使用小波分析的图像融合算法

利用小波分析实现ＳＡＲ图像与光学图像的融合和互补性。这种图像融合方法是利用ＳＡＲ图像小波分解后的近似部分和光学图像小波分解后的细节部分，组成一个新的小波分解系数，再进行逆小波变换（重构），即可得到复合的图像，取得了较好的实验效果。     

阵元分集与SVD降噪

针对高距离分辨（ＨＲＲ）雷达系统，提出了一种抑制噪声的方法。该方法引入辅助阵元接收目标回波形成测量矩阵，首先对该矩阵作奇异值分解（ＳＶＤ），建立信号子空间和噪声子空间，然后对信号进行估计并重构出噪声受抑的测量矩阵，在重构矩阵中进行同相相加，降低噪声电平，以提高噪声背景下雷达检测和识别能力。     

基于LCD和奇异值分解的轴承故障诊断

针对滚动轴承故障信号在初期特征频率微弱而且难以提取的问题,提出一种基于局部特征尺度分解(LCD)和奇异值分解相结合的故障诊断方式。首先对采集到的目标信号进行LCD分解,得到一系列内禀模态分量(ISC),然后再通过峭度—相关系数筛选用来重构真实的ISC分量,利用奇异值分解对重构分量进行分解。接着求出所对应的差分谱,根据差分谱理论再次进行重构,最后再对重构信号进行能量算子包络解调。通过实验验证,相比于传统包络解调,所提的方法能够有效地提取出故障轴承的特征频率。     

小波变换在股市预测中的应用

本文应用小波变换对深圳股票市场的建模与预测进行了研究。首先对股指时序进行小波分解;然后对分解后的各部分分别建立混沌模型进行预测;再对混沌模型预测的结果予以小波重构,即得最终的预测结果。从吸引子结构的观点对预测精度提高的原因进一步分析得出,小波分解可使分解后的时序变得简单而容易预测,因而使得最终的预测结果能够具有较高的精度。研究表明,小波变换在股市预测中具有非常好的应用前景。     

变分模态分解和形态学滤波在滚动轴承故障诊断中的应用

针对滚动轴承早期故障信号易被强烈的背景噪声淹没及故障特征难以提取的特点,提出了基于变分模态分解(VMD)和形态学滤波相结合的滚动轴承早期故障诊断方法。首先利用VMD将早期故障信号自适应地分解为一系列IMF分量,然后选择峭度值最大的前两个IMF分量重构,并对重构信号进行形态学滤波,最后通过Teager能量算子计算重构分量的能量谱来提取滚动轴承的故障频率,判断故障类型。将该方法应用于滚动轴承仿真信号与实际故障数据中,分析结果表明该方法能够更加有效提取故障特征频率信息,实现了滚动轴承故障的精确诊断。     

小波变换和混沌理论在股市预测中的应用

应用小波变换和混沌理论相结合的方法对股票市场进行预测,即先对股指时序进行小波分解,然后对分解得到的高、低频部分分别进行混沌预测,再将预测的结果进行小波重构,得到原始时序的预测结果。在此基础上应用小波和混沌理论提出进一步提高预测精度的方法,即通过对高频部分再进行小波分解、混沌预测和小波重构而使高频部分的预测精度得以提高,进而提高原始时序的预测精度。     

用余弦调制PR－FIR方法构造M带正交小波基

离散小波变换将离散时间信号分解为一系列不同分辨率下的离散近似信号和离散细节，紧支的正交规范小波与完全重构正交镜像滤波器（ＰＲ－ＱＭＦ）相对应。在紧支正交小波基的构造条件下，利用余弦调制完全重构滤波器组的方法，实现了Ｍ带紧支正交小波基的构造，计算机模拟表明该方法非常简单、有效。     

a尺度多重双正交小波包的分解与重构算法(英文)

介绍了构造a尺度多重双正交小波包的方法。它在应用上灵活性很强。按此法可构造多种不同的双正交小波包。本文的重点是给出了用此小波包进行分解与重构的算法。     

基于奇异值分解的信号处理方法及其频谱特征

对基于时间序列重构吸引子轨迹矩奇异值分解的信息处理方法进行了系统讨论，通过数值算例研究了该方法对振劝信号的降噪和频谱特征以及在振动信号瞬态信息提取中的应用，得到了具有理论和应用价值的结论。     

CEEMDAN辅助快速谱峭度的滚动轴承故障诊断方法

为解决集合经验模态（EEMD）存在分量重构误差大和提取的故障特征不明显问题，课题组提出一种自适应噪声完备集合经验模态分解（CEEMDAN）辅助快速谱峭度的故障诊断方法。首先采用CEEMDAN将故障信号分解为多个IMF分量，计算分量的谱峭度值，选择峭度和相关度最大的分量进行重构；然后通过快速谱峭度图确定最大共振频带，进行带通滤波分析，获得故障信息；最后采用某滚动轴承实验数据分别对内圈故障和外圈故障进行实验分析。结果表明：与原始故障信号相比，该方法获得的包络谱更清晰，故障频率更明显，内圈故障频率为162 Hz，外圈故障频率为107 Hz。该方法提取故障特征突出，可以得到有效的故障频带。     

