中国科学技术大学：《并行计算 Parallel Computing》课程教学资源（实验）快速傅氏变换和离散小波变换

演示演讲PPT成功案例：小波的生成方法

演示演讲PPT成功案例：小波变换在信号处理中的应用

演示演讲PPT成功案例：Matlab中的小波分析工具箱

现代电力电子设备对非平稳、时变电压信号十分敏感,基于此提出了一种网侧电压异常检测与预报的方法,通过对网侧电压信号进行实时检测,向相关电力电子设备的控制电路发送网侧电压异常预报信号.为消除电压信号中的常规噪声干扰,首先采用线性跟踪微分器对网侧电压信号进行滤波,在此基础上,通过引入小波变换模极大值法检测奇异点,对滤波后的信号进行电压突变点的判断,目标是准确预报出电网电压中可能对电力电子设备造成危害的异常点.仿真与实验结果表明,基于线性跟踪微分器的小波信号检测能够实时准确地获得理想信号的最佳逼近,提高了网侧电压故障检测速度,通过实时的检测与分析,该方法能够为电力电子设备提供具有参考价值的预报信号

在上节所讲的V+l=V+W中V就是尺度空间,即我们观察事物所采用的尺度,也就是分辨率。W就是 细节空间,即不同尺度空间观察事物的差异。并且知道一幅图像=最低分辨率下图像+不同细节空间的细 节信息即一幅图像=系数*尺度基+系数*细节空间基在Har小波中若一个事物可用如下2个尺度 基描述(尺度相同,位移不同)记为1尺度那么当我们用一个大尺度基描述时(即取平均),就会有一 个失真记为0尺度此细节差异就对应描述基如下(补空间基)正如富里叶变换是将一个周期函数用无

针对齿轮的振动特点,设计了复合过完备时频字典,利用基追踪方法在匹配信号特征结构、直接提取特征信息方面的优势分析了齿轮箱的现场测试振动信号.根据基追踪分解结果,在时频联合域内提取了齿轮局部损伤的周期性冲击特征,识别了齿轮点蚀缺陷.与短时Fourier变换和小波变换等时频分析方法进行了对比分析,验证了基追踪检测齿轮损伤的有效性

为了研究铁磁性材料金属磁记忆信号与其内部机械应力之间的关系,应用小波分析技术,将金属磁记忆信号分解为大尺度逼近和细节分量两个部分,然后计算其细节分量的关联维数,并考察机械应力与关联维数变化之间的关系.结果表明,随着机械应力的增加,磁记忆信号关联维数降低

通过对人耳受到部分遮挡时识别的研究,提出了一种基于局部特征的部分遮挡人耳识别方法,即首先利用Gabor小波对人耳图像进行特征提取,由于该特征维数较高,再使用核Fisher判别分析(KFDA)方法进行有效降维后用于人耳识别.在逐步分析人耳各个子区域的鉴别能力的基础上,提出了基于分块图像和概率模型的识别方法.在北京科技大学(USTB)人耳图像库上的实验结果表明:基于Gabor滤波后图像所提取的特征比基于原始图像直接提取的特征具有更高的识别率,基于分块图像的识别率高于基于整体图像的识别率

基于中尺度地震实验场高密度数字地震和潮汐形变台网的现场观测,用地震学方法和小波工具分析强矿震过程采集到的数据.发现震前短临阶段存在可信的b值、η值、频度等地震学异常和定点潮汐形变前兆异常.对异常信息的提取方法和强矿震短临阶段的预测进行了探讨