平面几何模型的EMD分解算法及其应用

经验模态分解(Empirical mode decomposition,简称EMD)算法是一种处理非线性非平稳信号的时频分析方法.该方法可以自适应地将输入信号分解成若干层本征模函数(Intrinsic mode function,简称IMF)和一层余项函数,通过对IMF的特定操作可以实现信号的滤波和去噪等功能.经典的EMD算法主要针对标量形式的函数信号,对于平面几何图形,EMD则按每一个坐标分量分别处理,其效果往往较差.文章提出一种向量形式的平面几何模型EMD算法,该算法将一个平面几何模型分解成若干层偏置向量和一个残差模型,其中偏置向量表示几何体不同尺度的特征,残差模型表示输入模型的大致形状.通过在极值点的定义中施加特征尺度的限制从而保证每次分解只分离出特定尺度的特征.实验表明,该方法可以有效地实现平面几何模型的分解,并应用在去噪、特征编辑以及特征迁移的领域.通过与经典方法以及标量函数信号EMD算法的比较,文章方法的有效性得到验证.     

基于不同经验模态分解的小波软阈值ECG去噪研究

针对ECG信号的非线性和非平稳性,利用不同经验模态分解的小波软阈值方法对其进行降噪处理.根据希尔伯特-黄(Hilbert-Huang)变换提出的一系列的EMD算法,有EMD、EEMD、CEEMD等.首先,将含高斯白噪声的ECG信号分别进行EMD、EEMD、CEEMD分解,所得到的固有模态函数(IMF)分量是从高频到低频排列的,分别舍去前几层含噪IMF'进行重构去噪.由于舍去的IMF分量中含有少部分信号的细节信息,然后利用小波软阈值对前几层含噪IMF提取细节信息得到新的分量,再将剩余分量和新的分量重构去噪后的ECG信号.利用去噪信号图和不同性能指标验证了不同方法的有效性,得出了基于CEEMD的小波软阈值ECG降噪效果最佳.最后,用上述方法对MIT-BIH心电噪声库信号进行去噪处理,其结果与仿真实验相吻合.     

语音信号中基于EMD法的情感计算

情感计算是情感语音识别的关键.经验模态分解(EMD)算法是Hilbert-Huang变换(HHT)的核心算法,采用分段幂函数插值算法求情感包络线,能达到更好的情感识别效果.利用软件MATLAB仿真了情感语音信号的经验模态分解(EMD)特性,把情感语音信号进行EMD分解后IMF做频谱变换,便能得到一个情感包络线,根据情感包络线的不同而达到情感识别的目的.     

基于EMD方法的混沌信号中周期分量的提取

提出一种从Duffing振子产生的混沌信号中提取谐波分量的方法．依据任何信号由不同的固有简单振动模态组成的概念,利用经验模式分解（EMD）方法,将混沌信号分离为不同的内在模态函数(IMF),并在特定参数下从中分解出单一频率成分的谐波信号,从而成功地将混沌信号和谐波分量分离．仿真实验都表明该方法非常有效．     

基于多指标融合小波包分解与SVM的脑磁信号分类

脑磁信号作为一种新的脑机接口输入信号,由于其信号微弱,背景噪声强,是一种随机性很强的非平稳信号.所以在引进了小波包分解基础上,利用多指标融合方法确定最佳分解尺度后,把该尺度下的分解系数作为脑磁信号的特征向量,并利用三种不同核函数的支持向量机对该特征向量进行学习选出最佳参数,然后对含有手运动方向模式信息的脑磁信号进行测试,并与其他5种算法进行比较,其平均分类正确率低于PCA与LDA融合的方法和改进半监督聚类方法,但超过了EMD与AR融合的方法,EMD与Hillbert变换融合的方法以及MVAR与MPCA融合的方法.实验表明了算法在非高斯、含噪声的脑磁信号分类是有效.     

基于EMD和PCA的暂态电能质量消噪

针对电能质量扰动的消噪问题,提出一种基于经验模态分解(EMD)和主成分分析(PCA)的消噪方法.方法先用EMD将信号分解为一组内蕴模态函数(IMF),对第一层IMF进行细节信息提取,然后对第二层及其后面的IMF进行PCA变换,根据噪声能量选择合适的主成分分量重构,去除各层IMF中的噪声.分别用电压聚降、电压中断、暂态脉冲、谐波及其组合进行数字仿真,和SureShrink小波阈值法、BayesShrink小波阈值法去噪结果比较,所用的方法去噪效果优于SureShrink小波阈值法、BayesShrink小波阈值法去噪结果,尤其对于电压暂降、电压中断、电压聚升这几个最重要的暂态电能质量问题消噪效果更为明显,结果证实了其有效性.     

