对数域技术实现的连续小波变换共享型结构

基于对3类特殊小波的分析,从时域和频域两个方面,分别提出了用于实现这三类连续小波变换的新型电路结构.以3类小波的相似结构为基础,采用新型的对数域集成电路设计方法,设计实现了具有共享结构的连续小波变换系统,并进行了电路仿真实验.该系统可以同时实现3类特殊的连续小波变换,且由于对数域设计技术的引入,电路工作在电流模式状态下,具有低电压、低功耗以及灵活的宽频段可调性等特点.     

用平衡式对数域积分器实现连续小波变换

为满足低电压、低功耗及实时处理等应用要求的需要,提出了一种新的基于平衡式对数域积分器的连续小波变换实现方法.小波变换实现电路由冲激响应为高斯一阶导数小波的模拟滤波器构成,其传输函数用Levenbery-Marquardt非线性最小二乘法求得.滤波器以工作在甲乙类状态的平衡式对数域积分器为积木块进行设计,通过改变平衡式对数域积分器的偏置电流而实现不同尺度下的小波变换.计算机仿真结果表明了该方法的可行性.     

基于开关电流的连续小波变换实现

提出了一种基于电流模的开关电流技术取代基于电压模的开关电容技术实现连续小波变换的方法．采用并联式复解调方案利用开关电流技术实现连续小波变换．设计实现了开关电流振荡器和开关电流乘法器，Pspice仿真结果证实了其可行性．     

基于经验小波变换的瞬时谱分析技术及其在致密砂岩气藏检测中的应用

瞬时谱分析技术在油气检测方面具有巨大潜力。瞬时谱分析技术建立在时频分析方法的基础上,因此瞬时谱分析技术的好坏取决于时频方法的优劣。传统时频分析方法受Heisenberg测不准原理的制约,在处理地震信号这类非平稳信号时无法兼顾时间域和频率域的分辨率。将经验小波变换应用到瞬时谱分析技术中,与基于传统时频分析方法的瞬时谱分析技术相比具有更高的时间和频率分辨率,解决了Heisenberg测不准原理的制约难题。将基于经验小波变换的瞬时谱分析技术应用于致密砂岩气藏的地震资料中,分别从一维地震道、二维地震剖面两种角度开展了致密砂岩气藏的检测工作。结果表明,基于经验小波变换的瞬时谱分析技术相比常规方法具有更优的含气检测能力。     

小波神经网络在模拟电路故障诊断中的应用研究

对模拟电路提出了一种基于小波与神经网络辅助式结合的故障诊断方法．该方法用小波变换作为模拟电路故障信号的预处理器，大大减少神经网络的输入数目，简化神经网络结构和减少它的训练时间，提高辨识故障能力．在介绍该故障诊断方法的基本原理后。给出了小波函数及故障特征选择的方法．     

n维连续小波变换的局部正则性

Ｈｏｌｓｃｈｎｅｉｄｅｒ和Ｔｃｈａｍｉｔｃｈｉａｎ讨论了一维连续小波变换的局部正则性，建立了一维不可微函数的Ｈｏｌｄｅｒ连续性与其小波变换绝对值衰退性之间的关系，本文将其结论推广到ｎ（≥２）维情形。     

基于连续小波变换的土壤有机质含量高光谱反演

以托克托县境内120个土壤有机质含量以及对应光谱数据为数据源,探究了不同土壤类型与土地利用类型下土壤有机质高光谱反演研究的可行性,采用连续小波变换对原始光谱（R）、光谱倒数（1/R）、光谱对数（LnR）、光谱一阶微分（R′）进行分解生成小波系数并与土壤有机质进行相关系分析,提取特征波段建立BP神经网络与支持向量机模型（SVM）。结果表明：①R、1/R、LnR、R′与土壤有机质相关系数经过连续小波变换后,较之前增加了0.204、0.090、0.199、0.252,表明连续小波变换可深度挖掘光谱潜在信息,提升与有机质含量之间的相关系数。②未经过连续小波处理前,SVM无法实现对当地土壤有机质含量的预测,经过处理后,模型SVM-CWT-R与SVM-CWT-R′的精度决定系数分别达到了050、0.56,均方根误差为0.17、0.15,相对分析误差为1.62、1.53,实现了对土壤有机质的有效估算。③经过连续小波变换后BP神经网络预测模型结果得到提升,其中BP-CWT-LnR预测模型效果最佳,精度决定系数达到0.76,较之前BP-LnR提升了0.2;均方根误差达到015,降低0.04;相对分析误差为2.12,增加了0.87。因此利用BP-CWT-LnR高光谱反演模型进行区域土壤有机质遥感监测,可为当今精准农业提供理论参考与技术支持。     

