宽带信号匹配滤波的GPU实现及性能优化

从宽带相关的角度推导了基于小波变换的匹配滤波算法及基于快速傅里叶变换(FFT)算法,并分析了算法复杂度,提出了基于图形处理器(GPU)的可配置宽带匹配滤波的软件实现和理论预测与函数实测结合的优化方法.通过优化线程块的维度、绑定纹理寄存器来改进内核函数性能,再使用计算统一设备架构(CUDA)库来降低FFT与极值搜索的时延,并进行了性能优化设计.在性能测试中,文中方法在GPU平台的实现相比8核CPU平台的实现具有3.3倍加速比,其处理时延能够满足宽带匹配滤波的实时性需求.     

一种基于新型阈值函数小波去噪方法

传统小波阈值去噪方法中,软阈值法连续性好,但保真效果差,而硬阈值法可保留更多信息,但是在分界点处会产生振荡,即伪Gibbs现象。为了提高信号的保真效果,减少振荡现象,提出了一种新的阈值函数,该函数阈值介于软阈值与硬阈值之间,且是连续函数。方法既减小了软阈值固定偏差带来的失真,又消除了伪Gibbs现象。仿真结果表明,新方法的信噪比与均方误差均优于传统的阈值去噪方法。     

声发射信号小波阈值消噪方法研究

声发射信号在采集、转换和传输过程中,由于受到设备、环境及传输信道的影响,不可避免地受到噪声干扰。因此,如何去除信号中的噪声,得到感兴趣的信息成为信号处理中一项关键技术。对声发射信号的小波变换阈值消噪方法进行了研究。首先分别对原始信号进行三重db3和sym8小波分解,然后对分解后的各层系数采用硬软阈值方法进行截断处理,最后利用阈值处理后的小波系数完成信号小波重构。通过试验数据分析比较发现,采用sym8小波基的软阈值消噪方法显著提高了声发射信号的局部弱特征保持能力。     

焉耆县1951—2010年分季节降水序列变化的小波分析

基于Meyer连续小波变换,分析了焉耆县60 a来降水的季节变化和年际变化,揭示了焉耆县降水变化的多时间尺度的复杂结构,研究了不同时间尺度下降水序列变化的周期(并确定了各序列中存在的主要周期)和突变点。结果表明,焉耆县年降水和各季节降水均呈现明显的周期特征,并存在两个时间尺度的多少交替:10~12 a和4~8 a,表现出明显的周期特征。     

磨合磨损过程中摩擦振动变化规律研究

为了研究磨合磨损过程中摩擦振动的变化规律,实现通过摩擦振动识别摩擦副的磨合磨损状态,在CFT-Ⅰ摩擦磨损试验机上进行了船用柴油机缸套-活塞环的磨合磨损试验。应用谐波小波包变换和奇异值分解的方法提取振动信号的特征,通过定义的参数K研究了摩擦振动的变化规律。结果表明:参数K与摩擦副磨损表面的状态变化相关,随着磨合磨损的进行,参数K由大变小,并逐渐趋于稳定,与摩擦系数有一致的变化规律。因此,摩擦振动可用来描述摩擦副的磨合磨损过程,识别磨损状态的变化。     

基于鲁棒主成分分析的图像放大算法

给出一种采用鲁棒主成分分析去噪的图像超分辨率算法。对高分辨率训练图像进行Haar小波变换,使用鲁棒主成分分析法得到去噪后的近似子带字典和细节子带字典;将低分辨率测试图像的近似子带作为相应高分辨率测试图像的近似子带,通过细节子带字典恢复出高分辨率测试图像细节子带;通过逆Haar小波变换得到高分辨率测试图像,利用多级增强进一步提高图像的质量。实验结果显示,用所给方法得到的字典对噪声有鲁棒性,且高分辨率重建图像峰值信噪比较高。     

基于小波变换的新阈值函数语音去噪方法

针对硬阈值函数不连续性、软阈值函数中存在恒定偏差的问题,基于2种改进的阈值函数,构造了一种新阈值函数,提出了一种基于小波变换的新阈值函数语音去噪方法。分别用硬阈值处理方法、软阈值处理方法及新阈值处理方法对系统信号和纯净语音信号进行去噪仿真实验。实验结果表明,新阈值去噪方法能减小信号失真,使重构信号逼近原始信号,达到了良好的去噪效果,比传统方法更具优越性和有效性。     

近58 a南岳高山站气候变化特征分析

采用1953—2010年南岳高山站逐日气象资料,运用线性回归、突变分析和小波分析方法,对该站平均风速、气温和降水的气候变化特征进行了分析,并对与平均风速变化密切相关的气温和降水进行了年际变化特征比较.结果表明:1)年和四季平均风速均呈明显减小趋势,在20世纪90年代前后风速有由大到小的突变,年平均风速存在显著的准2 a和准4 a周期;2)年平均气温、最低气温、最高气温均呈明显升高趋势,气温存在显著的准2 a和准4 a周期,且于20世纪90年代中期前后气温有由偏低向偏高的突变;3)年降水量呈下降趋势,存在显著的准2 a和准3 a周期;4)风速与平均气温、最高气温和最低气温呈负相关关系,均通过0.01显著性检验,风速与降水的相关性没有通过显著性检验,但风速与降水的变化趋势在20世纪60年代中后期、70年代中期到21世纪初有较好的反相位变化.     

基于双树复小波包和AR谱的滚动轴承复合故障诊断方法

针对滚动轴承复合故障信号中故障特征难以分离的问题,提出了基于双树复小波包和自回归(autoregressive,AR)谱的故障诊断方法.首先,利用双树复小波包变换将复杂的、非平稳的复合故障振动信号分解为若干个不同频带的分量;然后,对包含故障特征的分量进行希尔伯特包络;最后,对包络信号求其AR功率谱,由此实现对复合故障特征信息的分离和故障识别.实验结果表明:该方法可有效地分离轴承复合故障的特征频率,验证了该方法的可行性和有效性.     

基于D-Markov模型的金融波动模式识别

将小波变换与符号时间序列分析相结合,引入工程领域的D-Markov模型,提出了一种用于金融波动变化模式识别和异常检测的方法。波动序列经过离散小波变换,产生小波系数序列,将小波系数序列符号化产生符号时间序列,建立符号时间序列的D-Markov模型,并求状态转移概率矩阵,计算各状态转移概率矩阵的状态概率向量与标准状态转移概率矩阵的状态概率向量之间的欧拉距离,从而得到异常度。基于得到的异常度识别金融波动变化模式,检测异常波动的发生。以上证综指的5分钟序列为样本实证分析,对该方法的可行性和有效性进行了验证。