小波分解

摘要： 针对目前微血管运动的检测对设备要求较高,检测时间较长的问题,提出一种简便观测微血管自律运动频率的方法。通过手机摄像头拍摄人体舌面视频,预处理后提取每帧图片中的感兴趣区域,根据每个区域中像素灰度值的变化得到血液容积变化的时序曲线;然后通过小波分解对每个感兴趣区域颜色通道的血液容积变化信号进行降噪,对降噪后的信号进行独立成分分析以降低光照和环境因素影响;提取源信号频域中主要峰值点频率进行拟合,实验结果表明本课题所提取信号频率属于微血管自律运动频率范围。

摘要： 太阳能是未来清洁能源的关键,由于各种气象因素的影响,光伏发电通常不稳定。准确预测光伏发电功率的方法已成为解决光伏发电规划和建模问题的重要工具,可以减轻电力系统的负面影响,提高系统的稳定性。提出了一种基于离散小波变换(discrete wavelet transform,DWT)、卷积神经网络(convolutional neural network,CNN)和长短期记忆神经网络(long short-term memory,LSTM)的新型域融合深度模型(DWT-CNN-LSTM),以准确地完成预测。提出的模型具有两个通道:原始通道和DWT通道。CNN分别从原始通道和DWT通道提取时域和频域特征,LSTM则用以挖掘具有长期依赖性的特征,从而形成具有长期依赖性的时域和频域的融合特征,可用于功率预测。

摘要： 由于配电网络结构复杂,发生单相接地故障时产生过电压影响系统的正常运行,故障电流微弱、接地电弧不稳定导致接地故障检测精度不高。为此分析小电流发生接地故障时系统零序电流和零序电压的特性,明确相位和方向上的关系,设计出小电流接地故障定位系统,根据输变电线路的暂态零序电流确定故障位置。在输变电线路中安装馈线终端单元采集故障线路的电流电压数据并传输到调度端主站,利用小波包分解算法分析零序电流中有用的特征信号。实验结果显示,这种小电流接地故障定位系统对故障线路的零序电流的采集精度更高,故障选线时间最短。

摘要： 为了监测超声振动钻削过程中钻头的磨损状态,构建了超声振动钻削钻头的振动信号和AE信号的采集系统,通过采集不同磨损状态下钻头的振动信号和AE信号,对其进行小波分解,得到与钻头磨损相关的特征值,将二者融合后作为神经网络的输入,输入至构建的12-10-3的BP神经网络中,进行钻头磨损状态的识别。试验结果表明,所建BP神经网络通过振动和AE的融合信号对钻头的有效识别率为91.7%,可以有效对钻头的磨损状态进行识别。

摘要： 针对具有非平稳特性的水声信号的分类识别问题,本文对卷积神经网络进行改进,并将改进的CNN网络与小波分解相融合,提出一种水下目标识别算法WAVEDEC_CNN。应用采集的4类湖试数据,对该算法进行验证。实验结果表明:与传统方法MFCC+SVM对比,WAVEDEC_CNN算法可提升正确识别率15.38%;与NO_CNN、WPDEC_CNN以及EMD_CNN 3种方法对比,WAVEDEC_CNN算法的正确识别率分别提升了4.41%、3.23%、12.81%,同时就计算时间而言,所提出的WAVEDEC_CNN算法所用计算时间最短。本文提出的方法能够有效应用于水声目标识别。

摘要： 宁陕TJ-2型钻孔体应变仪优良的观测数据是良好的地倾斜变化观测资料,结合小波分析,选取2017—2020年观测资料进行对比分析。分析结果表明,基于小波分解的钻孔体应变数据分析可以去除特定频段干扰,从高频干扰、固体潮汐、气压扰动等多角度多细节分析地倾斜数据及其干扰信息。应用小波分解法能科学有效地分析钻孔体应变等地震前兆数据。

