小波变换和模糊识别技术在人体血压信号处理中的应用

为了精确测量人体血压，如何对血压信号进行分析和处理是问题的关键．本文首次将小波理 论和模糊识别理论相结合，并应用于人体血压波形信号的实际分析中；创造性地将离散小波 和连续小波变换结合在一起，完成有用信号的特征提取，并用模糊识别的方法实现目标的识 别．本文对各种波形信号的分析提供了非常有效的处理方法，具有很大的实际应用价值．     

人体血压信号的采集与分析处理

如何对血压信号进行采集、分析和处理是精确测量人体血压的关键.本文首次将小波理论和模糊识别理论相结合,应用于人体血压波形信号的实际分析中;并将离散小波和连续小波变换结合在一起,完成有用信号的特征提取,并用模糊识别的方法实现目标的识别;对各种波形信号的分析处理提供了非常有效的处理方法,具有一定的实际应用价值.     

一种新的基于小波过零检测的虹膜识别算法*

虹膜识别被认为是目前最准确可靠的生物特征识别方法。提出了一种新的基于小波过零检测的虹膜识别算法,通过对分离的虹膜纹理采用小波变换来实现特征提取,最后通过Hamming距离完成模式匹配。实验结果表明,该算法识别率很高,可有效地应用于身份鉴别系统中。     

小波变换在电子电路检测中的应用

电子技术近年来发展迅速,在各个领域中得到广泛应用,同时,如何有效地进行电子电路检测成为当前面临的重要研究课题。寻找合适的方法对电子电路故障快速检测及诊断意义重大。本文对电路测点优选等几个方面进行研究,在现有方法基础上,论述了小波变换在电子电路检测技术发展中的应用,为相关领域的工程技术与科研人员提供参照。     

数据库技术在模糊模式识别中的应用

在通常的模式识别中，模式是明确、清晰、肯定的，但有些实际问题，模式本身很不明确，带有一定的模糊性，描这类模式最好借助于模糊集，借助于数据库技术，利用模糊模式识别的欧氏贴近度模型进行模糊预测将是本文的一大突破，该数据库应用软件在完满地解决了多变量、非线性的，大时滞的水泥强度预测这一实际问题后，将有广阔应用推广的前景。     

一种手写体汉字特征提取新方法—小波变换及弹性网络技术的应用

利用小波分析方法将汉字图象分解为横、撇、竖、捺４个方向的分量，然后结合弹性网络技术，提出了进行了手写体汉字特征提取的一种新方法，实验结果显示此方法是行之有效的。     

小波变换在脉象信号特征提取中的应用

论文首先介绍了人体脉象是非线性、非平稳的微弱信号这个特点,然后分析了传统人工脉诊的缺陷,在当今信号处理和计算机相关技术的飞速发展,提出了很多运用现代科学对脉象分类的方法。由于小波具有优良的时频分析特性,而且还具有处理非平稳随机信号的能力,论文提出利用小波提取脉象特征,得到了很好的识别效果。     

方向小波变换及其在运动弱目标检测中的应用

定义了一种新的小波变换即“方向小波变换”，它不仅保持了传统小波变换良好的时频局部分析能力，还具有良好的方向分析特性，研究了它在运动弱目标检测中的应用，提出一种多尺度的运动弱目标检测方法，其可以充分利用目标的不稳定“面”信息，迅速有效地检测出运动弱目标的轨迹。     

SAR图像道路检测及其仿真

针对图像边缘定位易发生偏移且对噪声比较敏感的问题,传统检测方法有缺点,现从小波理论出发,提出了一种基于beamlet变换的SAR图像道路线特征提取方法。首先对未经斑点噪声抑制的原始SAR图像进行非下采样小波分解,在变换域中利用beamlet变换进行道路线特征提取,最后采用识别算法检测了道路。实验结果显示方法与传统检测算子相比,具有很好的抗噪性能,检测到更多细节特征且道路识别效果更好。     

改进的小波变换在罗拉故障诊断中的应用

针对纺织细纱机中罗拉故障的诊断问题,采用了一种改进的小波分解与重构算法对故障进行特征提取,并通过反复的实验选取出了比较合适的双正交小波基以准确地提取特征信息;分析了传统小波变换在罗拉故障中产生混频的原因,给出了一种改进的小波算法.该算法将小波变换与FFT相结合以消除混频现象.仿真研究表明,双正交小波基对于提取罗拉故障的特征频率有较好的效果,改进的小波算法能够较好地消除频率混叠现象.     

