Discrete wavelets transform for signal denoising in capillary electrophoresis with electrochemiluminescence detection

Discrete wavelets transform (DWT). was applied to noise on removal capillary electrophoresis-electrochemiluminescence (CE-ECL) electropherograms. Several typical wavelet transforms, including Haar, Daublets, Coiflets, and Symmlets, were evaluated. Four types of determining threshold methods, fixed form threshold, rigorous Stein's unbiased estimate of risk (rigorous SURE), heuristic SURE and minimax, combined with hard and soft thresholding methods were compared. The denoising study on synthetic signals showed that wave Symmlet 4 with a level decomposition of 5 and the thresholding method of heuristic SURE-hard provide the optimum denoising strategy. Using this strategy, the noise on CE-ECL electropherograms could be removed adequately. Compared with the Savitzky-Golay and Fourier transform denoising methods, DWT is an efficient method for noise removal with a better preservation of the shape of peaks.

基于小波理论的数字图像压缩方法研究

图像压缩是图像处理领域的一个重要研究课题，在图像存储、传输等应用中发挥着至关重要的作用。小波变换具有多分辨率、时频局部性、能量集中能力强等众多优点，因此特别适合于图像压缩。图像压缩主要涉及到图像变换和编码两部分。本文的大部分工作是基于图像变换而展开的，在小波变换理论、基于小波的图像压缩算法理论及其实现、提升小波变换的FPGA实现、以及对两种小波变换算法的改进等方面进行了深入研究和探讨，具体研究内容如下： 1介绍论文的研究背景和意义，并简要介绍图像压缩和小波变换的基本知识和研究现状，概述本论文的主要研究工作。 2详细阐述图像压缩的基本知识，包括图像压缩的原理、分类和图像压缩的国际标准，回顾图像压缩技术的研究历史，并展望一些新的发展方向。 3概述小波变换的基本理论，分析提升小波相对于传统小波变换的优势。分析小波变换应用于图像压缩中的优点，阐述基于小波的分层树集划分（SPIHT）编码算法，并给出实验结果。 4 本文设计了一种并行的二维提升小波变换电路硬件结构，在设计中主要针对小波基的选取、边界拓展方式、提升小波变换数字电路的流水线设计、变换整体结构设计等进行了详细的讨论。这些设计显著降低了资源的消耗，加快了变换速度，提高硬件利用率。 5 由于小波变换缺乏方向性，本文设计了基于Contourlet变换的改进策略，充分利用了Contourlet的方向性，并且克服了其冗余性，使其性能达到最优；针对提升小波不具备平移不变性的特点，将冗余分解的策略引入到提升小波，设计了基于最小熵原则的最佳冗余提升小波分解。并将这两种方法应用图像压缩，取得了较好的效果。

小波多尺度跟踪技术研究

本论文研究的主要内容为基于小波多尺度特性的序列图像目标跟踪技术。目标跟踪作为一个在军事、工业和科学研究方面有着广泛应用背景的研究领域，一直以来吸引了大批国内外学者。由于小波变换具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，使得基于小波变换的目标跟踪算法具有传统算法无法比拟的优势。针对目标跟踪技术的研究现状和存在问题，本文着重从目标分割和特征检测与匹配两个角度对基于小波变换的几种新的目标跟踪方法进行了研究。 1. 采用基于多尺度Gabor小波的特征点检测算法对序列图像进行跟踪。借助图像的金字塔变换得到多尺度的Gabor小波特征图像，并对特征图像进行特征点检测，提取对图像变换具有鲁棒性的特征。针对两种特征检测方案，提出不同的特征匹配准则，按照分层匹配的策略由粗到精逐步定位目标的准确位置，具有较快的搜索速度。 2. 采用多尺度小波函数所提取的相位一致性特征进行基于目标分割和基于角点特征的跟踪。 对目标图像进行相位一致性检测，得到一个具有光照不变性的无量纲特征量—相位一致系数。利用相位一致性检测的这种特性，针对孤立目标的情况，提出了两种自适应目标分割和跟踪的算法。基于区域增长的目标分割算法利用从相位一致图像中找到的对比度最大点及其法线方向两边的灰度分布确定目标和背景的种子像素，进行自适应目标分割。基于相位一致性检测的目标分割算法只需确定一个阈值即可利用相位一致特征图像的方向性，依据目标在不同方向响应的不同将目标和背景区分开，适应于复杂纹理背景中的目标分割。最后，分别将两种算法所得的分割结果向水平和垂直方向投影即可确定各自的质心位置，实现自适应的质心跟踪。 进一步提取相位一致性图像的最小矩特征就能得到目标的角点信息。文中用实验验证了此方法检测到角点的综合性能。在此基础上，提出了利用单演相位差进行角点匹配跟踪的算法，并将其同基于灰度相关的匹配算法进行了对比，证明了本算法能够检测出更多准确匹配的角点、减少误匹配，同时具有较小的匹配运算量。 对以上提出的几种目标跟踪算法进行了大量的仿真实验，实验结果表明，这几种方法均取得了较好的跟踪效果，能够实现稳定、精确的跟踪。

