基于小波变换和支持向量机的光谱多组分分析

以符合朗伯—比尔定律的光谱信号为研究对象，在运用小波变换对光谱信号进行去除噪声处理的基础上，建立了基于支持向量机的多组分分析模型，最后采用计算机模拟的方式对该方法进行了举例说明.实例表明，该方法能较好地解决非线性、小样本条件下的多组分分析问题.     

基于递归量化分析与支持向量机的癫痫脑电自动检测方法

癫痫脑电信号的自动检测对癫痫的临床诊断与治疗具有重要意义.基于递归图(recurrence plot)的递归量化分析(recurrence quantification analysis,RQA)重现了非线性时间序列的动力学行为,分析了其递归特性,本文提出了基于RQA的癫痫脑电信号特征提取方法.实验结果表明:直接基于RQA特征的癫痫脑电的检测准确率较高,其中直接基于确定率DET的分类准确率可达到90.25%.本文还把提取的RQA特征值和变化系数、波动指数相结合组成特征向量,输入到SVM分类器,实现癫痫脑电信号的自动检测;实验结果表明:该方法的分类准确率可达到99%.     

基于支持向量机及小波变换的人参红外光谱分析

以吉林名贵中药材人参作为研究的主要对象,详细研究了利用小波变换技术对红外光谱变量的压缩方法和实现过程,以及如何利用人工神经网络(ANN)和支持向量机(SVM)技术建立人参的红外光谱的产地鉴别模型,并详细讨论了ANN模型中相关参数的优化方法以及SVM模型中的核函数及σ值的优化选择。仿真实验表明,建立的ANN模型对40个吉林人参样品产地识别率达到92.5%,而采用径向基核函数的SVM模型的识别率为97.5%,其分类效果明显优于ANN模型。从而表明小样本的情况下,利用SVM结合小波变换技术可以对吉林人参的红外光谱的产地特征进行正确区分,同时为中草药的红外光谱的进一步的分析和研究提供了一定理论依据和技术支持。     

基于支持向量机的舰船图像识别

支持向量机(SVM)是一种基于超平面分类的新的学习方法,具有很强的泛化能力。研究了支持向量机的学习机理,以及实现支持向量机的序贯最小优化算法(SMO),并用来对舰船图像进行识别。首先将待识别目标进行二维小波分解,获取不同尺度下的小波系数,然后对其进行主元分析,得到的主元分量作为支持向量机的特征量输入。实验结果表明,该方法具有良好的分类性能。     

基于AdaBoost算法的癫痫脑电信号识别

AdaBoost算法作为Boosting算法的经典算法之一, 在人脸检测和目标跟踪等领域得到了广泛应用, 但该算法也有一个缺点-退化问题. 为了解决这个问题, 通过对弱分类器进行筛选、引入平滑因子和权值修正函数三个措施对算法进行优化, 并将优化后的算法与小波包分解相结合应用到癫痫脑电信号的识别上. 结果表明, 本文算法对癫痫脑电信号的识别率为96.11%, 对正常脑电信号的识别率为99.51%, 具有较高的识别率, 为癫痫的正确诊断提供了一种可能有效的解决方案.     

基于非线性预测效果的癫痫脑电信号的特征提取方法

在非线性时间序列预测研究的基础上,提出了基于非线性预测效果的癫痫脑电信号特征提取方法,从脑电信号中自动检测出癫痫脑电信号.采用基于可预测性的选取嵌入维数的方法确定脑电信号序列的嵌入维数,进行相空间重构.实验结果表明:基于非线性预测效果的特征提取方法提取的特征能明显地区分癫痫脑电信号与正常脑电信号,该非线性特征提取方法适合小数据量的情况且对噪声的稳定性好.     

