小波变换在奇变信号检测中的应用

根据小波变换的基本概念和理论,给出了实现小波分解与重构的塔式快速算法．基于小波变换用于奇变信号的检测原理,对奇变信号的小波时频分析技术进行了深入的研究．并通过一个工程实例,说明了小波变换在奇变信号检测中具有广阔的应用前景.     

Curvelet变换结合(2D)~2PCA的人脸识别算法

作为一种新的多尺度多方向性的信号分析工具,Curvelet变换不但具有小波变换多尺度和多分辨率的特点,还具有很强的方向性,对包含大量面部轮廓和五官曲线信息的人脸图像能实现最优的稀疏表示。本文提出并实现了一种基于Curvelet变换结合双向二维主成分分析((2D)~2PCA)的人脸识别算法,以Yale人脸数据库进行人脸识别实验,结果表明,该算法相对于传统基于小波变换的人脸识别算法,能有效提高识别率,缩短识别时间。     

一种改进的探地雷达回波信号的奇异性检测

利用相邻道信号具有相似性的特征，对探地雷达回波信号，采用地震勘探奇异性检测的方法，运用二进小波变换的模极大值，提出了一种改进的、基于相关道奇异性检测的算法并予以实现．分别使用原小波变换奇异性检测算法和相关道奇异性检测算法，对一组探地雷达正演分层回波数据进行处理．处理结果表明，改进的方法较原方法能够更准确地检测出探地雷达回波信号的奇异点，能更好地去除噪声和其他因素对信号的干扰以及发现地下异常．改进算法对奇异性检测具有显著的优越性，为目标识别和图像重构等后继处理提供了有力的支持．     

基于多分辨率分解的音频水印算法

根据小波变换的时频分析特性和多分辨率的分析特性,提出了一种基于小波变换的数字水印嵌入与检测算法.用这种算法嵌入水印有很强的隐蔽性,对原始音频信号的影响基本上察觉不出来.仿真实验证明使用这种算法能够正确地检测出水印的存在,可以抵抗噪声干扰、去噪处理、滤波处理和信号的重采样等.     

基于混沌细胞自动机的DWT域数字音频水印算法

主要提出了基于混沌细胞自动机的小波域数字音频水印算法.首先由Logistic混沌序列模型产生序列,其次产生的序列通过细胞自动机产生要嵌入的数字水印.同时将原始音频信号通过小波表变换,提取出其低频系数,并将水印信号嵌入其中.实验证明:由混沌细胞自动机产生的数字水印具有很好的掩蔽性和鲁棒性,在各种攻击下(包括白噪声、低通滤波、重量化、有色噪声等)仍然能够很好的检测出来.     

一种基于FCM的噪声图像分割算法研究

针对噪声污染的图像进行有效分割困难问题,提出了一种基于模糊C均值的噪声图像分割方法.该方法首先应用离散小波变换(DWT)将图像进行分解获取不同尺度的小波系数;然后利用粒子群(PSO)算法自适应搜索最优的阈值对小波系数进行处理,将处理好的系数利用小波重构得到重构图像;最后利用模糊C均值聚类完成图像分割.该算法在Berkeley数据集上进行实验,结果表明与其他算法相比,该算法具有更好的性能.     

基于EEMD能量矩和改进量子粒子群神经网络的滚动轴承故障诊断

针对滚动轴承故障振动信号的非线性和周期性冲击特征, 提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)能量矩和改进量子粒子群神经网络的特征提取方法. 基于小波去噪对滚动轴承原始信号进行预处理, 对重构的故障信号进行EEMD并得到多个本征模态函数分量. 利用能量矩方法计算出所需分量的能量矩并归一化, 将归一化后的能量特征参数作为量子粒子群BP神经网络的参数输入, 根据加速度传感器信号实现滚动轴承故障诊断. 分别在不同转速(载荷)下采集驱动端轴承的振动信号, 获取200个训练样本和80个测试样本, 并建立故障诊断模型. 基于文中模型对实际滚动轴承数据进行诊断, 实验结果表明, 不同转速(载荷)下测试的80个样本故障诊断准确率达到100%.     

