小波系数论文_余江,赵书锐,何斐凡,姜欣欣

导读:本文包含了小波系数论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:小波,系数,落叶松,阈值,微分方程,算子,矩阵。

小波系数论文文献综述

余江,赵书锐,何斐凡,姜欣欣[1](2019)在《基于小波系数区域相关性的超声波流量计信号处理》一文中研究指出针对超声波流量计易受外界干扰的问题,为进一步提高超声波流量计的测量精准度和稳定度,提出了一种基于小波系数区域相关性滤波的优化算法。该算法用锥形影响域描述在不同尺度下小波系数的选取区域,再利用相邻尺度积,削弱由于尺度增大带来的小波系数偏移。Matlab仿真结果表明,该算法能克服传统相邻尺度积滤波算法的不足,具有更好的降噪性能。(本文来源于《信息与电脑(理论版)》期刊2019年20期)

黄晓君,颉耀文,包玉海,包刚,青松[2](2019)在《微分光谱连续小波系数估测雅氏落叶松尺蠖危害下的落叶松失叶率》一文中研究指出害虫引起的林木失叶会严重威胁森林健康。森林虫害遥感监测与评价中快速、准确获取失叶信息十分重要。基于此,针对雅氏落叶松尺蠖引起的落叶松失叶灾象,在蒙古国开展受害林木光谱测量和失叶率估测试验。首先通过光谱实测数据的处理,得到微分光谱反射率(DSR,对光谱反射率求一阶导数)和微分光谱连续小波系数(DSR-CWC,利用Biorthogonal, Coiflets, Daubechies和Symlets等4种小波系的36个母小波基函数对DSR进行连续小波变换),分析DSR和DSR-CWC对失叶率的敏感性,进而借助MATLAB的Findpeaks(Fp)函数自动寻找DSR和DSR-CWC的敏感波段并确定其对应的敏感特征,然后利用连续投影算法(SPA)对敏感特征进行降维处理,最后利用敏感特征建立偏最小二乘回归(PLSR)和支持向量机回归(SVMR)失叶率估测模型,并与逐步多元线性回归(SMLR)模型进行比较。研究结果表明:①DSR-CWC与DSR相比,对失叶率变化的敏感性更显着且敏感波段亦较多,其敏感波段主要分布于叁个吸收谷(440~515, 630~760和1 420~1 470 nm)和叁个反射峰(516~620, 761~1 000和1 548~1 610 nm)范围内。说明DSR-CWC能够增强光谱反射和吸收特征。②Fp与SPA结合模式(Fp-SPA)不仅能够快速、客观选择敏感特征,而且对特征有效降维,是一种光谱敏感特征选择的有效方法。③4种小波系的最优母小波基分别为bior2.4, coif2, db1和sym6,其中db1的失叶率估测性能最稳定,精度最高。④对DSR进行连续小波变换能够提高失叶率估测精度,在DSR-CWC中db1-PLSR模型(R■=0.934 0, RMSE_M=0.089 0)提高的最为显着,比DSR-PLSR的R■提高了0.047 5并且比DSR-PLSR的RMSE_M降低了0.024 9。⑤利用DSR-CWC建立的PLSR和SVMR模型估测精度类似,其精度优于SMLR模型。可见, DSR-CWC比DSR失叶率估测更有潜力,可为森林虫害遥感监测中提供重要参考。(本文来源于《光谱学与光谱分析》期刊2019年09期)

张涛,魏海广,莫绪涛[3](2019)在《基于小波系数树状结构的组稀疏图像去噪方法(英文)》一文中研究指出为了提高图像对比度以及图像质量,受图像的局部均方差变化范围会随噪声强度的增强而变窄这一有趣的现象启发,在小波域中提出了一种基于小波系数树状结构的组稀疏图像去噪模型.由噪声导致的图像局部均方差变化范围的压缩会引起图像对比度以及图像质量的下降.为了平衡图像的局部均方差分布,引入一种混合范数作为图像去噪模型的正则项,以达到对局部均方差矩阵进行稀疏约束的目的.该混合范数引入了小波系数之间的耦合,并且给出了一种小波系数的树状分组方式.利用交替方向乘子法(ADMM)以及快速迭代阈值收缩算法(FISTA)研究模型在不同情况下的求解方法.最后,通过多组实验验证了所提模型的有效性.实验结果表明,提出的组稀疏优化模型能够有效地平衡图像的局部均方差分布,从而提高图像的对比度和图像质量.(本文来源于《Journal of Southeast University(English Edition)》期刊2019年03期)

孙志伟,史立,胡雄,李维,胡飞跃[4](2019)在《振动信号小波分解系数压缩编码方法》一文中研究指出针对机电设备远程状态监控与健康评估需采集大量振动信号数据,为数据储存与传输带来巨大压力的问题,基于整数提升小波分解的多分辨率特性与稀疏分解特性,利用改进的自适应阈值方法对小波系数进行阈值处理,实现信号去噪;提出一种基于小波系数幅值分布规律的系数分组编码与区间差分编码结合的压缩编码方法;采用硬阈值方法、Minmax阈值方法与本文中所提方法对振动信号进行对比试验。结果表明,该压缩编码方法不仅能够实现较高的压缩比,而且能够完整保留信号的特征频率。(本文来源于《济南大学学报(自然科学版)》期刊2019年05期)