小波变换在海面目标自动检测中的应用

本论文以下列课题为背景：（1）“新一代光电指挥仪关键技术研究”—中科院知识创新工程预研课题；（2）“自寻的反舰导弹电视导引头”—型号任务，针对武器系统研制在图象跟踪与制导信息处理方面的关键技术，研究了海空复杂背景下舰船目标的自动检测与定位技术。本文提出了一种基于小波变换的舰船目标自动检测方法。该方法在分析海空场景图象特征的基础上，利用小波多分辨率分析和小波变换良好的局部分析特性，研究了图象预处理和目标定位的WT方法，将小波分析的思想贯穿于自动目标检测的全过程。提出了一种海空复杂背景图象预处理方法—基于小波多尺度分析的水天线检测方法。采用多分辨率组合带通滤波，对海空场景图象进行多级小波分解，利用小波分解垂直方向上的高频分量，综合多个尺度下的模极大值信息，由粗到精定位水天线。通过构造能量函数，提出了一种目标自动检测和定位方法。在检测到水天线位置的基础上，进一步检测目标：对小波分解水平方向上的高频分量，进行互能量交叉，既突出了目标，又有效地抑制了背景噪声；依据水天线定位参数，结合加权处理与门限处理，进行海杂波抑制；构造边缘能量函数，通过能量判决完成了目标检测；利用双窗口的不相似性度量函数完成了目标的准确定位。大量的仿真实验表明，本文提出的海面目标自动检测的WT方法，能够较好地实现在单帧图象中检测出舰船目标，亮暗目标兼容，而且在如下几类复杂条件下，检测算法依然取得了较好的检测效果：水天线倾斜；有较强的海杂波干扰；存在一定的鱼鳞光干扰；天空背景干扰；海面能见度较低图象模糊；小目标情况等。

基于小波变换的机器人腕力传感器滤波算法

在对机器人腕力传感器信号特点分析基础上,提出了应用小波变换对腕力传感器信号进行滤波的方法,讨论了小波滤波算法,研究了机器人腕力传感器信号滤波方案,并针对抛光机器人作业实验数据进行滤波。仿真实验表明方法有效。

小波变换理论应用进展

本文介绍了小波变换理论 ,讨论了基本小波函数的选取准则和小波变换算法 ,分析了小波变换与人工智能等其它方法的结合方式和特点 .通过介绍小波变换在信号瞬态分析、图像边沿检测、图像去噪、模式识别、数据压缩、分形信号分析等方面的应用实例 ,讨论了小波变换在处理非平稳信号和复杂图像时的优势 .最后 ,对小波变换理论的发展及其应用前景作了描述 .

