基于第二代小波变换的图像消噪

为了减少图像消噪后发生的边缘模糊现象,在第二代小波变换的基础上,提出了采用最小二乘法获得预测系数进行图像消噪的方法．仿真结果表明,当噪声概率达到0．5时,采用该方法滤波后图像的峰值信噪比可达到27．744dB,效果明显优于其他方法．     

基于模态频率和神经网络的结构损伤检测

把结构损伤识别问题分为损伤辨识、损伤定位、损伤程度标定三个子模块，对每个子模块用模态参数构造对损伤敏感的标识量，并作为特征参数输入到神经网络中实现损伤识别。将优化的BP网络和频率相结合成功地实现了矩形梁的损伤检测，为结构健康监测研究提出一条新的技术途径。     

基于第二代小波变换的多分辨率图像水印方案

根据第二代小波变换的特点,利用传统小波多分辨率图像水印方案,给出了基于第二代小波变换的多分辨率图像水印方案。该方案实现简单,对内存需求量小,便于DSP芯片实现。仿真结果表明,该方案不仅能保持传统小波多分辨率图像水印的优势,而且处理速度更快,对图像尺寸没有特殊要求。     

基于Hilbert-Huang变换的结构损伤诊断

对Hilbert-Huang变换(HHT)在结构损伤诊断中的应用进行了分析。Hilbert-Huang变换是一种适用于非线性、非平稳信号，且具有自适应性的新的数据处理方法，将该方法应用于结构的反应分析，能有效地提取结构的损伤特征，从而对结构的健康状况进行诊断。分析实例表明了该方法的有效性和实用性。     

第二代小波变换在汽油机爆震分析中的应用

为研究汽油机爆震的精确判定方法,研究了第二代小波变换在爆震分析中的应用.频率混淆是第一代离散小波变换的三大失真之一.分析了一种新型的第二代小波变换中的频率混淆问题,发现与第一代离散小波变换相比,这种新型的第二代小波变换在抑制频率混淆方面效果明显,而且运算时间明显减少.将这种新型的第二代小波变换应用于汽油发动机的爆震边缘检测,结果表明:该方法能够有效地提取缸压信号和更复杂的缸盖振动信号中的微弱爆震信息,运算速度更快,比第一代离散小波变换更适合于基于爆震的汽油机点火闭环控制.     

基于第二代小波的增强边缘的图像去噪

传统的一些去噪技术往往是以牺牲图像的边缘和细节为代价的。为了去掉图像的噪声,同时又能够很好地保留图像的边缘和纹理细节,在介绍第二代小波变换的原理的基础上,提出使用边缘检测的方法检测出图像的边缘和纹理细节,将它和该图像进行融合,用第二代小波对含噪图像进行分解,对图像高频进行自适应去噪。由于图像在去噪前融合了边缘信息,因此边缘和细节部分得到了增强。仿真结果表明：该去噪方法优于传统小波阈值去噪方法。     

基于S变换的波动理论识别结构损伤

基于波动理论的结构损伤识别方法因其物理概念明确、敏感性高、识别直接等优势而越来越受到青睐。S变换作为小波变换和短时傅里叶变换的继承和发展,相对于傅里叶变换免去了窗函数的选择,改善了窗宽的固定缺陷。因此,提出了一种基于S变换的波动理论识别结构损伤的方法。对结构输出信号进行S变换,通过传递函数可以求出波在结构中的传播速度。根据波动理论建立了波在结构中的传播速度与结构刚度的关系,进而构建了基于刚度的波动损伤指标。利用损伤指标判断损伤状况,包括结构是否损伤、损伤位置和损伤程度。最后通过环境激励下弹性分层剪切梁的数值模型对该方法进行有效性验证,结果表明,该方法能够有效识别结构损伤位置,且能够识别出损伤程度。研究结果对结构健康监测在实际工程中的应用有一定支撑作用。     

Hilbert-Huang变换在结构损伤识别中的应用

为了识别出结构损伤情况,对结构加速度响应信号进行经验模态分解(EMD),得到各阶固有模态函数(IMF),利用第一阶IMF便可以识别出结构损伤发生的时刻及位置。然后利用对各阶IMF进行希尔伯特变换(HT)得到的瞬时频率和Hilbert谱来识别出结构损伤的程度。最后通过对一三层剪切型框架结构的实例分析,证明了该方法的有效性。     