基于组合降噪的卷积神经网络轴承故障诊断方法

针对滚动轴承振动信号包含不同频率复杂噪声,单一降噪方法难以去除多种噪声,导致最终故障诊断率低的问题。提出一种基于组合降噪的卷积神经网络的轴承故障诊断方法。首先,通过SVD分解方法,根据奇异值差分谱,一次降噪并重构信号,去除信号内能量较低的宽频率噪声;再根据降噪重构信号,自适应选取CEEMD分解的参数,并进行自适应CEEMD分解,利用线性相关系数与峭度交集法滤除相关程度低、故障特征信息少的IMF分量,同时二次降噪并重构信号;最后,构建一维卷积神经网络并进行轴承故障诊断。通过原信号和组合降噪后信号的时频分析,轴承故障诊断实验,验证了该方法的有效性。     

基于时间序列分解与重构的能源价格分析研究

能源是促进社会经济发展、保证人民生产生活质量的重要基础。能源价格变化与世界经济走势密切相关,与国际关系、各国政策也有紧密联系。但能源价格近年来波动剧烈,加大了价格序列的分析复杂度,因此分解重构方法在能源价格序列分析预测中得到越来越广泛的应用。以原油期货价格为例,应用四种常见的分解方法(小波变换、奇异谱分析、经验模态分解、变分模态分解)进行分析与对比,实证表明,四种分解方法可以得到相似的分解量,并且分解方法可以有效地分离价格序列的多种波动特征,降低序列分析复杂度。除此之外四种分解方法也存在不同的优势:小波变换选择合适的基函数可以获得良好的正交性,奇异谱分析可以有效提取信号的主要成分,经验模态分解算法实现快速简单且无需设置参数,变分模态分解选择合适的分解数量可以有效避免模态混叠现象。结果表明,针对数据特点和分析目的选择合适的分解方法可以更有效地对能源价格进行分析。     

EMD算法和循环平稳理论在机械故障诊断中的应用

针对非平稳非线性的循环平稳信号提出了基于Hilbert变换的EMD分解重构消噪法;用带有强噪音和高斯噪声的典型循环平稳信号进行了仿真,并结合二阶循环平稳分析法对信号进行了信息提取.在实验部分,该文试用基于Hilbert变换的EMD分解重构和循环平稳理论结合的方法对运转中的故障轴承信号进行了分析,实验结果表明,这种应用能有效提取出信号中的有用信息,成功提取旋转机械运转产生的信号中的故障信息.     

L－fuzzy子群与L－fuzzy正规子群的表现定理

在Ｌ是完全分配格时，引入了Ｌα群轮、素元群轮以及素元开群轮等概念，并借助它们给出了Ｌ－ｆｕｚｚｙ子群与Ｌ－ｆｕｚｚｙ正规子群的几个分解定理与表现定理。     

基于互相关—峭度和小波软阈值的EEMD降噪方法研究

针对目前EMD分解后IMF分量优选方法的不足,提出了一种基于互相关—峭度和小波软阈值的EEMD降噪方法。该方法利用EEMD对信号进行分解得到IMF分量,计算IMF分量的峭度值、标准差及其与原信号的互相关系数。根据互相关系数、标准差和峭度值,设置优选条件,将选定的IMF分量进行重构。与互相关系数、峭度准则单独作为优选条件的重构结果进行对比,结果表明这种新型优选方法的效果更好,利用基于互相关—峭度和小波软阈值的EEMD降噪方法对滚动轴承微弱故障信号进行处理,能够更精确地提取到轴承故障特征。     

面向虚拟企业的定制产品模块化方案设计

在分析大规模定制生产需求的基础上,结合市场客户需求和并行生产方式特点,对产品族进行分解和集成,对产品结构进行可重构模块化设计,经过各模块优化、组合、评价,最后实现协同加工制造。为最终实现可重构模块化设计提供理论基础。     

大学生心理健康教育的解构主义思考

本文剖析了目前大学生心理健康教育工作在方法和形式中存在的问题,并运用解构主义 理论对大学生心理健康教育工作采取分解和重构,提出了大学生心理健康教育工作的新思路、新方法。     

基尼系数和泰尔熵指标的分解分析比较——以云南省17个少数民族地区的收入差距为例

基尼系数和泰尔熵指标都是衡量不平等性的重要指标,特别是它们的分解能进一步对不平等性进行因素分析。本文阐述了这两种指标对不平等性的刻画,并对它们的分解作了进一步的分析,最后结合同一组数据进行了实证比较分析。     

Г-带的半格分解

在Γ-半群中引入Γ-带、Γ-矩形带和Γ-半格等概念,获得了一个元的逆元集的分解定理和Γ-带的Γ-半格分解定理,它们分别类似于一般半群中逆元集的分解定理和著名的带的半格分解定理.     

20世纪上半叶土家族对儒家文化的反思与重构

儒家文化在土家族地区的导入与发展同土家族历史观的质换具有同步意义。在当地史时期，土家族是吸入儒家文化的，未发生重构问题；在中国史时期，儒家文化的重构是在与土家族文化的二元组合中实现的；在世界史时期，也就是19世纪末以后，在传统与现代、乡村与城市、土家文化与儒家文化、中国文化与西方文化的冲突中，土家族先进分子开始了对包括儒家文化在内的各种文化形态的反思与重构。