基于小波稀疏的心电信号压缩感知

为降低可穿戴心电监护系统的实时数据量,以方便数据存储、传输,探讨了小波稀疏域下心电信号压缩感知采样和重构过程,以得到小波稀疏域下的心电信号最优压缩感知方法.从压缩率、重构精度和重构耗时角度,分析了心电信号在以Daubechies、Coiflet、Symlet、Biorthogonal、ReverseBior等小波构建的变换矩阵下的稀疏性能,研究了伯努利、循环、高斯、哈达马、托普利兹等观测矩阵的采样性能,完成了不同重构算法的结果分析,提出了基于db4小波滤波稀疏、伯努利观测矩阵采样、GOMP重构的心电信号压缩感知采样方法.基于MIT-BIH数据库的实验结果表明:该方法在心电信号压缩比(CR)达68.75％时,重构均方根差百分比误差(PRD)约为1％,且重构用时短,具有显著的应用优势.     

基于区域特性的压缩感知多聚焦融合算法

传统的基于压缩感知的图像融合算法是对整个系数进行稀疏处理,而小波分解后的低频系数不稀疏,导致压缩重构质量降低,并且传统的融合规则不易简单、全面地提取高频系数的特征值。针对这一问题,分别对小波分解得到的高、低频系数采取不同的融合规则进行处理,提出了一种改进的区域特性高频压缩感知的融合算法。其中,低频系数采用区域方差加权绝对值最大融合;高频系数首先通过具有较好RIP性质的随机观测矩阵进行压缩采样,得到的观测值基于能量匹配度的不同进行相加或加权融合,以融合不同方向的高频子带特征信息,再用正交匹配追踪重构算法对高频部分进行信号重构。最后,低频、高频信息在小波逆变换下重构出融合图像。实验结果表明,与以往的基于压缩感知的融合方法相比,此算法的融合图像更清晰,新算法无论是在主观评价还是客观评价指标上都有利于图像信号重构,并具有较好的使用性。     

基于小波变换的电压暂降实时检测方法

电压暂降是最严重的电能质量问题之一,准确、快速地检测电压暂降特征值是实现电压暂降有效补偿的前提。提出了一种基于离散小波变换的电压暂降实时检测方法。该方法从电压过零点开始对电压信号进行1/4个工频周期的采样,对采样信号作预处理,进行离散小波变换获取高频系数向量,并重构高频系数向量得到与采样信号等长的高频系数向量d1,通过d1的模极大值及其极值出现对应的时刻,确定电压暂降幅值及起始时刻。该方法原理简单,易于实现,暂降时延不大于2.5 ms,满足动态电压恢复器对暂降检测实时性的要求。     

具有误差修正的线矢量数据小波变换

由于已有的基于小波的线矢量数据多尺度表示算法中未考虑数据的非均匀采样特性,也未给出有效的误差控制方法,因此经过多级小波分解后,可能导致局部区域形变过大.针对以上问题,提出一种具有误差修正的线矢量数据小波变换算法.首先对数据进行高频分量的小波分解,以高频系数作为判断依据,寻找出低频表示误差过大的位置;在这些位置利用插值对数据增加采样;最后对处理后的数据进行低频分量的小波分解.实验结果表明,该算法能很好地解决线矢量数据小波多尺度表示中局部误差过大的问题.     

无下采样轮廓小波在图像融合中的应用

在无下采样Contourlet变换和小波变换的基础上,针对低、高频系数的特点,提出一种新的基于无下采样轮廓小波变换的图像融合算法。该算法对无下采样轮廓小波分解后的低频部分采用了选择与加权平均的融合规则进行融合,而对各层高频系数采用局部区域加权平均融合规则进行融合。实验结果表明,该方法在包含信息量、清晰度上都有明显的提高。     

基于小波分析的交通数据自适应消噪算法研究

针对实际采样环境中存在的各种干扰,以及交通数据的非平稳特性,在交通数据小波变换特性分析的基础上,提出基于小波分析的交通数据自适应消噪算法:对交通数据进行小波分解,然后对高频系数的自相关函数进行白噪声检验,从而确定小波分解的层数和阈值。采用实际检测交通流数据,对算法的有效性进行了验证分析。     

一类基于小波框架的采样子空间

采样定理是现代信息理论与技术的基本工具,具有采样性质的信号具有比较完美的信息重构形式.Walter 和 Zhou 将古典信号的采样定理发展到小波子空间.发展了基于小波框架的数字信号的采样定理与方法.提出并回答了信息理论中的一个基本问题:一个能量有限的数字信号,是否具有采样定理的形式.以小波框架为工具给出了具有采样性质的数字信号的刻画;对于一个给定的采样子空间,给出了该子空间的信号的表示形式;特别是给出了一大类新的具有采样性质的数字信号空间.应用实例表明,从理论和实践上对于数据信息的采样和重构是有意义的,是对以往相关结果的有效改进.     