肖文卿,汪鸿浩,詹长安[5](2019)在《基于小波系数特征融合的小鼠癫痫脑电分类》一文中研究指出采集癫痫小鼠模型在常态与致癫状态下的脑电信号以研究其癫痫脑电的自动分类。对经过噪声和伪迹消除预处理的脑电信号进行小波变换,获得不同频率子带的小波系数,对脑电信号及与癫痫特征波相关的小波系数提取相应的线性特征(标准差)和非线性特征(样本熵);基于这些特征及其组合使用支持向量机分类器实现分类。实验发现基于小鼠脑电本身的标准差和样本熵的分类正确率分别为59.10%和58.00%;而融合各相关小波系数的标准差或样本熵,分类正确率分别达到86.60%和88.60%;融合全部相关小波系数的线性和非线性特征后分类正确率为99.80%。这些结果说明基于小波系数特征融合的分类算法性能有显着提升,能有效实现小鼠癫痫脑电的自动分类。(本文来源于《计算机工程与应用》期刊2019年14期)

许汝耀[6](2019)在《变系数初边值问题的小波解法及其力学应用》一文中研究指出近些年来,小波理论在数学以及诸多科学领域都得到了长足的发展并且有着广泛的应用。作为小波理论的重要应用之一,边值问题和初边值问题的求解越来越受到许多计算数学与计算工程科学者们的高度重视。小波尺度基函数具有光滑性、正交性、紧支集等良好的性质,基于小波理论发展起来的数值方法在处理边值和初边值问题中有着独特的优势。人们不断发展了常系数边值和初边值问题的小波解法,但对于变系数边值和初边值问题的研究还没有特别深入。本文针对不同形式的变系数微分方程,基于小波理论提出了一种变系数边值和初边值问题的统一求解格式。以下是本文的主要研究成果:(1)基于已有的常系数边值问题的小波解法,本文提出了一种变系数边值问题的小波统一求解格式,并将其拓展到了二维甚至高维情形中。(2)结合基于小波理论的时间积分方法,本文提出了一种变系数初边值问题的小波统一求解格式,同样将其推广到了二维以及多维情形中。(3)通过计算一些经典算例验证了常系数边值和初边值问题的小波解法具有良好的计算精度与计算效率,并计算了等截面梁板结构的振动问题。(4)基于本文提出的求解变系数边值问题的小波解法,定量研究了变截面梁板结构的弯曲问题。(5)基于本文提出的求解变系数初边值问题的小波解法,研究了两类变截面梁的振动问题,给出了变截面梁上不同位置处以及梁上各点在某一时刻的振动情况。此外,通过对变厚度矩形板的振动问题的研究给出了薄板中点以及薄板上各点在某一时刻的振动情况。最后,我们运用此求解格式研究了一类在弹性地基上带有非线性项的变厚度矩形板的振动问题。本文中提出的变系数微分方程的小波统一解法有效地避免了复杂连接系数的计算,极大地增加了求解变系数微分方程的计算效率,并且有着极高的精度。此类求解格式能够求解不同形式的线性以及非线性的变系数微分方程,在自然科学以及工程应用领域中都有着广泛的应用。(本文来源于《兰州大学》期刊2019-05-01)

江念,王召巴[7](2019)在《基于双树复小波系数层间相关性的非线性超声谐波提取方法》一文中研究指出非线性超声信号具有非平稳性、非线性和高次谐波信噪比低的特点,为提高非线性超声无损检测技术对缺陷的表征能力,提出一种基于双树复小波系数层间相关性结合软阈值滤波算法的超声谐波提取方法。首先采用双树复小波将信号分解为基频和二倍频等不同频带的分量;由于各分量存在一定程度的频率混迭,利用小波系数层间相关性对各分量信号滤波,消除频率混迭并得到修正后的细节子波;然后结合软阈值算法对修正后的小波系数进一步降噪;最后将滤波降噪后的各分量系数重构,即可实现对非线性超声信号中基波和二次谐波信号的提取。实验结果表明,该算法滤波效果良好,有效地提取了二次谐波信号,提高了非线性超声检测结果的准确性和鲁棒性。(本文来源于《仪表技术与传感器》期刊2019年04期)

许海山[8](2019)在《Haar小波求解时间-空间变系数分数阶偏微分方程》一文中研究指出考虑运用Haar小波算子矩阵求一类时间-空间分数阶偏微分方程的数值解。将Haar小波与算子矩阵思想进行结合,有效离散初始方程,把分数阶微分方程转化为矩阵代数方程,并提出有效算法来处理时间-空间变系数,使计算更简单有效。(本文来源于《安阳师范学院学报》期刊2019年02期)

李静,朱莉[9](2019)在《分数阶变系数微分方程的Euler小波解法》一文中研究指出通过构造Euler小波,推导并利用Euler小波分数阶积分算子矩阵求解一类变系数的分数阶微分方程。研究结果表明,Euler小波方法比其他小波方法具有更高的精度,并且随着参数■的增大,数值解与精确解可以很好地吻合。(本文来源于《宁波工程学院学报》期刊2019年01期)