摘要： 为了减小弹药爆炸电磁辐射对测试的影响,提出了一种铝、坡莫合金组成双层屏蔽结构,采用Ansoft Maxwell对其屏蔽效果进行了仿真,与铝壳、钢壳的屏蔽效果对比,并进行了验证。结果表明:在模拟爆炸场环境中,3种壳体内的磁感应强度铝壳的最大为3.3391×10^(-7) T;钢壳为1.9601×10^(-7) T;采用双层屏蔽的为5.7605×10^(-12) T,可知铝壳的电磁屏蔽效果最差。有双层屏蔽后电路板上的磁场强度与其他2种相比,下降到后者的万分之一。在实际测试中,铝与坡莫合金的双层屏蔽结构能有效的屏蔽爆炸的电磁辐射,测试结果受到的影响最小,信噪比最大。

摘要： 为提高物流货运量预测精度,提出一种基于X11季节调整和小波多尺度分解-长短期记忆神经网络(X11-WT-LSTM)的组合预测模型。首先,对原始数据进行季节调整,并通过小波分解(WT)将数据分解为高频序列、低频序列和趋势项;其次,分别使用长短期记忆神经网络(LSTM)、BP神经网络和Holt指数平滑法进行单项预测;最后,利用最小二乘线性回归对结果进行集成,并进行误差检验。实证结果表明:多尺度组合预测模型能明显提高预测精度,预测效果优于LSTM、ARIMA等单项预测方法以及未经季节调整的组合预测模型,为物流货运量预测提供了新的思路。

摘要： 基于水击压力波的压裂诊断技术可用于快速判别裂缝位置,进而用于压裂工艺优选与施工参数优化。水击波波速是水击压力波诊断的关键参数,波速计算的读取方法对波速的准确性产生较大影响。为了精确计算水击波波速、减小波速变化引起的裂缝深度计算误差,搭建水击压力波试验系统,开展水平管路中压力波波速试验。使用4种方法计算压力波波速:描点读取压力突变点法、小波分解结合互相关函数法、描点读取水击周期法、基于频谱分析的水击周期法。以平均值、标准差及变异系数为指标,分析4种方法波速计算的数值结果与稳定性。在该试验中,针对10 kHz的采样频率,使用小波分解结合互相关函数法时优选出最优小波基函数为db4小波,最优分解层数为10层。使用双传感器计算的方法(描点读取压力突变点法与小波分解结合互相关函数法)得到的压力波波速高于单传感器计算得到的方法(描点读取水击周期法与基于频谱分析的水击周期法)。结果表明:双传感器法得到的波速范围为959.08 m/s至1111.11 m/s;单传感器法得到的波速范围为619.98 m/s至859.98 m/s。小波分解结合互相关函数方法在数据稳定性方面效果最好,可重复性最强;采用频谱分析的水击周期计算得到的标准差最大,可重复性最差。研究成果可供压裂停泵中水击波波速计算参考。

摘要： 施药量监测技术是实现精准施药、变量施药的基石,是实现我国生态农业的重要保障。针对当前嵌入式施药量监测设备受恶劣工作环境影响,存在精度差和寿命短的问题,提出一种基于声信号处理的非嵌入式隔膜泵施药量监测方法。首先使用小波变换和短时能量的算法提取隔膜泵的工作状态和转速信息,然后通过构建隔膜泵转速与流量数学模型得出系统的施药量,最后进行试验验证。结果表明:短时能量算法能很好地提取出声信号中的振动部分,从而识别出隔膜泵的开关状态,识别最大时间偏差为0.41 s;小波变换的声信号处理方法提取隔膜泵工作转速的精度较高,最大提取误差为2.8%;基于声信号的隔膜泵施药量监测法误差在5%以内。

摘要： 针对变频驱动系统工作过程中造成漏电保护设备误动作这一问题,本文提出了一种基于Mallat小波分解算法对漏电电流进行基频成分提取,之后进行检测的改进漏电电流检测策略,同时基于C语言对DSP芯片进行开发设计.经仿真验证,该算法基波提取效果明显,进而避免谐波对漏电保护器的影响,保证供电系统的可靠性与安全性.

摘要： 文章针对信号频率域带通滤波的非时变性,通过对小波分解过程采取特定的编排设计实现了信号的时变带通滤波器.这种基于小波分解技术的带通滤波器既有频率域滤波器的带通滤波效果,也有小波分析的时变特性,适合于频率随时间变化较为明显的信号滤波.