基于小波分析的DEM数据多分辨率表达研究

在研究三维地形的数字模型中,针对现有DEM数据的多分辨率模型构建中存在的问题,为提高精度,减少失真,结合DEM数据的特点,提出了一种简化的基于小波的DEM数据多分辨率表达算法,通过改变多分辨率分解时高频信号的获取方式,使得DEM数据的多分辨率重构可以以一种相对简单的方式进行,从而使得多分辨率模型的重构效率得到了较大的提高。分析了由于分块小波变换而带来的边界失真问题,并根据滤波器系数的长度不同,提出了相应的解决方法,经试验证明重构效果有较大的提升。     

基于区域的非下采样形态小波医学图像融合算法

提出了基于区域的非下采样形态小波医学图像融合算法。该算法首先将待融合的图像进行非下采样形态Haar小波分解成高频子带和低频子带,对低频子带图像直接按绝对值最大的规则进行融合,对各高频子带图像则先进行区域分割,对分割的区域根据其活跃度指数进行匹配,再对相匹配的区域按能量最大规则进行融合;最后根据融合后的低频子带及高频子带进行融合图像重构。实验结果表明,该算法在保持移不变形态小波融合方法优点的基础上,增强了融合图像的细节及亮度信息,同时有效地克服了对噪声和非精确配准敏感等缺点。     

基于反对称双正交小波重构的图像增强方法

详细给出了基于反对称双正交小波重构的多尺度边缘检测方法的相关理论基础, 即推导了反对称双正交小波变换所具有的卷积运算性质; 分析了反对称双正交小波变换的微分算子功能; 提出了一种针对图像多尺度边缘提 取的小波重构算法. 在此基础上, 提出了基于反对称双正交小波重构的图像锐化增强方法. 首先对图像进行多尺度小波分解; 然后在小波重构中, 计算模值图和相角图, 提取各尺度边缘图像, 并根据边缘图像, 增强半重构图像的对应边缘点; 最后继续逐级重构,实现图像增强. 该方法在小波塔式分解数据的重构过程中有针对性地实现对图像边缘的锐化增强, 对图像增强和图像滤噪增强提供了一种新的解决问题的思路. 实验结果验证了 该方法的有效性.     

多采样频率的配网接地故障检测与定位

现有文献的故障监测与定位小波算法都是在录波采样频率相同的前提下进行的,配电网小电流接地故障实时检测,与变电站接地故障检测的环境完全不同：配网故障监测装置,采用不同标准采样频率(3600Hz、4800Hz)上送实时故障录波数据到配网中心,更有采用4096Hz的采样频率上送故障录波数据,在配网中心需要把不同采样频率的录波数据进行分析计算,提取故障特征、检测故障,确定故障首尾端,实现故障检测与定位。本文给出了小波能量特征的定义、不同采样频率能量特征的折算、基于能量特征的配电网接地故障监测与定位算法。多种采样频率下配网接地故障检测与定位,通过小波变换提取故障能量特征、将不同采样频率故障录波信号,折算到最低采样频率下的能量特征,然后根据能量特征来判别故障类型、确定故障首尾端。多采样频率的小波能量特征折算算法,对于类似的小波变换的使用场合,也有借鉴意义。     

基于Morlet小波的信号滤波方法及在频率响应测试中的应用

实现了一种新的有效的基于Morlet小波函数的时频滤波去噪方法。该方法基于Morlet小波建立恰当的小波滤波器组，在时、频域对信号进行滤波，对于扫频激励情况下信号噪声的去除十分有效。为了检验该方法的有效性、实用性，采用欧洲航空界广泛采用的GARTEUR飞机模型数据建立密频模态系统，进行数值仿真。仿真结果证明，该方法在信号去噪方面有很大的实用价值，在信号受很大干扰时，还能很好地保证具有密集模态的振动系统参数辩识的精度。     

基于参量模型估计的周期信号等效采样方法研究

针对现有的常规的等效时间采样方法必须具备准确的模拟触发电路,必须具备精确的定时电路或时长检测电路,并且波形重建时间长甚至不能完全重建的问题,提出一种基于参量模型估计的周期信号等效时间采样方法.该方法采用三个两两互质频率进行三轮采样,从三轮采样数据估计出被测周期信号的基频和其它参数,从而重构出被测周期信号波形.实验证明,该方法在信噪比较高时重构出被测周期信号波形的正确概率很高,重构误差很小.该方法已被成功运用到数字存储示波器的高速数据采集系统中.     

