提出了基于小波的电压、电流有效值及功率分频带测量的整数算法,并用框图形式表示出其在DSP上的实现方案.实验中采用Dmey小波的整数测量算法测量电压、电流有效值功率的准确度可优于10-4,速度比第一代小波变换的测量算法提高了十倍以上.     

基于混沌和SVD-DWT的数字图像水印算法

提出了一种基于奇异值分解和离散小波变换相结合的数字水印算法。将二值水印图像用混沌的方法进行置乱并对原始图像进行N层小波分解,对小波系数LLn,LHn,HLn,HHn分别采用不同的方式嵌入水印信息。对LLn部分,根据系数的能量大小嵌入伪随机扩频序列;对LHn,HLn,HHn三个小波系数矩阵作奇异值分解,将置乱水印的奇异特征值嵌入到这三个小波矩阵的奇异特征值中。针对嵌入方案,设计了非盲检测和盲检测算法。实验仿真表明,该算法能够经受住噪声、中值滤波、JPEG压缩和剪切等攻击,具有较强的鲁棒性。     

基于提升小波变换的指针式仪表图像边缘检测

为解决工业中对指针式仪表的自动检定,针对自动检定系统中所涉及的图像边缘检测技术难点,分析了现有传统算法的不足之处,提出一种有效的基于提升小波变换的边缘检测算法。该算法利用提升小波变换尺度的低通作用,避免受高频噪声影响,在传统边缘检测算法的基础上,提取低频轮廓。利用小波系数的方向性,结合方向性边缘检测算子,获得高频边缘信息,最后利用小波重构获得准确清晰的图像边缘,为后续Hough变换准确的提取指针提供了有利保障。实验结果表明,该算法得到的图像边缘较传统Canny算法更清晰准确,无虚假边缘,应用于仪表自动检测系统中是可行的。