摘要： 针对北斗GEO卫星具有相对地面近似静止的特性,导致GEO比MEO卫星产生的多径误差大且多径误差的起伏变化时快时慢,与MEO卫星多径有不同特点的问题,本文提出了一种小波变换与载波扫频相结合的GEO多径误差抑制方法.经过载波扫频处理后的多径分量呈现正弦包络的特性,使多径误差的变化具有一定的规律性,更适用于小波滤波器进行滤波处理.由于周围环境以及观测噪声是不断变化的,影响了载波扫频对多径误差的抑制,因此为了分离多径误差与观测噪声误差,利用基于假设检验的小波阈值滤波器滤除观测噪声,将滤除观测噪声之后的信号通过小波逆变换进行信号的重构,利用重构之后的信号估计载波相位多径误差和码相位多径误差并用于补偿伪距估计值.仿真实验结果表明,该方法能够有效地进行多径误差抑制,显著改善了用户的定位精度.

摘要： 现有短路保护方法大多采用全电流值是否大于其整定值来作为保护动作的判定依据,其可靠与速度性均得不到保障.解决该问题的关键在于对短路故障加以早期检测与辨识,使短路故障在萌芽阶段即被检测出来,并配合快速分断机构,则可在短路故障早期将其切除,保障电网的安全可靠运行.现今的短路故障早期检测方法大多局限于对仿真及简单的实验线路的分析,其研究结果难以面向实际应用.开发了多层级低压短路保护实验系统,其可模拟低压多层级实际短路故障的发生与控制,且以该实验系统为对象,分析了不同层级、不同类型的短路故障下基于改进型小波分解的早期检测方法的应用情况,从仿真和实验两方面验证了该方法的有效性和快速性,为低压配电系统多层级全范围选择性协调保护的研究奠定技术基础.

摘要： 因此，为了解决光伏输出功率的周期性和非平稳险问题，提出了一种基于WD和ANN的混合建模方法，实现了良好的算法收敛和预测结果。

摘要： 高速旋转机械由于其工作转速高、控制精度高,其故障信号又属于微弱突变信号,造成常规监测方法准确率偏低,成为制约高速旋转机械故障监测进一步发展的最大障碍.本文设计了一种消除小波分解和重构过程中产生的频率混叠的算法.该算法利用傅里叶变换和傅里叶逆变换构成Mallat小波变换在分解和重构过程中所需的严格正交镜像滤波器,从而达到Malkt小波变换过程中必须具有的理想截止特性,最终去除掉多余的频率成分.利用改进前后的小波算法对实际信号进行分析,结果表明,本文设计的Malkt小波变换改进算法可消除信号分析中出现的频率混叠现象.

摘要： 为了进一步提高勘査的分辨率和详细程度,解决煤矿地质工作所面临的安全生产问题,近年来大力发展了槽波勘探方法.槽波勘探方法将物理场源及接收器直接安放在煤层内,由于煤层相对于顶板和底板速度更低而形成了低速层中地震能量的制导现象.利用这种导波可以探测煤层的不连续性,具有探测距离远、抗电干扰能力强的特点.由于槽波本身的频散特性,以及井下复杂的激发接收条件,多种类型的纵波和横波及噪声叠加在一起,致使槽波信号震相难以识别.

摘要： 提取出脑电信号中微弱征兆信息,可以更好地了解脑电信号的特征,但由于各类外界信号的相互混叠,信号呈现出非线性、非平稳性,因此对于脑电信号的提取是个难题.为此本文提出了优于小波分解的经验模式分解(EMD)算法对脑电信号进行分解,提取主要IMF分量的特征值,随后采取代价敏感支持向量机(CSVM)进行分类,并对参数进行寻优.在对癫痫患者脑电信号研究的实验中,分类准确率均达到90％以上,验证了本方法的可行性.

摘要： 为了实现对遥操作机械手自然仿生比例控制,研究了基于表面肌电信号的操作者手部动作模式及速度识别,用以指令远端机械手产生相应的动作和速度.首先,用小波分解对原始表面肌电信号进行多尺度分解,然后提取信号平均功率和模糊熵特征,输入K最近邻模型分类器,识别手部动作,同时通过正交多项式拟合操作者与机械手动作速度,最终控制机械手以相应的速度完成相应的动作.实验结果表明所提方法能提高遥控机械手的仿生控制能力.