基于支持向量机的非线性荧光光谱的识别

提出将支持向量机网络应用于含不同浓度杂质气体的非线性荧光光谱的识别。由于原始光谱数据的光谱通道数目很大,首先用小波变换去噪压缩,然后采用主成分分析方法对光谱信息进行连续两次的特征提取。在保持原光谱数据主要信息基本不变的情况下,将数据维数由3979压缩到514(小波变换)并提取9个主成分。这样,不仅减少了网络的输入维数,而且加快了网络的训练速度。实验结果表明,无论对训练样本还是未学习过的测试样本,其正确识别率均可达到100%。网络的训练和测试速度较快,可以更有效地应用于大气杂质气体的实时监测。     

基于小波包分析及支持向量机的超音速目标识别方法研究

提出了基于小波包分析及支持向量机的超音速目标识别方法 .通过 5 .5 6mm ,7.6 2mm和 12 .7mm三种枪弹试验获取信号 ,用小波包分解激波信号 ,统计每个频带的能量特征 ,用支持向量机方法训练测试样本 ,获得了很好的分类效果 .仿真结果表明基于超音速飞行体产生的激波信号来识别目标是可行的 .     

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。     

基于小波降噪与支持向量机的恒星光谱识别研究

提出了一种对恒星光谱识别的新方法。 根据恒星光谱数据的特性,我们以支持向量机为核心技术构建光谱识别器。 由于恒星光谱数据通常含有较高的噪声,如果直接进行分类,识别率往往较低。 因此作者首先采用小波分析的方法对原始光谱数据进行降噪预处理,提取光谱的特征,然后馈送到支持向量机完成对光谱数据的最终识别。 利用实际光谱数据(Jacoby, 1984)对所提出的技术进行检测,实验结果表明使用这种小波分析结合支持向量机的技术的识别效果要优于使用支持向量机结合主分量分析降维技术的识别方法。 另外,作者还比较了支持向量机与传统甄别分析的分类性能,对实际及合成光谱进行实验的结果显示了支持向量机的识别正确率不但优于常见的5种甄别分析方法的识别率,而且有较强的泛化能力。     

Blind source separation of multichannel electroencephalogram based on wavelet transform and ICA

Combination of the wavelet transform and independent component analysis （ICA） was employed for blind source separation （BSS） of multichannel electroencephalogram （EEG）. After denoising the original signals by discrete wavelet transform, high frequency components of some noises and artifacts were removed from the original signals. The denoised signals were reconstructed again for the purpose of ICA, such that the drawback that ICA cannot distinguish noises from source signals can be overcome effectively. The practical processing results showed that this method is an effective way to BSS of multichannel EEG. The method is actually a combination of wavelet transform with adaptive neural network, so it is also useful for BBS of other complex signals.     

基于小波变换的混沌信号相空间重构研究

应用小波变换和非线性动力学方法研究了混沌信号在相空间中的行为，指出混沌时间序 列的小波变换实质上是在重构的相空间中，混沌吸引子向小波滤波器向量所张的空间中的投 影，与Packard等人提出的相空间重构方法本质上是一致的.实验结果表明，混沌信号经过 小波变换后，吸引子轨迹与原有轨迹具有相似的结构，同时，系统的关联维数、Kolmogorov 熵等非线性不变量仍然得到保留.这些结果表明，利用小波变换研究混沌信号是有效的. 关键词： 小波变换 相空间重构 混沌信号 脑电信号     

小波分析在强流直线感应加速器信号处理中的应用

应用小波变换具有良好的时频局部特性,通过对强流直线感应加速器(LIA)脉冲信号的去噪声、信号突变点检测以及时间间隔测量等处理,表明小波变换在LIA信号处理中有广泛的应用前景;利用小波包分析的每个节点都代表了对应频带的信号特征的特点,对“神龙一号”快脉冲波形数据进行小波包变换,以各频带信号能量为元素构造特征向量,实现了高维波形数据的特征值提取,达到了数据压缩和降维的目的,为进一步实现LIA故障智能诊断、预测维护提供了一种可行的途径。     