用小波变换提取心电信号的情感特征

采用小波变换的方法对采集自同一被试的不同情感数据样本进行分析,从小波系数中提取心电图信号的情感特征.对同一天采集自同一被试的4种情感的特征进行比较分析,得出大小关系一致的特征作为情感识别依据.选取的特征在归一化之后对高兴和悲伤2类情感分类效果较好,最高可以达到92%.     

利用小波变换对暴雨过程中GNSS气象要素的研究

水汽的时空分布会对天气情况和降水预报产生影响,常规的探测手段精确度较低、分辨率不 高,利用小波变换可深入研究暴雨中的GNSS 气象要素情况。小波分解可以从GNSS 中获取可降水 量、气压、对流层延迟等信息,并以此作为暴雨降水量的判断依据。1 小时间隔可降水量、气压和对流 层延迟的小波高频分解系数较为接近,可从中获得暴雨预报信息。     

中草药大黄的小波变换红外光谱的聚类分析鉴别

采用傅里叶红外光谱法(FTIR)扫描41种不同品种大黄(Rheum palmatum L.)红外指纹图谱,建立了中草药大黄的红外指纹图谱,运用小波变换技术对近红外光谱进行压缩,应用聚类分析方法对红外数据进行处理,可以有效地鉴别不同产地的大黄,减少训练时间,结果与传统鉴别的结果基本一致.红外光谱法可用于中药大黄的质量控制,为中草药大黄的鉴定提供理论依据和实用方法.     

基于连续小波变换的蒺藜植被覆盖度预测

植被覆盖度是评价土地是否荒漠化最有效的指标之一,也是植被监测的重要指标。通过高光谱估算植被覆盖度,可以为植被监测提供重要依据。以半干旱区托克托县的固沙植被蒺藜（Tribulus terrestris L.）为研究对象,分析了不同植被覆盖度光谱曲线特征的变化情况;提取两波段原始光谱植被指数并与植被覆盖度之间的相关性,选取最优波段组合;利用连续小波变换（continuous wavelet transform,CWT）对植被光谱反射率进行不同尺度分解,提取出不同分解尺度的最优波段;采用偏最小二乘法（partial least square,PLSR）和支持向量机（support vector machine,SVM）两种方法,以不同自变量建立植被覆盖度估算模型。结果表明：①原始光谱植被指数与植被覆盖度呈显著相关,相关系数均在0.55以上,最优波段组合为DI（2 260 nm,2 210 nm）、RI（1 410 nm,660 nm）、NI（1 470 nm,670 nm）、RDVI（1 770 nm,670 nm）、MSR（1 410 nm,660 nm）;②小波系数也与植被覆盖度之间有良好的相关性,原始光谱中1~10尺度对应的相关系数均在0.72以上,在波段630 nm处第6分解尺度中,相关性最大为0.788 9;一阶微分光谱提取的小波系数与植被覆盖度的最大相关性为0.806 9;二阶微分光谱中1~10尺度小波系数与植被覆盖度的相关性均在0.6以上,其中最大相关性为0.781 8;③以原始光谱植被指数与不同导数变换的CWT提取的小波系数为自变量建立的模型中,输入量为二阶微分小波系数的PLSR模型精度最高,模型最稳定,R²为0.905 9,RMSE为0.035 6,这表明经过CWT算法处理后,可以提高光谱的特征信息,为植被覆盖度的估算反演提供技术方法。