摘要： 在机械加工过程中磨削砂轮的钝化状态对磨削效率和加工质量有着重要的影响,如何能够在不停止磨削进程的情况下自动识别砂轮的钝化状态,以判断是否需要对砂轮进行修整,将对提高加工效率和加工质量具有重要意义.本文提出了一种利用决策回归树(CART)算法来识别砂轮钝化状态的方法.对磨削过程中产生的声发射信号使用小波分析进行多尺度分解,提取各层小波能量将其作为砂轮钝化状态所对应的多个特征,然后通过CART算法构建出一个多分类决策树,对砂轮所处的各种钝化状态实现了精确分类.

摘要： 本发明公开了一种基于小波分解和改进神经网络的非侵入式负荷分解方法，主要利用非侵入式负荷识别装置对用电信息进行采集，对采集到的数据信息进行预处理操作，通过四层小波分解提取负荷特征，然后输入到改进的神经网络进行训练学习：改进点主要体现在网络是多尺度多输入的，训练过程是多分辨率的并且网络按小波分解层数分为四个部分分别进行训练最后在重新拼接，然后利用大量数据调节网络参数，完善非侵入式负荷分解模型后完成负荷分解任务，并对非侵入式负荷分解结果进行分析。通过本发明可以结合时频域，解决当负荷数据过多时，重要的信息可能会丢失，数据特征利用率低而且多状态过程电器难以识别的问题。

摘要： 本发明公开了一种基于小波分解与经验模态分解的异常电流诊断方法和系统，涉及复杂电路异常电流诊断技术领域；本发明的方法包括步骤有：获取对每一种带故障信息的电流数据分别进行小波分解获得小波系数；通过小波系数计算每种带故障信息的电流数据的方差、归一化能量值、第一能量熵；利用经验模态分解方法分解每种带故障电流数据得到不同的本征模态分量，并通过本征模态分量计算第二能量熵；将方差、归一化能量值、第一能量熵和第二能量熵构建成电流信号特征向量；通过特征向量训练分类器；将训练好的分类器对电流数据进行异常诊断；本发明解决了识别多种电气故障类型的复杂电路故障诊断方法，克服故障类型诊断准确率低的技术问题。

摘要： 本发明涉及一种基于改进经验小波分解的信号分解方法，包括：对故障信号进行Fourier功率谱密度谱线求取，选取若干不同大小阈值对上述干扰成分谱值进行剔除处理，并基于新谱线将故障信号进行分解处理，利用故障特征能量比信息筛选最优阈值、最优分解结果和含有丰富故障特征信息的模态分量。本发明在干扰背景下，仍能有效地最优分解出含有丰富故障特征信息的模态分量、消除干扰、抑制模态混叠和过度分解现象，获得理想分解结果，弥补了EWT的不足，丰富了模态分解的理论方法。

摘要： 一种局部放电信号小波分解最优基小波选取方法，其中，包括以下步骤：S1.获取局部放电信号以及基小波簇；S2.对于基小波簇中的每个基小波，使用其对局部放电信号进行小波分解，得到最高分解尺度上的尺度系数和各分解尺度上的小波系数；S3.对步骤S2得到的最高分解尺度上的尺度系数和各分解尺度上的小波系数分别进行单支小波重构，得到重构后的信号序列；S4.计算步骤S3得到的各信号序列的能量，并计算最高分解尺度上的尺度系数重构后的信号序列的能量百分比；S5.对比步骤S4得到的各能量百分比，最大者对应的基小波即为最优基小波。本发明的方法基于尺度系数单支重构后能量最大原则，可以在不知道局部放电信号先验知识的情况下，实现自适应选取最优基小波。