雷达数据的准无损压缩

利用不同周期雷达信号之间的相关性，采用二维小波变换，融合信号去噪和数据压缩算法，实现雷达数据的准无损压缩．针对雷达数据噪声较多的特点，在压缩之前通过软阈值滤波去除雷达信号中的大部分噪声，大大降低数据熵值．为评价重建信号质量，设计了形态逼真度指标．实验结果表明，该方法能对航空探测雷达回波数据进行较大比率压缩，     

多特征融合结合机器学习算法快速筛查葡萄膜炎

为了利用机器学习算法快速筛查出葡萄膜炎,本文分别选取了健康人和葡萄膜炎患者的眼底OCT(Optical Coherence Tomography,OCT)图像,提取图像的形态特征、灰度差分统计特征、灰度梯度共生矩阵和小波变换等多种特征,将特征串行融合;随后用Lasso算法特征提取,用多种机器学习算法进行分类研究.结果显...     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

一种带神经网络的手写体数字识别系统

手写体数字识别是模式识别的重要问题,反向传播模型(Back—Propagation)是一种性能较好的人工神经网络模型。本文采用与联想相结合的BP模型,对BP模型加以改进,并引入选举判决算法,既节省了训练时间,又提高了系统性能和识别率,并在ST—286H上用Turbo C2.0初步建立起一个带神经网     

基于小波变换网络的自监督单目深度与位姿估计

基于小波变换与运动恢复结构的自监督学习范式,将二维离散小波变换嵌入神经网络并实现梯度传播,提出了一种新的单目深度与位姿估计算法。传统的神经网络在降采样过程中会造成信息丢失,且丢失的信息在后续阶段无法复原,对于深度估计任务,结构信息的丢失会降低模型性能。本文使用二维离散小波变换层替代传统的降采样操作,更好地保留图像中的结构细节并避免噪声累积。在上采样解码深度图的阶段,采用小波逆变换层取代传统的插值上采样方法,更有效地恢复图像信息,得到更精确的深度图。提出的算法相比传统的神经网络对噪声更有鲁棒性。在KITTI数据集上进行实验,证明了所提出的算法在自监督单目深度与位姿估计任务中有优异的性能表现。     

小波分析在穿墙雷达回波奇异性检测的应用

针对超宽带穿墙雷达系统中准确获取穿墙雷达天线和人体目标距离的问题,基于小波分析方法检测了信号的瞬态特征,而穿墙雷达回波信号中不规则的突变和奇异点正好包含了人体运动目标信息,且突变点总有其对应的小波变换模极大值,本文提出一种基于小波模极大值的目标探测算法.通过具体的穿透混凝土砖块墙壁实测实验验证了该算法的有效性,为实现对人体目标的隔墙探测、定位和跟踪提供了保证.     

数字音频双重水印算法

提出了一种同时嵌入鲁棒水印和易损水印的算法．利用离散小波变换的多分辨率特性以及离散余弦变换的解相关和能量压缩能力,在中低频区嵌入鲁棒水印;在小波域的高频区嵌入易损水印．水印的嵌入采用量化的方法,提取水印信号时不需要原始音频信号．实验结果表明,文中算法的水印鲁棒性高,适于音频作品的版权保护;而文中的易损水印对音频攻击具有很强的敏感性,可同时认证音频作品的内容完整性、     

基于多分辨率奇异谱熵和支持向量机的轴系故障诊断及其应用

运用Mallat小波算法将被测信号分解为不同频带,并进行信号重构,然后利用奇异值分解,提取不同尺度下的信号奇异谱熵作为特征向量．以特征向量为基础,运用多类支持向量机识别故障类型．以渔船轴系故障诊断为例,设计了轴系故障模拟实验台,研究表明：该方法能有效地进行特征提取和故障分类．     