Hierarchical wavelet packet fuzzy inference system for pattern classification and system identification

This study presents a hierarchical Takagi–Sugeno–Kang type fuzzy system called hierarchical wavelet packet fuzzy inference system. In the proposed method, wavelet packet transform is applied on the input data to produce approximation and detail sub-bands of the input data and the output is used as the input vector of the proposed network. This network uses a hierarchical structure same as wavelet packet decomposition tree, in which adaptive network-based fuzzy inference system is used as sub-model. Also, gradient descent algorithm is chosen for training the parameters of antecedent and conclusion parts of the sub-models. In order to evaluate the capability of the proposed method, its applications in pattern classification, system identification and time-series prediction have been studied. The results show that the proposed method performs better than the other conventional models.     

基于SVM的ECG传感器信号身份识别方法

通过心电图（ECG）传感器采集的信号在身份识别中得到了越来越广泛的应用.但小波滤噪结果往往通过主观判断,没有量化指标,滤波效果不理想;同时,对于ECG特征的提取没有考虑心率变化的影响,鲁棒性不佳.针对这2个问题,提出了一种通过信噪比和相关系数衡量预处理结果的办法,并且在特征的提取上只采用QRS波形,避开了易受心率影响的间期特征.最后使用了多种分类识别方法进行测试,得到了小样本下支持向量机（SVM）最适用于ECG识别的结论.     

基于Curvelet的边缘纹理特征提取及表情识别

针对小波变换在提取图像边缘特征上的局限性,提出一种使用Curvelet变换进行边缘纹理特征提取的表情识别方法。Curvelet变换在表达图像的边缘曲线上的奇异性时比小波变换更能得到稀疏的图像表示。在表情识别中,对表情图像使用Curvelet变换得到Curvelet系数作为边缘纹理特征能更好地反映表情的变化,使用K最邻近结点算法进行了识别。结果表明在表情识别中该方法比小波变换更有效。     

基于小波尺度搜索的虹膜识别方法

利用小波的带通特性和小波变换检测奇异点的原理提取虹膜特征,并在此基础上提出了一种新的搜索合适小波尺度的虹膜识别算法。将虹膜纹理分成8个分析带,对每个分析带进行连续小波变换,取其中32个尺度下的结果量化编码。然后利用Hamming距离进行模式匹配,对每个分析带通过搜索最小的Hamming距离获得合适的尺度。实验结果表明,算法的识别率可达98.15%,同以前提出的算法相比识别性能进一步提高,可用于大规模身份识别系统。     

基于轮廓层次和小波分析的工业字符识别

为了提高工业字符识别的准确率,增强字符识别算法对含噪声字符或发生形变字符的适应性,提出了一种改进的轮廓层次特征提取方法.对经过预处理归一化的字符,先提取轮廓层次特征,再对特征信号进行小波分解,从分解结果的低频部分中提取特征信息,最后将特征输入SVM(Support Vector Machines,支持向量机)训练和分类.实验结果表明,该特征提取方法降低了后续要处理的数据量,具有良好的抗干扰能力,实用价值较高.     

