摩擦振动信号谐波小波包特征提取

在销-盘摩擦磨损试验机上进行了船用柴油机缸套-活塞环摩擦配副摩擦磨损试验,应用谐波小波包变换分析了不同磨损状态下的摩擦振动信号.结果表明:谐波小波包变换可提取微弱的摩擦振动特征.当磨损机制为轻微的黏着磨损时,摩擦振动信号的频谱以边频为主,没有明显的固有频率,平均幅值小;当磨损机制以磨粒磨损为主时,摩擦振动信号的频谱出现较大峰值的固有频率,但仍存在大量的边频,平均幅值变大;当磨损机制以疲劳磨损为主时,摩擦振动信号频谱的固有频率更加明显,边频显著减弱,平均幅值最大.因此,谐波小波包变换可实现微弱摩擦振动信号的特征提取.     

On the aliasing error in a class of bidimensional wavelet subspaces

This paper addresses the aliasing error in the setting of a class of bidimensional multiresolution analysis associated with a 2 × 2 dilation matrix of determinant ±2. The explicit expression of the Fourier transform of the aliasing error is established, from which we obtain an optimal L 2 (R 2 )-norm estimation of the aliasing error.     

利用提升小波的蛋白质相互作用特征提取

利用提升小波从蛋白质序列中提取出它们相互作用的频谱特征,经支持向量机训练学习后,用于预测蛋白质间的相互作用.模拟计算结果表明,在阳性数据和阴性数据平衡的前提下,利用提升小波获取的低维蛋白质相互作用特征向量可以得到较高预测精度.进一步阐述了不同物种的蛋白质相互作用网络有着不同特征,为了得到更准确的预测结果,需要利用不同的方法提取蛋白质相互作用的特征.     

Dyadic Bivariate Wavelet Multipliers in L^2（R@2）

The single 2 dilation wavelet multipliers in one-dimensional case and single A-dilation (where A is any expansive matrix with integer entries and |detA| = 2) wavelet multipliers in twodimensional case were completely characterized by Wutam Consortium (1998) and Li Z., et al. (2010). But there exist no results on multivariate wavelet multipliers corresponding to integer expansive dilation matrix with the absolute value of determinant not 2 in L ²(ℝ²). In this paper, we choose $2I_2 = \left( {{*{20}c} 2 & 0 \\ 0 & 2 \\ } \right)$2I_2 = \left( {\begin{array}{*{20}c} 2 & 0 \\ 0 & 2 \\ \end{array} } \right) as the dilation matrix and consider the 2I ₂-dilation multivariate wavelet Φ = {ψ ₁, ψ ₂, ψ ₃}(which is called a dyadic bivariate wavelet) multipliers. Here we call a measurable function family f = {f ₁, f ₂, f ₃} a dyadic bivariate wavelet multiplier if Y₁ = { F ^{- 1} ( f₁ [^(y₁ )] ),F ^{- 1} ( f₂ [^(y₂ )] ),F ^{- 1} ( f₃ [^(y₃ )] ) }\Psi _1 = \left\{ {\mathcal{F}^{ - 1} \left( {f_1 \widehat{\psi _1 }} \right),\mathcal{F}^{ - 1} \left( {f_2 \widehat{\psi _2 }} \right),\mathcal{F}^{ - 1} \left( {f_3 \widehat{\psi _3 }} \right)} \right\} is a dyadic bivariate wavelet for any dyadic bivariate wavelet Φ = {ψ ₁, ψ ₂, ψ ₃}, where [^(f)]\hat f and F ⁻¹ denote the Fourier transform and the inverse transform of function f respectively. We study dyadic bivariate wavelet multipliers, and give some conditions for dyadic bivariate wavelet multipliers. We also give concrete forms of linear phases of dyadic MRA bivariate wavelets.     

基于自适应小波神经网络的第二类Fredholm积分方程数值解法

该文构造了一类三层前馈自适应小波神经网络,将小波分析中平移因子和伸缩因子的拟合设置为输入层到隐层的权值与阈值,采用小波基函数作为隐层激活函数,并根据梯度下降算法自适应地调整参数.应用自适应小波神经网络数值求解第二类Fredholm积分方程,通过数值算例验证了该方法的可行性和有效性.     

基于IGA-小波软阈值的MEMS矢量水听器信号去噪方法

提出了将使用新的遗传策略,将与当前进化迭代和种群平均适应度变化趋势相关的惩罚因子引入到遗传算法的自适应交叉、变异概率中,依据种群适应度集中分散程度自主调节遗传操作顺序的改进的遗传算法,并用此改进的遗传算法自适应获取最佳小波阈值,然后结合小波软阈值去噪方法对信号去噪.仿真实验和实测实验说明提出的基于改进遗传算法的小波软阈值去噪方法具有良好的去噪性能,且具有一定的稳定性.     

小波连通性研究进展

本文介绍了L²(R)中一些特殊小波组成集在L²(R)中的拓扑几何性质——道路连通性,特别综述了近二十年来小波连通问题研究的主要进展并列出了一些悬而未决的问题,并简要说明了高维情形和其他情形的相应结果.     