多氯咔唑化合物热力学性质的神经网络预测

采用取代基片段值P和原子类型电拓扑状态指数Em有效表征了135个多氯咔唑化合物(PCCZs)的分子结构,通过选择变量与神经网络(BP)算法建立定量相关(QSPR)模型,以预测多氯咔唑化合物热力学性质.将选择的P,Em结构参数作为神经网络的输入层变量,热力学性质作为输出层变量,方程均采用5∶13∶1的网络结构,利用BP算法获得了3个令人满意的QSPR模型,它们的总相关系数分别为0.998 6,0.991 1和0.979 5,标准误差分别为2.123,3.237和3.952,利用这3个神经网络模型计算得到的预测值与文献值的相对平均误差分别为0.30%,1.85%和1.14%,表明模型具有良好的稳定性和预测能力.该神经网络模型所得结果优于多元回归方法所得结果,可用于对多氯咔唑化合物性质进行理论分析和预测.     

基于小波变换的局部化数字水印算法

为了解决许多水印算法不能抵抗任意剪裁的缺点，提出了局部化数字水印算法．通过二维Mexican Hat小波变换提取图像中的多个特征点，在以特征点为中心的局部化区域中分别进行小波变换，并通过对小波系数进行单系数量化来实现水印信息的嵌入，同时水印的提取不需要原始图像的参与．实验结果表明，在剪裁后待检测图像中至少包含一个嵌入水印区域的前提下，该算法对JPEG、JPEG2000压缩和任意剪裁具有很强的抵抗能力．     

并行Adaboost-BP算法及其在海量图像分类中的应用

为解决基于单节点架构的传统分类算法存在的时间效率差、分类准确率低等问题,提出了一种基于并行Adaboost-BP神经网络的海量图像分类方法.将BP神经网络作为弱分类器,由Adaboost算法组合15个BP神经网络的输出,构建了强分类器;充分利用了Hadoop平台下Map Reduce并行编程模型,提出了海量图像的自动分类模型,设计了并行Adaboost-BP神经网络算法的Map和Reduce任务.多组实验表明,相对于传统的AdaboostBP神经网络算法,提出的算法在Pascal VOC2007数据集和Caltech256数据集上的平均分类准确率分别提高了14.5%和26.0%,而且算法运行耗时少,系统加速比随集群节点个数增加而增加,在图像规模增加到20 000时,加速比几乎呈线性增长趋势.实验结果充分证明,提出的方法适合海量图像的自动分类和预测.     

基于小波变换与梯形窗FFT的多谱线插值谐波检测算法

针对现有谐波检测算法无法检测出高次非稳态谐波与间谐波,且在非同步采样时容易出现频谱泄露的问题,提出一种基于小波变换与梯形窗FFT的多谱线插值谐波检测算法.首先对原始信号进行MALLAT分解,提取出高次非稳态分量与低频谐波,然后对低频分量进行梯形窗FFT的复调制细化法处理,最后通过六谱线差值法推导出谐波参数修正公式,结合MALLAT重构图获取谐波的时域信息.仿真结果表明,该算法能够在负载电流高度畸变的情况下检测出高频分量与间谐波,具有较高的检测精度.     

基于ABC-RNN算法的机器嗅觉系统

为了解决对短采集时间水果产地进行快速识别的问题,提出一种基于人工蜂群算法优化的循环神经网络(ABCRNN)。该算法利用人工蜂群(ABC)算法对循环神经网络(RNN)的初始权重和偏置进行全局最优搜索,同时RNN以时序信号作为输入信号,降低了网络的复杂度。实验结果表明,ABC-RNN算法具有更快的训练速率和更高的精度,在甜橙和猕猴桃两种水果的产地分类问题上取得了很好的分类结果。