小波变换在微机继电保护中的仿真研究

根据小波分析的基本理论 ,结合系统发生故障短路时故障相电流的波形特征 ,介绍了利用小波分解、重构后的高频分量突变点来检测是否发生故障。通过仿真分析表明 :该方法是有效的 ,并给出了基于文献 [1]算法的微机保护电路构成示意图。最后 ,分析了故障信号的消噪方法     

基于卷积型小波包变换的信号消噪算法

提出了卷积型小波包变换，与传统小波包变换相比。在这种小波包变换中不管信号被分解多少层，每层分解得到的各频道序列长度始终与原始信号一致，利用这一性质本文进一步提出并实现了对小波包分解结果利用模极大值法进行消噪的算法。这一算法的思想来自于基于小波变换的模极大值消噪算法，但是由于小波包分解是对小波分解的结果作进一步细分，在小波分解中难于分离的高频噪声将被小波包充分分离与集中到后面的频道，因此基于小波包变换的模极大值消噪算法将会取得比小波消噪更好的效果。文中给出了信号的小波包消噪实例，并与小波消噪的效果进行了对比，结果表明小波包有更优良的消噪效果。     

基于小波网络和证据理论的多源信息融合系统研究

在多源信息融合中，不确定、不完整和冗余现象普遍存在。为了解决这个复杂问题，本文首先利用相空间重构理论对输入的信息在相空间中进行重构，以充分提取相关信息。然后在重构相空间上，利用模糊理论、小波网络和遗传算法对上述重构信息进行了时间域信息融合。最后，利用D—S证据理论将时间域融合结果进行了空间域信息融合，并根据决策规则进行了决策。结果表明．据此形成的分布式多源信息融合系统具有良好的目标探测能力、抗干扰能力和容错能力。     

基于神经网络和小波分解的目标信号检测方法研究

将小波分解和神经网络相结合，应用于高海况、低信噪比条件下水中目标信号的特征提取中。文中首先对信号进行多尺度小波分解，利用目标信号功率主要集中在低频部分的特点，提取在不同频率带内信号的能量作为特征，然后利用人工神经网络对目标信号进行检测。在此基础上，通过不同浪级情况下海洋水压力场的仿真信号数据，对某型目标舰船的水压力信号进行了检测计算．验证了该方法的有效性，达到了在高海况、低信噪比条件下，目标信号检测率比较高、虚警率比较低的效果。     

一种用VHDL设计嵌入WEB SERVER的方案

嵌入Internet都使用微控制器和相应的软件来实现，文章将介绍了一种基于硬件来实现嵌入WebServer的方案，该方案的核心思想是用VHDL语言来设计实现，并且用FPGA进行相应的验证，得出该方案的运行和处理速度远远优于使用微控制器。     

利用访问控制列表提高网络安全及实例

本文以cisco路由器为例，结合实际网络结构，详细介绍了如何利用访问控制列表来提高网络安全性能。     

一种基于小波分析和人眼视觉特性的图像增强方法

在分析视觉系统特性的基础上，提出了一种基于小波分析的图像对比度增强算法。为降低对噪声增强程度，算法对不同尺度上的系数进行不同程度的对比度增强。在此过程中，算法考虑了视觉特性以得到更好的效果。为保证得到足够的对比度增强效果，算法首先对分解得到的尺度系数进行增强；为避免视觉明显的噪声放大，只对处于边缘区域的系数进行对比度拉伸；为了能在各尺度上较为准确地找出边缘区域，算法采用局部阈值技术并利用了各分解尺度上边缘区域的相关性；为降低视觉明显的噪声放大，不同区域的对比度增强程度决定于区域的亮度。算法的实验表明，上述特点使本文算法在充分增强对比度的同时，极大地降低了对噪声的过增强，具有较好的视觉效果。     

小波变换在电路故障诊断中的应用

介绍了利用小波变换来检测信号的奇异性特征的原理，对信号的奇异性进行了定义，并将其用于电路故障诊断中，解决了传统故障诊断方法中对故障存在的知识获取“瓶颈”问题。实验证明提出的方法取得了较好的应用效果。     

基于倒谱和小波变换的驱动桥故障特征提取

给出了一种驱动桥故障特征提取的方法，即无论驱动桥处于工作时的动态，还是非工作时的静态(采用锤击制造源信号)，所提取的信号都经过离散小波消噪处理，和小波包分解。对工作时的动态，需再用倒谱变换方法进行特征提取。此方法成功地解决了特征提取环境与工作环境不一致及动、静态故障特征提取方法差异过大的矛盾。用此方法提取的神经网络训练样本，会提高系统辨识的精确性。     

模糊小波基神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制.这种模糊神经网络利用了小波基函数作为隶属函数,可在线根据误差调整隶属函数的形状,使模糊神经网络具有更强的学习和适应能力.仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制,具有很好的性能.