小波包熵和Fisher判别在近红外光谱法鉴别中药大黄真伪中的应用

利用傅里叶变换近红外光谱仪采集了中药大黄的近红外漫反射光谱,提取光谱的主成分和小波包熵等特征信息,再以特征信息为依据,利用Fisher分类器对中药大黄的真伪进行了鉴别。通过比较得出：采用小波包熵特征信息建模和预测误判率比采用主成分低。用小波包熵进行特征提取和Fisher分类器相结合对中药大黄真伪进行鉴别,其建模集交叉验证的误判率为6.52%,预测集的误判率是2.04%,为中药大黄的近红外快速真伪鉴别提供了参考。     

多类运动想象脑电信号特征提取与分类

针对多类运动想象情况下存在的脑电信号识别正确率比较低的问题,提出了一种将小波包方差,小波包熵和共同空间模式相结合的脑电信号特征提取,输入到支持向量机达到分类目的。首先选择小波包去噪后重要导联的脑电信号,进行小波包分解;然后对通道优化选取的重要导联的每个通道信号计算方差和熵值,对重要导联的每个通道信号的子带系数进行重构后,进行共同空间模式特征提取;最后结合2种不同导联方式所获取的特征向量进行分类。采用BCI2005desc_IIIa中l1b数据,该算法的分类正确率最高达到88.75%,相对2种单一的提取方法分别提高28.27%和6.55%。结果表明该算法能够有效提取特征向量,进而改善多类识别正确率较低的问题。     

小波包变换潜变量回归同时测定钐和钇

采用小波包变换潜变量回归(WPLVR)方法,同时测定了钐和钇。该法结合小波包变换和潜变量回归改进了除噪质量。信号的小波包表述提供了一个局部时频描述, 因此在小波域, 除噪质量可以改善。潜变量是把小波包处理过的信号投影到正交基本征矢量上获得。潜变量可由原始变量的线性组合来表示。使用该法, 人们可从没有选择性的全光谱数据中获得极有选择性的信息。通过最佳化,选择了小波函数及小波包分解水平(L)。编制了两个程序(PWPLVR)和(PFTLVR)执行WPLVR和傅里叶变换潜变量回归(FTLVR)法计算。试验结果表明两种方法都是成功的,且WPLVR法更优于FTLVR法。     

光学小波包变换及其滤波器的研究

基于对光学小波变换必要条件的分析,提出光学小波包变换的概念.选出虹膜图库的联合最优小波包基,利用最优基的线性组合生成相应的复合光学小波包滤波器.将滤波器用于光电混合虹膜识别系统中对待识别输入进行小波包特征提取预处理,模拟结果不仅证明引入该滤波器可明显提升系统的识别效果,也证明了光学小波包变换提出的意义.     

Development of an algorithm for automatic detection and rating of squeak and rattle events

A new algorithm for automatic detection and rating of squeak and rattle (S&R) events was developed. The algorithm utilizes the perceived transient loudness (PTL) that approximates the human perception of a transient noise. At first, instantaneous specific loudness time histories are calculated over 1-24 bark range by applying the analytic wavelet transform and Zwicker loudness transform to the recorded noise. Transient specific loudness time histories are then obtained by removing estimated contributions of the background noise from instantaneous specific loudness time histories. These transient specific loudness time histories are summed to obtain the transient loudness time history. Finally, the PTL time history is obtained by applying Glasberg and Moore temporal integration to the transient loudness time history. Detection of S&R events utilizes the PTL time history obtained by summing only 18-24 barks components to take advantage of high signal-to-noise ratio in the high frequency range. A S&R event is identified when the value of the PTL time history exceeds the detection threshold pre-determined by a jury test. The maximum value of the PTL time history is used for rating of S&R events. Another jury test showed that the method performs much better if the PTL time history obtained by summing all frequency components is used. Therefore, rating of S&R events utilizes this modified PTL time history. Two additional jury tests were conducted to validate the developed detection and rating methods. The algorithm developed in this work will enable automatic detection and rating of S&R events with good accuracy and minimum possibility of false alarm.     

An intelligent approach for engine fault diagnosis based on Hilbert–Huang transform and support vector machine

Based on the techniques of Hilbert–Huang transform (HHT) and support vector machine (SVM), a noise-based intelligent method for engine fault diagnosis (EFD), so-called HHT–SVM model, is developed in this paper. The noises of a sample engine under normal and several fault states are first measured and denoised by using the wavelet packet threshold method to initially lower the noise level with negligible signal distortion. To extract fault features of the engine, then, the HHT is selected and applied to the measured noise signals. A nine-dimensional vector, which consists of seven intrinsic mode functions (IMFs) from the empirical mode decomposition (EMD), maximum value of HHT marginal spectrum and its corresponding frequency component, is specified to represent each engine fault feature. Finally, an optimal SVM model is established and trained for engine failure classification by using the fault feature vectors of the noise signals. Cross-validation results show that the proposed noise-based HHT–SVM method is accurate and effective for engine fault diagnosis. Due to outstanding time–frequency characteristics and pattern recognition capacity of the HHT and SVM, the newly proposed HHT–SVM can be used to deal with both the stationary and nonstationary signals, and even the transient ones. In the view of applications, the HHT–SVM technique may be suggested not only to detect the abnormal states of vehicle engines, but also to be extended to other fields for failure diagnosis in engineering.     