基于噪声先验知识的LMS自适应噪声对消法的水声微弱信号提取

讲述了LMS自适应噪声对消法的数学原理,设计了一种基于噪声参考信号的噪声对消原理结构图,并对初步提取的信号做Fourier变换,设计合理的系数阈值经行滤波,Fourier逆变换的信号与理想信号做性能对比.仿真实验表明:基于噪声参考信号的噪声对消算法呈现出滤波阶数少,收敛速度快,精度良好,提取信号效果良好等优点.汾河二库湖试测试实验结果也验证了该算法具有良好的高效性和实用性.     

基于张量积B样条的几何模型EMD算法及其应用

经验模态分解(empirical mode decomposition,简称EMD)算法是一种处理非线性非平稳信号的时频分析方法.文章针对拓扑同胚于圆盘的开网格模型提出几何模型上的EMD算法,并应用于网格去噪以及特征编辑.首先,借助曲面上离散高斯曲率提取模型的极值点,随后对模型进行平面参数化,利用均匀节点的三次张量积B样条计算极大和极小包络曲面,最后将平均包络曲面离散成网格模型作为分解一次的残差模型,并将原模型与残差模型的差值向量记为当前分解的偏置向量,迭代地处理残差模型得到模型各个层次的偏置向量以及最终表示原模型基本形状的残差模型.通过对偏置向量的处理与重构,实现算法在网格去噪以及特征编辑的应用.实验结果表明,文章算法可以有效地实现网格模型的多尺度分解,并在网格去噪以及特征编辑方面取得了较好的效果.     

利用TD估计目标状态

本文对TD进行了推广,并将其应用于带有噪声的量测信号的滤波,由于这种滤波方法不依赖于目标状态方程,从而比传统滤波方法更适用于对未知目标状态的估计．文中给出了相应的仿真例子,进一步验证了TD的滤波效果．     

正弦波经验模式分解中极点拟合的抛物线插值法

本文针对正弦渡用经验模式分解（EMD）进行分析时存在的问题,从实验上结出了采样率和信号间相互作用对END的影响。为了提高对极值点采样的准确性,本文提出了利用抛物线插值来拟舍极值点的方法,使结果得到明显的改善。本文还对信号间相互作用的问题进行了讨论。     

基于小波分析的价格周期识别——以天然橡胶和合成橡胶价格为例

使用1997年1月到2009年12月国内天然橡胶、国内合成橡胶、国际天然橡胶的月平均价格数据,运用小波去噪方法、H-P滤波法、B-K滤波法识别了各类价格的周期性并进行了比较.研究结果表明:不同方法得到的周期变化基本一致,小波去噪和BK滤波下周期相对多,HP滤波下波动幅度大;小波去噪法下各类价格对PPI具有最强的预测力,在此方法下国内天然橡胶、合成橡胶价格的平均周期长度约为22个月,国际天然橡胶约为21个月.     

小波包变换及代价函数设计综述

小波包是小波理论的重要组成部分,在非平稳信号特征检测和故障诊断中具有广泛的应用。小波包教学是小波分析教学的一个难点,也是一个较容易忽视的知识点。本文分析了小波包理论,归纳总结了小波包目标函数,以及它们适用的领域,并提出了新的目标函数。本文可以对小波包的教学提供一些新的思路。     

过抽样M通道小波星图去噪方法研究

小波图像去噪已经成为目前图像去噪的主要方法之一,在分析了小波变换的基本理论和小波变换的多尺度分析基础上,根据多尺度小波变换的多分辨特性,提出了过抽样M通道小波变换去噪方法,并将此方法用于星图降噪处理中,收到良好的效果.     

