提出了一种基于小波矩不变量和保局投影(LPP)的特征提取方法,并应用于中厚板表面缺陷自动识别.首先对图像做三级小波变分解,将中厚板表面图像的细节分解到各个尺度的各个分量中并利用小波阈值收缩法降噪;然后对各分量的傅里叶幅值谱提取Hu不变矩作为原始特征向量,并利用LPP将该特征向量的维数从77维降到8维;最后利用AdaBoost分类器对样本进行分类识别.实验结果表明,本文提出的特征提取方法适用于中厚板表面缺陷分类,识别率达到91.60%

6.1 引言 6.2 连续小波变换 6.3 离散小波变换 6.4 小波分析的应用

对测取的齿轮箱振动信号进行了离散小波变换,提取了齿轮箱螺栓拉断的故障信息.结果表明,小波变换或小波分析为判断、预防同类事故提供了一种有效的分析手段

分析了小波基函数对于确定模式、混沌模式及随机模式所表现出来的不同的收敛特性,提出构造一个小波神经网络及相应学习算法.利用小波网络在学习过程中神经元的不同增长趋势来反映上述收敛性的差异,从而将3种不同的模式予以区分,并将混沌模式从中提取出来

1、小波的特点和发展 2、小波分析在一维信号处理中的应用 3、小波分析在图象分析中的应用 图象特征抽取 图象压缩 数据隐藏和图象水印

提出了一种分数阶的对称性近似平移不变过完备小波的构造方法.首先,给出一种构造具有对称性且具有最小长度的低通滤波器方法.其次,通过拓普利兹矩阵分解法求出对应的具有近似平移不变性的高通滤波器,此方法比其他分解方法具有更低的计算复杂度.此外,利用此构造方法,也得到具有更高阶消失矩的分数阶过完备小波变换.最后,将构造出的分数阶对称平移不变过完备小波应用到轴承故障诊断中.实验结果表明,提出的小波变换能有效地提取出轴承的故障特征

概要地叙述了小波、小波包理论,提出了一种用小波包分解和信号重构进行信号滤波的方法.先用小波包分解把信号分解到相邻的不同频率段上,然后用信号重构方法对各个频率段上的信号进行重构.以电机的振动信号为例,说明这种方法可以有效地用于信号的滤波

在对混沌时间序列与随机序列的不同特征进行分析的基础上,提出一种可对二者予以区分的判定算法.并结合具有优异特性的小波函数,构造一种小波神经网络.最终给出基于小波网络的集成的混沌时间序列判定一预测算法

1.双正交小波 前面我们构造的 Daubechies小波,除了Haar外,它们都没有对称性。对称性和线性位相是直接相联系的,后者是信号处理等问题所需要的

建立了一种新的二次频谱分析方法,首次提出了小波倒频谱的概念.将基于小波倒频谱的多尺度统计特征量综合监测法应用于微孔钻削的状态监测,取得了较好的结果