瞬态信号的小波变换波达方向估计

针对瞬态信号方位估计问题,提出了基于连续小波变换的多重信号分类测向算法(CWT_MUSIC)。首先由信号特征确定小波尺度参数,构造Morlet小波,对信号进行小波变换,利用获得的小波变换系数建立多分辨时频阵列信号模型,并据此模型设计基于子空间的MUSIC算法以实现瞬态信号的波达方向估计;然后对该算法的多分辨与误差性能进行分析,最后仿真实验和实际爆炸试验验证了所提出的CWT_MUSIC算法能有效地提高空间谱的分辨率和DOA估计性能。     

基于小波变换和数据融合技术的弱小目标检测

鉴于弱小目标检测所固有的难点及常用的单一分辨率下的检测方法还不能准确稳定地检测出目标,提出了一种弱小目标检测新方法。考虑到实际应用中的复杂背景和大量干扰噪声,运用数据融合技术,先对图像进行小波多分辨率分解,然后将不同分辨率下的子图进行最优加权平均融合来检测弱小目标。用实地拍摄的空中弱小目标红外和可见光图像分别进行实验验证,实验图像取256×256像素点阵大小,其中目标占10×10像素左右。结果表明该方法能够准确稳定地检测弱小目标,为后续的跟踪作了很好的铺垫。     

Eigenvalue spectrum analysis for temporal signals of Kerr optical frequency combs based on nonlinear Fourier transform

Based on the nonlinear Schr?dinger equation(NLSE) with damping, detuning, and driving terms describing the evolution of signals in a Kerr microresonator, we apply periodic nonlinear Fourier transform(NFT) to the study of signals during the generation of the Kerr optical frequency combs(OFCs). We find that the signals in different states, including the Turing pattern, the chaos, the single soliton state, and the multi-solitons state, can be distinguished according to different distributions of the eigenvalue spectrum. Specially, the eigenvalue spectrum of the single soliton pulse is composed of a pair of conjugate symmetric discrete eigenvalues and the quasi-continuous eigenvalue spectrum with eye-like structure.Moreover, we have successfully demonstrated that the number of discrete eigenvalue pairs in the eigenvalue spectrum corresponds to the number of solitons formed in a round-trip time inside the Kerr microresonator. This work shows that some characteristics of the time-domain signal can be well reflected in the nonlinear domain.     

提升小波加权自相关函数的基音检测算法*

随着计算机技术的发展,语音信号处理作为人机交互的重要渠道,其在复杂噪声环境下的特征值检测算法直接关系到计算机的运算效率。基音周期是语音特征值提取的重要参数之一。针对传统基音检测算法在噪声环境下检测精度低的问题,提出了一种基于自适应提升小波变换加权线性预测误差自相关函数的基音检测算法。该方法用多级提升小波近似系数加权求和的方法来弥补自相关函数随着时间延迟量的增加幅值衰减的缺陷;用线性预测误差自相关函数的方法来抑制共振峰的干扰,然后将两种方法结合来突出基音周期处的峰值。实验结果表明,与传统的自相关函数法和小波加权法相比,该方法能有效减弱共振峰的影响,突出基音周期处的峰值,提高基音周期检测精度,鲁棒性更好。     

小波变换在HT-7 Tokamak磁流体动力学振荡动态频谱分析中的应用

将Gauss复小波变换方法成功地应用于HT-7Tokamak磁流体动力学振荡动态频谱分析中.研究结果表明,这种方法具有较好的时间分辨率和空间分辨率,比较适用做动态频谱分析.对典型放电数据的分析结果表明, m=1模的振荡频率与等离子体压强梯度有着密切的关系.     

一种基于小波变换的跨带矢量量化

由小波变换产生的子带之间存在着较强的相关性,然而目前的在基于小波变换的图像编码矢量量化中,码矢往往仅由带内系数组成,没有充分利用带间相关性。本文提出一种新的跨带矢量量化算法,码矢由在同级子带中的相应系数组成。在三次小波变换下,第一级子带的码矢维数为４８Ｄ,第二级为１２Ｄ,第三级为３Ｄ。这样形成的码矢既匹配了各级子带的重要性,又利用到了带内和带间相关性,在相同的比特率下,其重构图像的信噪比ＰＳＮＲ比码矢仅由带内系数组成的传统带内ＶＱ高出１～２ｄＢ。