基于表面肌电信号的人体运动意图识别方法研究

提出了基于表面肌电信号进行人体运动意图识别的新方法。该方法将智能发育思想结合其中,分为离线知识库建立和在线知识库检索两个过程。首先,进行离线训练,建立IHDR(Incremental Hierarchical Discriminant Regression)知识库。采集人体表面肌电信号,对肌电信号进行小波分解,将各层小波系数的方差作为每个通道信号的特征;然后,将每个通道的特征作为输入,人体运动行为作为输出,离线建立基于智能发育思想的IHDR知识库。人体运动意图识别的过程即知识库的检索运用过程,通过每个通道的特征来在线检索IHDR知识库,搜索到合适的节点即为运动意图。实验表明,基于智能发育思想的人体运动意图识别方法可以达到满意的识别率。

基于多特征模糊聚类的图像融合方法

首先利用模糊C-均值聚类算法在多特征形成的特征空间上对图像进行区域分割,并在此基础上对区域进行多尺度小波分解;然后利用柯西函数构造区域的模糊相似度,应用模糊相似度及区域信息量构造加权因子,从而得到融合图像的小波系数;最后利用小波逆变换得到融合图像·采用均方根误差、峰值信噪比、熵、交叉熵和互信息5种准则评价融合算法的性能·实验结果表明,文中方法具有良好的融合特性·

基于海底资源丰度的图像检索

提出了一种基于丰度的图像检索方法 ,在小波变换的基础上定义了边缘平均重复度来描述丰度 ,由此构成相似性度量的特征空间 .依据这一研究结果 ,可快速对海底资源图像库进行丰度意义下的检索并形成资源分布图 .最后 ,给出了对海底资源图像库进行检索的实验结果

转子系统油膜振荡的小波包分解与频带能量比例特征分析

在介绍小波包分解原理的基础上 ,对试验测得的单盘单跨转子系统的油膜振荡非平稳信号用小波包分解方法进行了研究。采用db44小波基函数进行 4层小波包分解。给出了各频带内分解信号的特点及频带能量比例 ,其中第 3频带是该转子系统在 960 0r/min时产生油膜振荡的特征频带。得到的试验数据及其分析结果对转子系统油膜振荡研究和旋转机械状态监测等具有重要意义。

基于小波与小波包的变速器故障特征提取

本文结合自适应小波变换滤波去噪方法与小波阈值去噪方法,提出了一种可用于变速器故障振动信号去噪的双层滤波去噪算法。该算法的滤波过程分为两层,第一层滤波采用自适应小波变换滤波算法;第二层滤波采用经典的小波阈值去噪算法对信号进行二次去噪。最后,将去噪后的故障信号采用小波包进行了分解,并提取了小波包频带能量作为故障特征向量。

小波消噪在振动信号处理中的应用

信噪分离是小波分析中的一个有效的信号检测方法。本文在阐述了小波分析及消噪的小波理论的基础上 ,给出了从噪声污染信号中恢复原信号的实例 ,并与傅立叶分析消噪进行了比较 ,结果表明对于非平稳振动信号小波消噪的效果明显优于傅立叶变换。

基于神经网络和小波变换的车型识别方法研究

车型自动识别分类在不停车收费系统中起着关键的作用，决定了不停车收费系统的可靠性和智能化程度，对提高公路交通系统的管理水平和车辆通行速度具有重要的意义。 本文对现有车型自动识别分类方法进行了分析比较，在此基础上，对采用雷达微波进行车型识别进行了探索和研究，雷达微波车型识别技术与车载电子标签有机结合起来，起到车型二次识别的作用，有效防止各种舞弊行为，控制收费损失。 本文通过MATLAB产生仿真的雷达微波信号，信号中包含了车型的特征信息。再采用小波变换的方法消除噪声，由于车型大小与信号经过小波变换后得到的各层能量分布有关，所以提取其能量分布作为分类识别的特征矢量。设计了BP神经网络的分类器，车型的能量分布特征由车型分类器进行分类，最终得到车辆的类型。 本文在对所设计的神经网络分类器进行训练的时候，对样本采用了改进的模糊C均值算法进行聚类分析，有效地避免了样本集不理想情况下对各类中心隶属度过小的情况，用隶属度作为网络输出训练,使网络容错性更强，更加符合实际分类情况，三个网络分别训练，最后综合判断，提高了分类质量。 本文首先介绍了已有车型自动识别的方法，分析讨论了存在的弊端，然后提出采用雷达微波进行识别的方法，详细介绍了对回波信号进行处理所用到的算法，分析比较各种算法，选择合适的算法用于信号的处理，最后介绍了车型识别硬件仿真平台及软件实现。