由付里叶分析到小波分析的进展

本文通过对付里叶分析和小波分析的详细比较 ,展示小波分析的特点和优越性 ,有助于深化对小波分析的认识和理解     

基于小波基函数插值的界面裂纹分析方法

利用小波的高分辨率和具有紧支性的特点将小波插值基函数引入到界面裂纹分析 ,针对裂纹面的应力奇异特点 ,采用了不同分辨率的插值方法 ,提出了基于广义变分原理的小波计算格式 ,并通常计算实例对所提方法进行验证     

基于小波变换的LMSV模型对人民币汇率波动的研究

将小波引入到LMSV模型波动长记忆性的估计与检验中,提出了基于小波变换的LMSV模型波动长记忆性的伪极大似然估计法和波动长记忆性的检验方法,并对各汇率波动序列长记忆效应的大小程度进行了验证．结果表明各汇率波动序列存在长记忆效应．人民币对美元的汇率波动序列受历史信息的影响程度最高．     

完全发展的非对称槽道湍流的标度指数研究

以子波变换为分析工具,研究了完全发展的非对称槽道湍流的局部标度指数和整体标度指数．其中整体标度指数通过正交子波和广义自相似定律得到,其结果表明非对称槽道流动呈现出与对称槽道流极为不同的间歇性,随着壁面距离的增大,横向脉动速度与流向脉动速度呈现出不同的间歇性,而且间歇性并非一直减弱．另外,比较分析了几种不同方法得到的局部标度指数,发现连续子波方法计算局部标度指数并不可靠,对于湍流研究中出现的负局部标度指数的情况需要慎重考虑．     

基于小波变换的图像去噪方法的研究

小波变换能有效的去除高斯噪声,中值滤波能有效的去除脉冲噪声,两者结合可以更有效的去除高斯噪声和脉冲噪声的混合噪声.当医学图像去除混合噪声时,先进行中值滤波再进行小波去噪的方法优于先进行小波去噪后再进行中值滤波的方法,且去噪后图像视觉效果较好,而且图像均方误差(M SE)也较小.在图像去噪处理中这种方法具有实际应用价值.     

2D Continuous Wavelet Transform of potential fields due to extended source distributions

We analyse the real Continuous Wavelet Transform 2D (CWT2D) of potential fields for the investigation of potential field singularities. We focus our attention to extended geological sources, in order to verify the reliability of this method with realistic fields. 3D space-scale representation (3D Scalogram) related to synthetic models were generated, showing the Wavelet Transform Modulus Maxima (WTMM) at each scale. The WTMM are related to the shape of the source, so defining some sort of source boundary analysis through the CWT. Wavelets of different order may help to gain resolution and define source features. Selecting a range of scales where the sources behave as if they are approximately isolated, the depth to the source may be estimated basing on the property that the lines joining the modulus maxima of the wavelet coefficients at different scales (WTMML) intersect each other at the edges of the causative body. Therefore, it is possible to manage the information contained in the wavelet transform of fields related to extended sources. In the real case of the anomaly gravity map of the Vesuvius area (Italy), we estimated the depth of the Mesozoic carbonate basement in the Pompei Basin. We showed also how the WTMML information can be integrated to that of another multiscale method, the Depth from Extreme Points (DEXP) transformation, which is also related to the source density distribution of a given region.     

Exploiting statistical properties of wavelet coefficient for face detection and recognition

Wavelet transforms (WT) are widely accepted as an essential tool for image processing and analysis. Image and video compression, image watermarking, content-base image retrieval, face recognition, texture analysis, and image feature extraction are all but few examples. It provides an alternative tool for short time analysis of quasi-stationary signals, such as speech and image signals, in contrast to the traditional short-time Fourier transform. The Discrete Wavelet Transform (DWT) is a special case of the WT, which provides a compact representation of a signal in the time and frequency domain. In particular, wavelet transforms are capable of representing smooth patterns as well anomalies (e.g. edges and sharp corners) in images. We are focusing here on using wavelet transforms statistical properties for facial feature detection, which allows us to extract the image facial feature/edges easily. Wavelet sub-bands segmentation method been developed and used to clean up the non-significant wavelet coefficients in wavelet sub-band (k) based on the (k-1) sub-band. Moreover, erosion which is considered as one of the fundamental operation in morphological image processing, been used to reduce the unwanted edges in certain directions. For face detection, face template profiles been built for both the face and the eyes for different wavelet sub-band levels to achieve better computational performance, these profiles used to match the extracted profiles from the wavelet domain of the input image using the Dynamic Time Warping technique DTW. The DTW smallest distance allows identifying the face and the eyes location. The performance of face features distances and ratio has been also tested for face verification purposes. (© 2008 WILEY-VCH Verlag GmbH & Co. KGaA, Weinheim)