电能质量信号分析方法及其应用

傅立叶变换具有精确的频率分辨率,小波变换则具有将电能质量扰动进行准确时域定位的优点.为了解决电能质量监测中的实际工程问题,充分发挥傅里叶变换处理平稳信号和小波变换处理非平稳信号的优势,提出了基于时域、频域与小波变换相结合进行电能质量分析的方法.     

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。     

应用“dmey”小波变换及遗传算法对重叠光谱分离研究

小波变换可以去除噪声信号,遗传算法具有全局搜索能力,可以任意逼近分析信号.本文将小波变换和遗传算法相结合来处理分析化学中的重叠信号,通过对模拟信号和实验信号的处理,结果显示小波变换和遗传算法能将重叠信号去噪、分离,可用于多组分样品信号重叠的分离研究.     

基于小波方法的企业发展水平预测

通过对企业单一指标进行选取、量化、标准化与合成处理,建立了企业发展水平指标,并利用小波方法对企业发展水平进行了分析和预测,得到了较好的效果,同时通过大量的研究试算,预测了某具体企业的企业发展水平。     

基于多小波包排列熵和流形学习的故障特征提取方法

针对振动信号非线性、非平稳性导致的故障特征难以准确提取的问题,提出了一种基于多小波包排列熵和流形学习的故障特征提取方法。首先,利用多小波包分解方法得到故障信号的多维多小波系数,通过计算排列熵初步提取了各个小波系数中的故障特征信息;然后利用局部切空间排列(LTSA)流形学习方法对多维特征信息进行处理,在有效降低信息冗余度的同时,提取了其中主要的故障特征;最后利用支持向量机(SVM)对滚动轴承正常、外圈、内圈和滚动体故障实测信号进行故障模式识别试验。结果表明,该方法可以准确地识别出轴承不同的故障类型,并且在提取故障特征准确性方面要优于传统的单小波包方法和主成分分析(PCA)方法。     

基于小波变换的机织物高密度检测

针对目前高密度机织物密度自动检测算法测量精度较低的现象,提出在三原组织织物密度自动检测过程中,利用小波变换的分解与重构特性分析预处理后的织物图像,对分解的子图像进行二值化、平滑处理来提取纱线周期性特征 参数,统计二值图像中黑白循环更替次数来确定织物经纬密度。为提高密度检测精度,采用分区域平滑减小了斜纹纹路的影响;通过缎纹织物图像反面获取纬纱信息消除缎纹组织织物浮长的影响;运用形态学滤波去除因高密度织物上纱线毛羽导致平滑过程中出现的细条块。实验结果表明：该方法检测误约为1.00%,测量精度较高,具有一定的实用参考价值。     

小波变换图像压码延拓匹配与变换系数研究

研究了延拓匹配,证明了小波变换图像压码中采用Ｄａｕｂ滤波器时,周期延拓比对称延拓在结构上能更好地对滤波器进行匹配;对小波变换域样本场的统计特性和游程概率进行了分析,并在此基础上实现了高压缩比和高信噪比的图像压缩。     

小波包与贝叶斯LS-SVM在石油价格预测中的应用

掌握国际石油价格变化趋势,可以为决策者提供决策依据.文章提出了基于小渡包和贝叶斯推断的最小二乘支持向量机石油价格预测方案.对石油价格时间序列进行小渡包分解与重构,采用贝叶斯推断对得到的各近似序列和各细节序列进行最小二乘支持向量机模型参数优化,再分别利用优化了的模型进行预测,合成得到最终预测结果.对美国纽约商品交易所原油价格进行仿真实验,结果表明该方法很好地改善了石油价格预测模型的运行速度与预测精度.     

白城市盐碱地分布区气候特点的小波分析

通过对白城市盐碱地分布区近35年的气温和降水数据的分析,运用小波分析得出盐碱地分布区的35年气温和降水震荡特点:气温全年均值的变化稳定,生长季气温均值相对稳定,在10年变化尺度上基本没有震荡特征出现;降水全年数值的变化不稳定.     

基于融合熵特征的辐射源信号识别

针对相近雷达辐射源信号难以识别的问题,一种新的雷达辐射源信号识别方法被提出.该方法基于小波包分解,用主成分分析法融合含有信号类别特性的小波包重构系数特征,并将融合特征的能量熵和概率熵构成特征向量,基于支持向量机实现信号的分类识别.在较大信噪比(SNR)范围内,使用该方法能获得满意的正确识别率,当SNR为5 dB时,十分近似的线性调频信号正确识别率达到了91%,实验结果证实了该方法的有效性.