航空电缆故障检测设备的ADC增频方法

航空电缆用于连接电源设备和其他系统设备,以传输电能和信号,其性能直接影响飞机的运行安全,因此必须对航空电缆的故障进行严格的检测和排除.时域反射技术(Time Domain Reflectometry,TDR)是目前最为成熟的电缆故障检测方法,该技术根据反射脉冲与发射脉冲的时间间隔和相位关系来判断故障位置和类型.基于TDR技术的电缆故障检测设备通常使用ADC(Analog-to-Digital Converter)模块对检测信号进行采样,采样频率在很大程度上决定了故障检测精度.目前主要通过使用高精度的ADC采样模块或构建延时线来获得更高的采样精度,但是存在增加系统成本和复杂度的问题.针对上述问题,设计了一种ADC等效采样法,该方法通过对参考时钟延时得到延时时钟,依次以各延时时钟作为采样时钟对检测脉冲进行采样,采样结束后,依照采样顺序对采样数据进行排序并重构检测波形,从而在使用频率较低的ADC采样模块的情况下,获得更高的采样精度,极大地提高了基于TDR技术的电缆故障检测方法的精度.     

基于时域特征提取的围栏入侵模式分类方法

基于无线传感网的防入侵应用领域中行为分类问题,提出一种基于时域特征提取的电子围栏入侵检测及异常入侵模式识别系统。由于频域处理方法计算量大、复杂度高、传感器采样率高,为减轻系统的传输负担并减少时延,首先对原始信号预处理提取时域特征,然后通过一个三层的BP神经网络对目标事件进行分类,最后对比了多种典型的分类器方法的准确率。仿真结果表明：相比于频域处理方法,该方法复杂度低、易于实现,多种分类器准确率达86%以上,其中BP神经网络测试集的准确率能够达到94%,并且训练集和测试集的准确率偏差较小。     

基于DSP的声信号降噪系统的设计与实现

基于DSP TMS320VC5502和音频采样芯片TLV320AIC23构建了声信号降噪系统,分析了该系统的总体结构设计和软件处理流程设计.在DSP/BIOS控制机制下,建立了基于DMA、双缓冲区切换和中断响应机制等技术的音频信号采集与处理的程序框架.提出了一种基于多分辨分析的小波频带阈值降噪方法,并应用TDS5502EVM板和TDS560仿真器对优化的小波阈值降噪算法进行了实时仿真,实现了对强噪声语音信号的分析与降噪处理,并通过一个实例信号验证了系统的良好性能.     

基于LVQ神经网络的飞行作动器故障诊断

为了对飞行作动器的故障进行有效辨识,使飞行员能够在更短时间内对故障进行处理,提出了基于自组织映射神经网络的学习向量量化算法;使用此方法在大步长采样下对飞行作动器的卡死和损伤故障进行训练和辨识,并尝试运用小波包技术分解小步长采样数据,结合自组织映射网络对分解后的数据进行分析;检验结果表明,大步长采样下,检测和分类效果令人满意,且具有良好的网络的泛化能力,而在小步长采样下,自组织映射网络不能有效区分故障类型,识别失败。     

基于小波变换和数据融合技术的图像降噪方法

提出了一种基于小波变换和数据融合技术的图像降噪的方法．此方法对同一原始图像信号不同噪声的多源图像分别进行小波分解，在图像分解的高频域内，对小波系数进行阈值处理后，再进行数据融合处理，根据“多数原则”选择重要小波系数．在低频域内，新的逼近系数则通过对多幅图像的逼近系数直接进行加权平均得到．然后利用重要小波系数和逼近系数进行小波反变换，即可得到融合后的图像．实验结果表明：此方法既可以有效地降低噪声，又可以较好地保持图像细节．     

基于db4提升小波的暂态电能质量的检测

暂态扰动是影响电能质量的重要因素之一,对电力用户和电力系统都会产生危害。针对暂态扰动信号具有非平稳性、突变性的特点,分析了db4提升小波变换的特性,提出了更新—预测—更新—预测—更新的结构,选择了合适的采样频率和分解层数,对暂态电能质量扰动信号进行检测与定位。在MATLAB仿真环境下,利用db4提升小波变换对电压暂降、暂升、中断以及暂态脉冲、振荡等几种暂态电能质量扰动信号进行检测与定位,仿真结果表明,该方法可以实现对扰动信号起止时刻更为准确的检测与定位,且计算速度快。     

调频广播发射机监测系统中的数据采集

本文介绍调频广播发射机自动监测系统中数据采集部分的设计思想。采用了一种等效时间采样方法,以提高系统对较高频率信号的处理能力,为了减小测算误差,在采样过程中,对采样值及采样周期进行了校正。