小波分析在深水层序地层划分中的应用

介绍了小波分析的基本原理,探讨了测井信号小波分析在高精度层序地层划分中的适用性及其地质意义.对测井信号进行一维小波和一维连续小波变换后可识别出不同级次的沉积旋回,结合研究区已有的地震、测井、岩芯资料综合分析确定合适的小波尺度进行高精度层序地层界面的识别.研究表明,自然伽马测井曲线小波分析对深水碎屑岩高精度层序地层学的划分与传统方法吻合较好.     

无线信号自动识别算法的仿真实现

首先对比Hilbert变换构建的解析信号进行时频分析的方法,探讨了基于决策理论的模拟调制方式识别方法。然后在分析该方法缺陷的基础上,提出了基于神经网络的识别方法。神经网络(NN)在进行信号识别时,主要是依据谱峰位置的不同,小波变换在这里则相当于一个数学显微镜,反映信号类别与谱峰位置间的必然联系。利用小波变换并结合简单的三层BP神经网络,即可提取更加精确的待识别信号的时频特征。     

基于小波包和局部阈值的飞机姿态识别

本文结合小波包变换和局部阈值各自的优点,提出了一种基于小波包变换和局部阈值的飞机姿态识别方法。该方法首先利用小波包变换对飞机图像进行去噪,然后分别运用Canny算子和局部阈值法对去噪后的飞机图像进行边缘提取,验证了局部阈值方法的优越性,再根据Hough变换对飞机的姿态进行识别判断。     

无线信号自动识别算法的仿真实现

首先对比Hilbert变换构建的解析信号进行时频分析的方法，探讨了基于决策理论的模拟调制方式识别方法。然后在分析该方法缺陷的基础上，提出了基于神经网络的识别方法。神经网络（NN）在进行信号识别时，主要是依据谱峰位置的不同，小渡变换在这里则相当于一个数学显微镜，反映信号类别与谱峰位置间的必然联系。利用小波变换并结合简单的三层BP神经网络，即可提取更加精确的待识别信号的时频特征。     

层序精细划分方法研究

层序划分是储层描述的基础,层序划分的精细程度在储层描述方面起着至关重要的作用。用于层序划分的方法很多,主要时频分析和小波变换。本文在分析两种方法优缺点的基础之上,采用小波变换与时频分析联合的方法进行层序划分。     

基于部分遮挡的人脸表情识别方法

针对部分遮挡的人脸表情识别,提出了一种基于部分遮挡判断的人脸表情识别方法：首先对包含表情信息的静态图像进行Gabor小波变换,提取表情特征矢量,然后用最大相关分类器对特征矢量分类。实验表明,该方法对局部遮挡的人脸表情识别有较强的鲁棒性。     

小波分解在测井解释中的应用

本文介绍了小波分解与重构的基本理论,对某油田的测井信号进行小波分解,并对该测井信号进行了奇异性检测,用于提高测井解释符合率。利用小波变换理论全面分析测井曲线的细微变化,并结合判别分析的方法进行地层压力的预测和储层识别。     

大跨度结构损伤定位的研究评述

对损伤识别技术的现状作归纳与总结,并对其发展方向进行了探讨,讲述了振动损伤识别方法,小波分析,神经网络损伤识别方法。指出了损伤识别中有待解决的问题及其发展前景     

基于小波变换的图像检索

正本文研究了小波变换的有关定义、理论和性质,尤其是小波变换的多分辨分析理论和离散小波变换理论;研究比较了图像边缘提取的一些方法,着重研究了图像检索的基本方法和基于小波变换的商标图像检索方法,在MATLAB工作环境下对其进行仿真试验,并对实验结果进行了分析和比较。我们还将作进一步研究,使之具有实用价值。近年来出现的小波分析方法作为有力的分析工具被用     

基于小波变换算法的时频分析技术在地震信号处理中的应用

本文简单介绍傅氏变换、短时傅立叶变换和小波变换,分析了小波变换方法在实现时频分析方面的优势,并创建理论数据,编制程序对理论数据进行了多种方法的时频分析,经过对比小波算法在理论数据处理方面获得验证,在此基础上,对实际地震数据进行了计算,取得了较好的效果。     

基于不变矩和小波神经网络的交通标志识别研究

研究了用于交通标志识别的小波神经网络模型,并描述了相应的算法,给出实验结果。实验结果表明,采用不变矩提取道路交通标志的特征,再利用训练速度快、优化性能好的小波神经网络作为分类器对交通标志识别具有很好的分类能力,对实现交通标志的精度识别提供了有力的支持。与传统的BP神经网络识别方法相比,小波神经网络的训练速度更快和识别率更高,能够满足在车辆自主导航系统中对交通标志识别的要求。     