混合区间多尺度分解的区间时间序列组合预测

鉴于传统预测方法一直基于“点”来衡量时间序列数据,然而现实生活中在给定的时间段内许多变量是有区间限制的,点值预测会损失波动性信息。因此,本文提出了一种基于混合区间多尺度分解的组合预测方法。首先,建立区间离散小波分解方法(IDWT)、区间经验模态分解方法(IEMD)和区间奇异普分析方法(ISSA)。其次,用本文构建的IDWT、IEMD和ISSA对区间时间序列进行多尺度分解,从而得到区间趋势序列和残差序列。然后,用霍尔特指数平滑方法(Holt's)、支持向量回归(SVR)和BP神经网络对区间趋势序列和残差序列进行组合预测得到三种分解方法下的区间时间序列预测值。最后,用BP神经网络对各预测结果进行集成得到区间时间序列最终预测值。同时,为证明模型的有效性进行了AQI空气质量的实证预测分析,结果表明,本文所提出基于混合区间多尺度分解的组合预测方法具有较高的预测精度和良好的适用性。     

基于光谱-空间特征的黄茶多酚含量估算模型

茶多酚是黄茶中的重要成分之一,具有保健和药用功效。准确估测茶多酚含量对茶叶品质鉴定和定量分析具有重要的意义。学者们已经利用电子鼻、电子舌、高光谱和近红外技术开展了茶多酚的估测研究,取得了良好的效果。然而,由于缺乏空间特征,难以满足黄茶内外品质综合判断的要求。随着高光谱成像系统的发展,尽管基于灰度共生矩阵的茶叶成分估测已经被证实取得较好的效果,但在实际应用中仍然存在一些障碍。一方面,分辨率较低时,图像的纹理特征不会有显著差异,并且少数特征无法充分地解译高光谱图像,从而导致模型估测效果较差。另一方面,分辨率较高时,特征的增加会导致模型更复杂。因此,在保留高光谱图像原始信息的前提下,有必要进一步挖掘高光谱图像的潜在特征,尤其是纹理的细节部分。因此,提出了一种融合光谱和空间特征的模型来提高茶多酚估测的准确性。首先,利用连续小波变换提取光谱信息的小波系数;其次,根据不同尺度的小波系数能量优选小波系数特征,分别是第4尺度的959和1 561 nm,第5尺度的1 321,1 520和1 540 nm,以及第6尺度的1 202和1 228 nm;再者,基于小波系数能量之和优选2个特征波长,分别是1 102和1 309 nm;然后,根据特征波长对应的高光谱图像分别提取灰度共生矩阵和小波纹理。最后,分别利用小波系数特征、灰度共生矩阵、小波纹理和他们的组合构建黄茶多酚含量的估测模型。通过对五种黄茶的分析和验证,比较基于不同特征的不同模型估测效果,包括偏最小二乘回归、支持向量回归和随机森林方法。结果表明,融合小波系数特征,共生矩阵和小波纹理的支持向量回归模型效果最佳,校正集的R2为0.933 0,验证集的R2为0.823 8。因此,所提出的模型能有效的提高茶多酚含量的预测精度,为预测茶叶的其他成分提供了技术基础。     

基于小波分析的马铃薯地上生物量估算

地上生物量（AGB）是作物长势评价及产量预测的重要指标,因此快速准确地估算AGB至关重要。由于传统植被指数（VIs）估算多生育期的AGB存在饱和现象,因此,利用VIs结合基于离散小波转换（DWT）的影像小波分解（IWD）技术提取的高频信息和连续小波转换（CWT）技术提取的小波系数,探究VIs,VIs+IWD和VIs+CWT对于AGB的估算能力。首先,基于无人机平台分别获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期的数码影像和成像高光谱影像以及地面实测的AGB数据。其次,利用数码影像通过IWD技术提取3种高频信息和利用高光谱反射率数据通过CWT技术提取小波系数以及构建6种高光谱植被指数。然后,将植被指数、高频信息和小波系数分别与AGB进行相关性分析,并挑选出不同尺度下相关系数绝对值较高的前10波段。最后,以VIs,VIs+IWD和VIs+CWT这3种变量分别使用偏最小二乘回归（PLSR）方法构建AGB估算模型,并对比不同模型估算AGB的效果。结果表明: （1）每个生育期选取的6种植被指数、3种高频信息和10种小波系数与AGB的相关性均达到0.01显著水平,整个生育期相关性均呈现先升高后降低的趋势,其中以小波系数得到的相关性最高、高频信息次之,植被指数最低。（2）对比分析每个生育期的3种估算模型,以VIs+CWT为输入变量的估算效果最好,VIs+IWD的估算效果次之,而VIs的估算效果最差,说明基于小波分析构建的模型适用性较广、稳定性较强。（3）每个生育期分别以3种变量利用PLSR方法构建的AGB估算模型均在块茎增长期达到最高精度（VIs：建模R2=0.70,RMSE=98.88 kg·hm-12,NRMSE=11.63%;VIs+IWD：建模R2=0.78,RMSE=86.45 kg·hm-12,NRMSE=10.17%;VIs+CWT：建模R2=0.85,RMSE=74.25 kg·hm-12,NRMSE=9.27%）。通过VIs分别结合IWD和CWT技术利用PLSR建模方法,可以提高AGB估算精度,为农业指导管理提供可靠参考。