摘要： 本发明提供一种基于谐波小波分解的非侵入负荷检测方法及装置，涉及非侵入电力负荷检测技术领域。该方法包括：采集用户端电源入口处的电力数据，对所述电力数据进行预处理；在负荷事件发生前后的预设时间段内，从预处理后的电力数据中提取时序特征数据和频域特征数据，对所述时序特征数据和频域特征数据进行负荷事件检测，得到多个负荷设备的状态变化量；根据所述状态变化量，提取负荷事件特征信号；采用谐波小波变换算法对所述负荷事件特征信号进行分解，得到每个所述负荷设备的负荷运行数据。本发明可以收集和分析用户电力负荷的负荷运行数据，以确定更详细、更准确的负荷运行状态。

摘要： 本发明公开了一种基于离散小波分解的深度图像空洞填充方法及装置，该方法包括：获取原始深度图像并进行离散小波变换，得到第一低频信息图像和第一高频信息图像；对第一低频信息图像中的空洞点进行填充；对原始深度图像进行二值化处理，并对得到的二值化深度图像进行离散小波变换，得到第二低频信息图像和第二高频信息图像；利用第二高频信息图像对第一高频信息图像进行修复；对空洞填充后的第一低频信息图像和修复后的第一高频信息图像进行离散小波反变换，得到空洞填充后的初始图像；将空洞填充后的初始图像与原始深度图像进行融合处理，得到最终的深度图像。本发明提供的方法提高了深度图像空洞填充效率和泛化能力，提升了填充效果。

摘要： 本发明公开了一种基于小波分解与GRU神经网络的血糖预测方法，该方法对采集既往血糖时间序列数据使用小波分解与归一化法对采集的血糖时间序列数据进行预处理后，使用数据滑窗法对数据进行划分，并构建WD‑GRU神经网络模型，使用划分的数据对模型进行训练，最后将采集到的采样时间间隔为τ的连续血糖数据值输入训练完成的WD‑GRU神经网络模型中对血糖值进行预测，该方法的训练速度快，预测精度高。

摘要： 本发明提供了一种基于小波分解滚动学习的变电站二次回路信号检测方法，步骤如下：对信号加装时间窗口；选取信号发生变化的时间窗口；对选取的时间窗口内的信号进行小波分解，且从低频至高频逐级分解；获得不同尺度的小波分解系数，进而获得不同响应事件对应的小波分解系数；根据信号所对应的响应事件，选取历史信号的小波分解系数作为特征参数，每次在线检测中产生的响应事件作为反馈进行滚动学习。本发明有益效果：通过信号小波分解及滚动学习，进一步降低噪声信号的干扰，加强系统变电站相应事件的识别，包括事件识别的准确性和实时性，滚动学习是一种在线学习，随着运行时间变长可以不断提升信号检测精度，具有良好地使用效果。

摘要： 本申请涉及预测技术领域，公开一种基于小波分解和LSTM的鸡舍温度湿度预测方法，包括：获取鸡舍原始温度时间序列x(1)和原始湿度时间序列x(2)；通过小波分解处理所述原始温度时间序列x(1)的数据和所述原始湿度时间序列x(2)的数据获得重构后的温度时间序列的数据和重构后的湿度时间序列的数据；根据所述重构后的温度时间序列的数据和所述重构后的湿度时间序列的数据通过LSTM算法获得鸡舍温度预测结果y(1)和湿度预测结果y(2)。该方法提高了整体预测模型的抗噪性，能够获得更加准确的鸡舍内部的温度和湿度。本申请还公开一种基于小波分解和LSTM的鸡舍温度湿度预测装置、产品及存储介质。

摘要： 本发明提供了一种基于小波分解和改进IHS算法的遥感影像融合方法，所述方法包括以下步骤：提取多光谱影像和高分辨率遥感影像的I分量，融合后通过高通滤波以及加权平算法处理得到融合Inew1分量，将融合Inew1分量和全色影像进行直方图匹配得到匹配后的融合Inew2分量，基于融合Inew2分量等进行HIS逆变换得到多光谱影像MI_2，然后利用小波分解的方法，得到一个全新的融合影像。本发明解决了因IHS变换导致融合后的影像光谱失真的问题，不但有效抑制了光谱退化现象，而且增加了融合图像的清晰度；同时，有效解决因高通滤波处理引起的影像亮度降低问题，能够增强图像的低频信息即图像整体亮度。