应用化学计量学技术研究同时定量分析重叠光谱

在八种化学计量学除噪技术比较研究的基础上,研制了小波包变换Elman回归神经网络方法(WPERNN)用于研究重叠光谱的同时定量测定。结合小波包变换和Elman回归神经网络改进除噪质量及回归能力。通过最佳化,选择了小波函数、小波包分解水平和Elman回归神经网络(ERNN)的结构及参数。两个程序PWPERNN和PERNN被设计执行WPERNN和ERNN方法计算。七种化学计量学方法用于比较研究。实验结果显示WPERNN方法是成功的且优于其他六种方法。     

基于小波包和偏最小二乘支持向量机的多光谱纹理图像的大米分类研究

提出了一种利用多光谱图像纹理特征进行大米分类的新方法。图像由MS3100-3CCD光谱成像仪获得,光谱成像仪提供3个波段的图像,由近红外(NIR)、红色(R)和绿色(G)组成,因此它能够获取普通数码照相机所不能获取的信息。对3CCD近红外波段图像进行二层小波包分解,得到16个子频带,因为纹理图像的特征信息主要集中在中频,因此提取8个中频频带(带通频带)的熵值,并且作为支持向量机的特征值输入。最后应用支持向量机技术分别对有和没有经过小波包分解的NIR波段纹理图像的熵值进行建模,建模样本和预测模型各为80个,每种各为20个。对四种大米进行处理,结果表明,经过小波包分解的纹理图像的识别率达到了100%,而没有经过小波包分解的纹理图像的识别率只有93.75%,说明结合小波包和支持向量机进行多光谱图像的纹理识别是种非常有效的技术,同时也为大米的分类提供一种快速和无损的新方法。     

用多消失矩最优小波包基改进虹膜识别

采用层叠算法求出尺度函数和小波函数的离散采样序列的逼进，将不具有基函数解析表达式的母小波用于虹膜特征提取，并利于实现连续小波包变换.针对虹膜光学识别应用背景，提出采用基于连续小波包变换的多消失矩联合最优小波包基来改进特征图像相关识别的最优基，并用统计识别方法进行后处理以增强算法适应性，同时提出通过体全息相关系统来实现，以发挥光学高并行性的优势，模拟结果表明可获得比已有方法更高的识别率.     

基于小波变换的分水岭图像分割方法

图像分割技术在数字图像处理中占有重要地位.提出了一种基于小波变换的图像分割方法,有效地将小波分析、小波包分解与数学形态学中的分水岭方法相结合.首先,通过小波包对图像有效降噪,在一定程度上减少了分水岭方法的过分割现象.然后利用小波变换得到的梯度向量进行分水岭变换,有效保持边缘信息.实验结果证明该算法是可行的,与基于形态梯度的分割结果相比,得到了较好的分割效果.     

水中丝爆炸信号的小波包去噪法研究

利用小波包分析法对水中丝爆炸电流波形进行去噪处理，结果表明，小波包分析法不仅能有效地去除严重的干扰信号，而且能有效地保持爆炸丝完全熔化时电流的突变信号，当电容器的初始电压低时，回路电流在爆炸丝完全熔化时出现明显的突变，当初始电压较高时，该突变现象明显减弱。     

Image encryption with fractional wavelet packet method

We introduce a new method called fractional wavelet packet transform to encrypt images in this paper, in which fractional orders and wavelet packet filter are its two series of keys. Fractional orders are additional keys in this method compared to wavelet packet encryptions. Selected image encryption is also proposed in this paper, and it is quite more flexible and effective than wavelet, fractional wavelet or wavelet packet encryptions. The possible optical implementation and digital computation are proposed. Computer simulations prove its feasibility.     

A novel feedback active noise control for broadband chaotic noise and random noise

The feedback active noise control (ANC) can be seen as a predictor, the conventional method based on filtered-x least mean square (FXLMS) algorithm can only be useful for linear and tonal noise, but for nonlinear and broadband noise, it is useless. The feedback ANC using functional link artificial neural networks (FLANN) based on filtered-s least mean square (FSLMS) algorithm can reduce some nonlinear noise such as chaotic noise, but the noise cancellation performance is not very well, at the same time, it is not useful to random noise. To solve the problem above, a new feedback ANC using wavelet packet FXLMS (WPFXLMS) algorithm is proposed in this paper. By decomposing the broadband noise into several band-limited parts which are predictable and each part is controlled independently, the proposed algorithm can not only suppress the chaotic noise, but also mitigate the random noise. Compared with FXLMS and FSLMS algorithms, proposed WPFXLMS algorithm also holds the best performance on noise cancellation. Numerous simulations are conducted to demonstrate the effectiveness of the proposed WPFXLMS algorithm.     