基于小波的变速箱故障信号提取与处理

随着工业技术的发展，现代设备的生产方式更加趋于自动化和连续化。变速箱作为机械设备中最常见的传动方式之一，在各种设备中有着广泛的用途。因此，对变速箱进行状态监测及故障诊断意义重大，不仅可缩短维修时间、降低维修成本，还可提高诊断准确性和维修质量，创造可观经济效益。 汽车生产自动化程度的日渐提高以及市场竞争的日趋激烈化，要求汽车制造公司在高产量的同时保证产品质量的可靠，这样对机械故障诊断的准确性和快速性提出了更高的要求。变速箱作为汽车动力总成的重要部分，其质量对整车性能有着极大的影响。因此，快速准确的对变速箱进行在线检测和故障诊断是保证汽车质量的重要途径。 变速箱故障诊断技术是近年来的研究热点。当变速箱发生故障时，其故障信号往往包含着大量的冲击成分，由于变速箱内部结构比较复杂，所以其振动信号同时含有很强的噪声成分，如何有效的消除噪声，提取到故障信号是变速箱故障诊断的前提和基础。 本论文围绕小波变换和小波包变换在变速箱故障诊断中的应用进行了理论研究和实验验证，将小波分析这一时频分析方法应用到变速箱故障诊断领域。结合自适应小波变换滤波与经典的小波阈值去噪算法，提出了一种基于小波的双层滤波去噪算法，它可以有效的消除变速箱故障信号中的噪声；对去噪后的故障信号进行重采样处理，以便消除由于转速和采样频率的改变对小波包频带能量特征提取的影响；然后，将重采样后的信号进行了小波包分解。最后，小波包频带能量序列被提取作为故障特征向量，以便进行故障诊断。 实验结果表明，本文提出的基于小波的双层滤波去噪算法相对于传统的小波阈值去噪算法，去噪效果更优；相对于改变尺度因子a与小波形状控制参数的k的自适应小波变换滤波算法，计算量大大减小。重采样信号处理可以较好的消除转速和采样频率对故障特征向量提取的影响。因此，以小波包分解频带能量序列作为故障特征向量能较好的表征不同的故障。

高阶广义屏波动方程叠前深度偏移

Attaining sufficient accuracy and efficiency of generalized screen propagator and improving the quality of input gathers are often problems　of wave equation presack depth migration,　in this paper,a high order formula of generalized screen propagator　for one-way wave equation is proposed by using the asymptotic expansion of single-square-root operator. Based on the formula，a new generalized screen propagator is developed ,which is composed of split-step Fourier propagator and high order correction terms，the new generalized screen propagator not only improving calculation precision without sharply increasing the quantity of computation，facilitates the suitability of generalized screen propagator to the media with strong lateral velocity variation.　As wave-equation prestack depth migration is sensitive to the quality of input gathers, which greatly affect the output，and the available seismic data processing system has inability to obtain traveltimes corresponding to the multiple arrivals, to estimate of great residual statics， to merge seismic datum from different projects and to design inverse Q filter, we establish　difference equations with an embodiment of Huygens’s principle for obtaining traveltimes corresponding to the multiple arrivals,bring forward a time variable matching filter for seismic datum merging by using the fast algorithm called Mallat tree for wavelet transformations， put forward a method for estimation of residual statics by applying the optimum model parameters estimated by iterative inversion with three organized algorithm,i.e,the CMP intertrace cross-correlation algorithm,the Laplacian image edge extraction algorithm,and the DFP algorithm, and present phase-shift inverse Q filter based on Futterman’s amplitude and phase-velocity dispersion formula and wave field extrapolation theory. All of their numerical and real data calculating results shows that our theory and method are practical and efficient. Key words: prestack depth migration, generalized screen propagator, residual statics，inverse Q filter ,traveltime，3D seismic datum mergence