A system for pattern recognition and pattern summarization in multi-band satellite images

A new system (C.T.R.F.’s LSGENSYS—Linguistic Summary Generation System) that has been developed for pattern recognition and summarization of patterns in multiband (RGB) satellite images is described in this paper. The system design is described in some detail. The system has been tested successfully with SPOT MS and LANDSAT images. It extracts, analyzes, and summarizes patterns such as land, island, water body, river, fire, and urban settlements from these images. The results are presented by allowing the system to automatically classify and interpret these images. Some elements of supervised classification are also introduced, and a comparison is made between the results in each case. The text was submitted by the author in English. Hema Nair. Date of Birth: November 21, 1965. Education: Hema Nair received her Bachelors Degree in Electrical Engineering from Government Engineering College, University of Calicut, Kerala, India, in 1986. She received her Masters Degree in Electrical Engineering from National University of Singapore in 1993. Ms. Nair received her Masters Degree in Computer Science from Clark Atlanta University, Atlanta, United States, in 1996. Membership: A member of IEEE (USA) and ACM (USA) since 1997. A member of the Institution of Engineers (India) since 1988. Awards: 1. Ms. Nair’s Masters Degree research in the United States was funded by a US Army Grant. 2. One of Ms. Nair’s publications was cited with the Abstract in NASA’s Scientific and Technical Information Program Reports of 2006. Work Experience: 1. Ms. Nair was employed as Senior Technical Associate II at AT and T, New Jersey, United States, between 1996 and 2000. Her work included research and leading AT&T Projects as Project Leader. 2. She also served as Faculty in Apple Information Technology, Ltd, Bangalore, India, between 1987 and 1990. 3. Ms. Nair worked on contract as a lecturer in Multimedia University, Malaysia, between 2001 and 2005. 4. Since 2005, she has been working as a Researcher at C.T.R.F., a research and education foundation in India. Research Interests: Ms. Nair’s research interests include Image Analysis, Pattern Recognition, Databases, Artificial Intelligence, and Data Mining. Publications: Ms. Nair has published several papers internationally. These include 7 International Conference Papers and 4 International Journals. Reviewer for LASTED International Conference 2004.     

织物纹理疵点快速检测方法

根据小波在奇异信号分解中的特点,提出了一种疵点快速检测新方法.首先通过对被检测图像进行小波提升分解,获得相应的子图.然后把高频子图分割成若干子窗口,统计子窗口能量的标准差与均值加权和作为提取的特征.最后把高频子图中的特征均值与正常子图特征均值相比较,判断疵点是否存在.实验结果表明,该检测方法能快速有效的检测疵点.     

基于两级分类器串行的人脸识别

在分析人脸特征提取和分类器的基础上,提出一种两级分类器串行结合的模型进行人脸识别。在第一级分类器中利用极坐标傅立叶变换提取全局特征通过相似度匹配进行粗略的筛选,第二级分类器中利用改进的协同神经网络,基于原始灰度图像的小波变换提取内在特征,进行精细识别。研究分析了分类器串行结合模型中阈值的选取与系统精度、速度间的关系。在自建人脸库和Yale B人脸库上的实验结果表明,两级分类器串行的识别模型在保证较高系统识别率的前提下可以提升系统的速度。     

基于小波变换的多特征融合sEMG模式识别

针对单一特征值表征能力差的情况,根据小波变换的多分辨分析思想,采用基于多种母小波的多特征融合的特征提取方法对表面肌电信号进行特征提取。本实验对十名测试人员进行肌电信号的采集,对日常生活中的四个基本下肢动作进行测试。首先,分别基于DB、Dmey和Bior三种不同的母小波,采用离散小波变换通过不同的分析方法对表面肌电信号进行多尺度分解。然后,通过分析发现,不同肌肉在不同特征提取方式下表征效果存在差异,为了结合不同特征方式的特点对基于不同小波基的特征值进行融合分析并比较。最后,将特征值分别输入到Elman神经网络和BP神经网络进行模式识别并比较分析。实验结果表明：通过对不同特征值进行识别比较,融合处理的特征值可以达到98.7%的识别率,并且,BP神经网络相较于Elman神经网络识别效果更好。