林志达,吕华辉[10](2019)在《小波系数感知的网络流量预测机制》一文中研究指出对网络流量的精确预测,可以准确把握网络运行趋势,及时防范网络故障。针对长期网络流量预测准确度低,收敛速度慢的问题,提出一种小波系数感知的网络流量预测(WCNTP)机制。借助重标极差(R/S)序列分析法初步评估网络流量在大时间尺度上的统计特性;利用离散小波变换将非平稳的网络流量分解为多个相对平稳的流量序列;利用分数自回归求和滑动(FARIMA)模型对网络流量进行预测。结果表明,所提机制在长期网络流量预测过程中,具有较高的准确度且收敛速度快,能够精确评估网络性能,在保证网络平稳运行的同时,提高网络服务质量。(本文来源于《太赫兹科学与电子信息学报》期刊2019年01期)

小波系数论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

害虫引起的林木失叶会严重威胁森林健康。森林虫害遥感监测与评价中快速、准确获取失叶信息十分重要。基于此,针对雅氏落叶松尺蠖引起的落叶松失叶灾象,在蒙古国开展受害林木光谱测量和失叶率估测试验。首先通过光谱实测数据的处理,得到微分光谱反射率(DSR,对光谱反射率求一阶导数)和微分光谱连续小波系数(DSR-CWC,利用Biorthogonal, Coiflets, Daubechies和Symlets等4种小波系的36个母小波基函数对DSR进行连续小波变换),分析DSR和DSR-CWC对失叶率的敏感性,进而借助MATLAB的Findpeaks(Fp)函数自动寻找DSR和DSR-CWC的敏感波段并确定其对应的敏感特征,然后利用连续投影算法(SPA)对敏感特征进行降维处理,最后利用敏感特征建立偏最小二乘回归(PLSR)和支持向量机回归(SVMR)失叶率估测模型,并与逐步多元线性回归(SMLR)模型进行比较。研究结果表明:①DSR-CWC与DSR相比,对失叶率变化的敏感性更显着且敏感波段亦较多,其敏感波段主要分布于叁个吸收谷(440~515, 630~760和1 420~1 470 nm)和叁个反射峰(516~620, 761~1 000和1 548~1 610 nm)范围内。说明DSR-CWC能够增强光谱反射和吸收特征。②Fp与SPA结合模式(Fp-SPA)不仅能够快速、客观选择敏感特征,而且对特征有效降维,是一种光谱敏感特征选择的有效方法。③4种小波系的最优母小波基分别为bior2.4, coif2, db1和sym6,其中db1的失叶率估测性能最稳定,精度最高。④对DSR进行连续小波变换能够提高失叶率估测精度,在DSR-CWC中db1-PLSR模型(R■=0.934 0, RMSE_M=0.089 0)提高的最为显着,比DSR-PLSR的R■提高了0.047 5并且比DSR-PLSR的RMSE_M降低了0.024 9。⑤利用DSR-CWC建立的PLSR和SVMR模型估测精度类似,其精度优于SMLR模型。可见, DSR-CWC比DSR失叶率估测更有潜力,可为森林虫害遥感监测中提供重要参考。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

小波系数论文参考文献

[1].余江,赵书锐,何斐凡,姜欣欣.基于小波系数区域相关性的超声波流量计信号处理[J].信息与电脑(理论版).2019

[2].黄晓君,颉耀文,包玉海,包刚,青松.微分光谱连续小波系数估测雅氏落叶松尺蠖危害下的落叶松失叶率[J].光谱学与光谱分析.2019

[3].张涛,魏海广,莫绪涛.基于小波系数树状结构的组稀疏图像去噪方法(英文)[J].JournalofSoutheastUniversity(EnglishEdition).2019

[4].孙志伟,史立,胡雄,李维,胡飞跃.振动信号小波分解系数压缩编码方法[J].济南大学学报(自然科学版).2019

[5].肖文卿,汪鸿浩,詹长安.基于小波系数特征融合的小鼠癫痫脑电分类[J].计算机工程与应用.2019

[6].许汝耀.变系数初边值问题的小波解法及其力学应用[D].兰州大学.2019

[7].江念,王召巴.基于双树复小波系数层间相关性的非线性超声谐波提取方法[J].仪表技术与传感器.2019

[8].许海山.Haar小波求解时间-空间变系数分数阶偏微分方程[J].安阳师范学院学报.2019

[9].李静,朱莉.分数阶变系数微分方程的Euler小波解法[J].宁波工程学院学报.2019

[10].林志达,吕华辉.小波系数感知的网络流量预测机制[J].太赫兹科学与电子信息学报.2019

论文知识图

5.9 刀具失效时功率波动异常监测粒子(解向量)表达Fig.5.2Particle(...不同权重系数2μ下的正确模糊检测率流量时序分布图小波系数之间的关系一9MTCX解码框图

标签:;  ;  ;  ;  ;  ;  ;  

小波系数论文_余江,赵书锐,何斐凡,姜欣欣
下载Doc文档

猜你喜欢