小波包分解及其参数模型

本文在小波包分析的基础之上，实现了适合于一维信号分析的小波分解算法，并将小波包分析理论和参数模型有机地结合了起来，构造了小波包参数模型。     

小波包自适应阈值语音降噪新算法

为了克服低信噪比输入下,语音增强造成语音清音中的弱分量损失,造成重构信号包络失真的问题。论文提出了一种新的语音增强方法。该方法根据语音感知模型,采用不完全小波包分解拟合语音临界频带,并对语音按子带能量进行清浊音区分处理,在阈值计算上,提出了一种清浊音分离,基于子带信号能量的小波包自适应阈值算法。通过仿真实验,客观评测和听音测试表明,该算法在低信噪比输入时较传统算法,能够更加有效地减少重构信号包络失真,在不损伤语音清晰度和自然度的前提下,使输出信噪比明显提高。将该算法与能量谱减法结合,进行二次增强能进一步提高降噪输出的语音质量。     

基于卷积型小波包变换的谱线自动提取方法

天体光谱中的谱线包含重要的天体物理信息。文章提出一种基于卷积型小波包变换的谱线自动提取方法。该方法由以下主要步骤组成：(1)将观测光谱进行4层卷积型小波包变换;(2)对第四层小波包系数,采用区域相关算法以及阈值处理方法进行噪声处理;(3)选择中高频小波包系数进行谱线特征重构;(4)根据重构后的谱线特征,利用谱线搜索方法,在观测光谱中提取谱线。作者在实验中用恒星、正常星系和活动星系光谱进行谱线提取测试,结果表明该方法具有对噪声鲁棒和谱线提取准确等特点。用该方法提取sloan digital sky survey(SDSS)光谱中的谱线后,计算了红移并与SDSS给出的红移进行了对比,实验结果间接验证了该方法提取谱线的有效性。     

基于小波包分析的光谱识别方法研究

光谱信号的自动识别技术是光谱分析技术中的重要组成部分, 是指运用模式识别方法,借助计算机技术,对相同测定条件下的光谱信号进行比较,根据信号之间的相似程度,从而得出两者之间化学组成关系的技术,主要应用于光谱的定性分析,也可用于光谱的验证。文章以符合朗伯-比尔定律的光谱信号为研究对象,简单介绍了光谱识别技术的基本原理和方法,随后为简化识别难度,进行了光谱信号的归一化处理,再在概述小波分析基本原理的基础上,提出了采用小波包分析的技术对光谱信号进行相关特征提取的方法,并根据统计学知识,得出了计算标准特征向量和允许误差向量的公式,然后运用二叉树分级判别的方法,实现了光谱信号的快速识别,最后举例对该方法进行了说明。     

小波包和GA-SVM在轴承故障诊断中的应用

为了解决傅里叶变换难以兼顾信号在时域和频域中的全貌和局部化特征以及支持向量机惩罚参数 和核函数参数 选取的问题,提出了基于小波包和GA-SVM的轴承故障诊断方法。首先通过实验采集多种工况下故障轴承和正常轴承的振动信号,从振动信号中提取能够表征轴承运行状态的时频域特征以及基于小波包分析的特征向量来作为GA-SVM的输入,然后在SVM的基础上,针对SVM的惩罚参数和核函数参数在不同应用场景下的取值难以确定的特性,采用了遗传算法对支持向量机进行参数优化的GA-SVM算法进行模式识别。实验结果显示,基于小波包和GA-SVM的轴承故障诊断方法比SVM和BP都具有更高的识别精度。     

小波包节点分段阈值降噪在水声监听中的应用*

水声目标信号在发送、传播过程中,易受到环境噪声、系统自噪声等影响,因此水声监听过程中目标信号会掺杂大量噪声信息。为提高获取目标信号的准确性和可靠性,降低噪声,在已有小波分析基础上,提出小波包节点相对能量判断最优分解层,最优分解层节点系数分段阈值处理重构方法,实现水声监听信号分频段去噪。将0.1 kHz~8.4 k Hz实验数据按节点频率排序划分为5个强弱不同的频段信号实现消噪提取,结果表明该方法可将噪声信号与目标信号有效分离,与全局单一阈值相比,具有较好降噪能力。该方法打破了小波阈值去噪高频处理的局限性,提高了识别精度,改善了全局单一阈值去噪存在的短板,在鱼类分析识别、舰船监听、深海探测等方面具有一定的推广和应用价值。     

小波包特征提取及方差相似度的人脸识别

小波包变换是小波变换的推广,可视为普通小波函数的线性组合,具有良好的时频局部性和正交性,随着分解层数的增加,小波包分解能够在所有的频率范围聚焦。利用图像小波包变换的系数矩阵,能够构造出不同的人脸特征向量。针对人脸识别过程中的图像匹配问题,采用计算人脸特征向量方差的方法,并通过方差与权值的对应关系,转换出用于相似度计算的权值。基于理论推导得到的权值具有很好的稳定性,由这些权值计算出的方差相似度也具有较强的适应性,能够减弱由图像噪声、变形等干扰带来的影响。实验表明,该方法识别率高、实时性好。