暂态电能质量扰动识别分析

电能质量问题日益受到电力部门和用户的关注。采取合理的方法和措施改善电力系统电能质量首先要进行准确的电能质量扰动识别。本文在分析了暂态电能质量的基本理论基础上,分析了研究暂态电能质量扰动识别的意义,并根据怕斯维尔定理和小波变换,提出了对暂态电能质量扰动进行识别的方法,具有一定的适用性。     

小波分析在层序单元划分中的应用

根据小波选取原则,选择db5小波对测井曲线进行旋回划分,研究表明,db5小波可以将测井信号中的信息分频放大,识别出不同频段的旋回,分别对应不同沉积周期的沉积旋回,进而划分出准层序组,此方法在实际应用中得到的结论与实际的地质情况比较吻合。     

虹膜特征提取和匹配的几种主要算法研究

虹膜的身份识别在国际上已成为一个研究的热点领域。本文主要比较了虹膜特征提取和匹配的几种主要算法,分别说明了Gabor变换、傅里叶变换和小波变换的优点与不足,并指出相对而言,小波变换更适合应用在虹膜图像的识别中。     

基于计算智能的损伤检测研究

本文将计算智能(CI)现代信号处理方法有机地结合起来进行损伤检测,提供了一种机械传动系统故障诊断方法。采用离散小波分解和小波包变换,分别对去噪后的信号进行分解,对齿轮不同状态下的信号进行了研究。重构了小波变换后的各层信号,并计算了各层信号的能量,得到了信号的能量分布特征。分别利用小波分析与神经网络相结合和小波包变换与支持向量机相结合的计算智能算法对获得的齿轮特征信号进行了分析、识别和比较。研究表明,该方法可以很好的用于设备损伤检测领域。     

时域内连续梁集中动载荷位置识别技术

<正>航空航天等领域的巨大进展对结构动力学的发展起着很大的促进作用。在二十世纪七十年代时期,动载荷识别技术就具有了一定的发展,且在某些直升机动载荷识别中得到成功运用,填补了动载荷识别技术工程实践的空白。动载荷识别技术是一种计算科学和力学两方面相综合的工程技术。至今为止,动载荷识别技术主要在频域内和时域内研究,即有频域内识别方法和时域内识别方法两种。与此同时,同有限元相结合的遗传算法、神经网络法和小波分析法逐渐出现在     

微损小波分解航空行星齿轮故障特征及诊断

提出基于dbN小波算子小波变换分解行星齿轮故障特征的故障检测算法,算法可以在轻微损坏时就较好地判断出齿轮故障。通过分析行星齿轮的故障成型,以及故障的冲击振动传播路径,建立其故障模型,在利用小波变换方法对其故障信号进行分析,检测方法可以较好地进行故障识别与检测,对比传统的傅里叶变换,新算法可以对微弱信号识别,能同时判断缺陷轮齿的频率和出现的时间,在排除故障时能准确分析故障位置,以及故障类型。仿真实验表明改进算法小波变换,具有弱信号检测能力强,准确判断故障出现时间,为尽早发现故障与解决故障问题提供了保障,故障检测概率提高了15%。具有较好的工程实用性。     

基于小波变换星地同步数据处理技术研究

阐述了星地授时同步原理和小波变换理论,分析了小波基的选取准则以及阈值,阈值函数的选取方法。将小波变换理论应用于星地同步数据的处理上,在matlab的平台上对星地同步数据进行降噪仿真处理,分别采用haar小波、db6小波、db10小波和sym6小波对星地授时同步数据进行降噪处理。实验结果表明,小波变换方法实现了对授时同步数据的有效降噪,将授时同步精度提升至10纳秒以内,是一种可靠的分析方法,为星地同步数据降噪方法提供了一定的参考价值。     

浅析小波变换理论及其应用

本文介绍了小波变换的发展历史,基本原理,比较了小波变换与傅立叶变换的各自不同的特点,讨论了当今传输系统中小波变换的应用,通过这些介绍分析,得出小波变换算法在信号处理、瞬态分析、图像处理等方面的优势,最后对小波变换理论的发展及其应用前景作了展望。     

一种基于二维Gabor小波的虹膜识别算法

本文针对基于二维Gabor小波全局特征的虹膜识别方法对局部特征不敏感的缺点,提出了改进的基于二维Gabor变换的虹膜识别方法.在不同分辨率不同方向提取虹膜全局特征的基础上,引入非线性变换和特征加权.提高了虹膜识别率.同时提取局部方向能量特征作为虹膜纹理局部特征.最后提出综合考虑全局特征和局部特征的虹膜融合算法.该融合方法进一步提高了虹膜识别方法的识别率,增加了系统在不同图像质量下的适应能力.