基于小波变换和概率神经网络的焊接接头类型识别

为了实现机器人自动焊接过程中快速、精确地提取焊缝特征信息,提出了一种基于小波变换和概率神经网络的焊接接头类型识别方法。先采用小波变换对由激光视觉传感器采集的焊接接头图像进行降噪和增强,对重构后的图像进行二值化,然后提取图像的特征信息,组成图像特征向量,最后构建概率神经网络分类器并进行测试。结合视觉传感器中激光器与摄像机的位置关系,最终识别出4种焊接接头。实验结果表明,所提出的方法特征提取简单,识别率高,并具有较好的实时性。     

二维CAS小波求解变厚度功能梯度简支梁的弹性静力学问题

利用正交的二维CAS小波方法数值求解了变厚度功能梯度简支梁的二维弹性力学问题,此求解过程相对简单,易于编程,具有可推广性.     

基于小波分析对地面电场信号的去噪及闪电信息提取

基于小波分析方法,通过对7种小波函数在误差控制和阈值方法选取上的对比,参考信噪比及均方误差等计算结果,选取了较为合理的Rigrsure阈值分析方法和sym5小波函数作为地面大气电场信号的去噪处理方法.该方法不仅能够较好地对电场信号波形平滑处理,降低电场波形中噪声信号的叠加度,还可保留闪电引起的电场的快速变化.在此基础上,利用差分计算方法实现了对闪电信号的自动识别,引入了总闪电频数误差及分时段闪电频数与人工分析结果的相关系数等2个参考量来选取差分计算方法中电场差分阈值,通过该方法可以实现闪电频数和极性等有关信息的提取.     

小波分析在证券分析中的应用

传统股市投资分析中的证券分析方法之一———MACD法 ,利用DIF的移动平均值以确定证券的买卖时机 ,存在着时滞性 ,对非平稳的股市信息分析不能及时、较好地刻画股市的基本变化趋势 .作者根据证券投资理论 ,建立了相应的证券投资分析数学模型 ,根据小波分析多尺度分析能力强的特点 ,利用小波分解提取反映股市基本变化趋势的低频信息 ,改进了传统分析方法 ,建立了改进后的数学模型Ⅲ .该模型求解方便 ,同时与实际模型较好地逼近 ,具有时效性 .此外 ,以路桥建设股票 14 0个交易日的DIF和MACD值作为原始数据 ,用Matlab作为工具进行计算 ,求解模型Ⅲ .结果表明 :与传统分析方法相比 ,从模型Ⅲ中能得到更多的买卖点信息 ,而且价差更大 ,效果显著 ,充分显示了小波分析在股市技术分析中的强大生命力     

〈I〉型三角剖分下非张量积连续小波基的构造

多维非张量积小波是近年小波研究领域中的热点问题之一 ,它们与多维张量积小波相比具有更多的优势 .关于高维张量积、非张量积小波 ,目前已有一些很好的工作 (见文[2 ] [3 ] [4 ] ) ,但关于样条小波 ,还有许多问题有待于研究 .本文针对〈I〉型三角剖分下的二维线性元空间 ,讨论其具有紧支集和对称性的半正交样条小波基 .给定 x1 x2 平面上的〈I〉型三角剖分 (图 1 ( a)所示 ) ,记 j=( j1 ,j2 ) ,| j| =j1 + j2 ,πm= { 0≤ |j|≤ mCj1j2 xj11 xj22 ,Cj1,j2 是任意实数 }为次数不超过 m的代数多项式全体 .引入剖分尺度为 1的线性元空间 V0…     

小波变换在金融数据分析中的应用

市场上的数据,从本质上讲都是一种时间序列。它和小波分析中的信号具有相同的特性。因此,完全可以将这些经济时间序列看成信号,应用小波变换进行分析和预测。     

NEW WAVELET BASES FOR NON－HOMOGENEOUS SYMBOLIC SPACE OpS1,1^m AND RELATED KERNEL－DISTRIBUTION SPACES

This paper constructs several classes of new wavelet bases, which are unconditional bases for related operator spaces. Using these bases, the author analyzes non-homogeneous symbolic space OpSm1,1 and two related kernel-distribution spaces, and characterizes them in two wavelet coefficients spaces. Besides, some properties for singular integral operators are studied.     

基于小波的图像隐藏方法在信息安全中的应用

随着信息时代的到来,互联网和多媒体技术迅猛发展,数字多媒体信息在网上传播越来越便捷,同时也带来了信息安全的隐患问题。小波变换具有良好的时频特性且小波的多分辨分析与人眼视觉特性是一致的。在小波域对图像进行分解,可以根据HVS特性更好地隐藏信息,解决信息安全的问题。     

自适应联合小波去噪算法

对于传统小波去噪方法,由于选用了单个的小波基,很难兼顾图像的平滑区域、边缘和纹理部分。而对于多小波基的去噪方法,尽管选择多个具有不同性质的小波基,但已有的文献中只是简单地取其算术平均,没有很好地体现小波基的多样性,造成了丢失细节与过平滑的后果。针对图像的非均匀性以及每个小波基支撑区间的不同,提出了一种自适应联合小波去噪算法,对图像中的不同区域和每个小波基处理的不同结果赋予不同的权系数,这样就充分发挥了每个小波基的作用,取得了满意的实验结果。     

神经网络在电磁场数值问题中的应用

针对目前电磁场数值处理中计算繁杂慢速和耗费资源过多的问题,本文提出了一种基于神经网络小波理论进行计算的新方法。文中着重介绍了利用小波变换神经网络的基本理论,结合电磁场数值计算的基本方法,推导变换进而得到一个通用公式和处理方法。在该方法中,神经网络学习内容少和数据处理简单,因此该方法具有计算速度快,占用资源少的优点,并有用硬件实现的前景。