一种基于第二代小波变换 的纹理分类新方法

本文提出了一种基于第二代小波变换的纹理分类新算法。该算法提取纹理图象二层第二代小波分解后的各频率子图的图象熵作为纹理特征进行纹理分类。对由108类Brodatz纹理图象构成的图象库进行分类测试，并与基于灰度共生矩阵、Law’s纹理能量、Gabor滤波等纹理分类方法进行了比较，结果显示此算法性能良好。     

一种基于第二代小波变换 的纹理分类新方法

摘要：本文提出了一种基于第二代小波变换的纹理分类新算法。该算法提取纹理图象二层第 二代小波分解后的各频率子图的图象熵作为纹理特征进行纹理分类。对由108类Brodatz纹 理图象构成的图象库进行分类测试，并与基于灰度共生矩阵、Law’s纹理能量、Gabor滤波等纹 理分类方法进行了比较，结果显示此算法性能良好。     

一种基于小波的结构损伤识别方法研究

各类复杂结构在其服役期内,由于受到设计荷载以及各种其它突发因素的作用,使结构发生损伤,从而威胁整个结构的安全。为了保证结构的安全和减少结构的维护成本,采取有效方法对现役的工程结构进行损伤识别工作就显得尤为必要和迫切。本文通过小波变换方法提取模拟响应信号的模态频率,以达到对结构进行损伤识别的目的。模拟结果显示,基于小波变换的结构损伤识别方法将信号变换到时间—频率空间域上,较以往仅在时间或频率域识别方法更能准确地识别结构的模态频率。     

基于小波变换的结构损伤诊断研究

以对结构局部特征变化比较敏感的应变模态为基础，采用小波变换理论进行结构损伤定位及损伤程度的定量研究，通过小波变换的模极大值确定损伤位置，根据李氏指数表征奇异性大小的特性建立了与损伤程度之间关系。数值模拟表明，小波变换的损伤识别方法不需要损伤前结构的信息，通过模极大值及李氏指数进行损伤定位及定量识别结果精确可靠，为工程实践提供理论基础。     

第二代小波分析在轴承故障诊断中的应用

针对传统小波分析在轴承冲击故障特征提取中的不足,引入第二代小波分析用于滚动轴承的故障诊断.基于插值细分原理,构造了预测算子和更新算子,并针对边界计算中出现的信号突变问题,采用一阶平滑边界延拓技术,解决了重构后信号的平滑问题.基于第二代小波分析的降噪方法,成功滤除噪声信号并保留故障的冲击特征,效果明显优于传统小波降噪技术.同时,将第二代小波变换与相关分析、解调分析等方法相结合,实现了轴承早期故障特征的有效提取.     

基于冗余第二代小波的降噪技术

构造了一种基于插值细分原理的冗余第二代小波变换.该方法在分解过程中不进行剖分,逼近信号和细节信号长度与原始信号长度相同,因此数据量是原信号的2倍.数据冗余性决定了该方法具有良好的分析效果.通过与传统小波变换、第二代小波变换对相同数据的对比,验证了冗余第二代小波变换的有效性.     

基于小波变换的边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起着非常重要的作用。本文在简要介绍小波变换的基础上,给出了小波变换的边缘检测理论。边缘检测采用3次B样条小波。实验证明,利用小波变换提取的图像边缘效果明显优于sobel、canny等传统的边缘检测方法。     

基于曲率模态和小波变换的简支梁桥损伤识别方法

小波变换具有在时域和频域内表征信号局部特性的能力,能够在不同尺度下对结构响应中的突变信号进行放大和识别.本文在曲率模态基础上,提出了一种基于小波变换的梁式结构损伤识别方法.利用双正交小波函数对损伤前后结构的曲率模态进行小波变换,通过小波变换系数的变化和分布情况建立了结构损伤指标,可判定损伤存在,确定损伤位置和估计损伤程度.并通过一简支梁桥中T形截面梁的数值模拟对该方法进行了验证.