Results 91 to 100 of about 956,810 (158)
[Automatic epileptic seizure detection algorithm based on dual density dual tree complex wavelet transform]. [PDF]
Sheng Wu Yi Xue Gong Cheng Xue Za Zhi, 2021 Kang T +6 more
europepmc +1 more source
Gaoya dianqi, 2009 基于超高频包络检波的GIS局部放电检测系统采样得到的超高频局部放电包络信号中含有噪声。笔者分析了检测系统测量过程中可能混入的几种噪声,通过截取没有局部放电的采样信号进行频谱计算,理论与实测分析结果均表明,包络检波后信号中的噪声主要是白噪声。基于小波变换的滤波算法对白噪声有很好的抑制效果,文中在对小波变换原理进行简要分析的基础上,提出了改进阈值的小波滤波算法,仿真及实测信号的滤波结果证实了该改进算法的有效性。
李立学 +5 more
doaj
四川大学学报. 自然科学版, 2008 提出基于二进小波变换的血管内超声图像血液斑点噪声抑制和对比度增强算法.血液红细胞散射引起的斑点噪声属于乘性噪声,在对数域进行二进小波变换后,结合软阈值滤波法和硬阈值滤波法对不同尺度的小波系数进行萎缩处理,并提出了一种局部阈值估计方法.同时采用了基于多尺度边缘表示的,利用小波系数极值拉伸和Hermite多项式插值实现的快速增强算法.实验结果表明,与现有单独进行去噪处理的方法相比,该方法在抑制血液斑点噪声的同时增强了图像对比度,具有更好的实用性.
李虹, 王惠南, 章哓国
doaj
Dianci bileiqi, 2019 采用总体经验模态分解和小波阀值去噪相结合的方法对泄漏电流进行去噪处理。对泄漏电流信号首先进行总体经验模态分解,再对高频IMF分量按照4种阀值小波去噪方法（固定阀值法、启发式阈值法、自适应阈值法和极大极小阀值法）进行去噪,最后进行重构。以泄漏电流的3个特征量（有效值、3次谐波与基次谐波之比、波形）对去噪效果进行分析,综合比较得到采用总体经验模态分解与启发式阈值小波相结合的去噪方法的去噪效果最佳,采用该方法对实际污秽绝缘子泄漏电流进行去噪处理,去噪效果良好。
赵世华 +4 more
doaj
Gaoya dianqi, 2002 通过超高频信号采集,利用离散小波变换识别变压器中不同位置的超高频局放信号。结果表明,选择合适的小波母函数和小波分解尺度时,发生在变压器不同位置的局放信号的超高频特性会有一定的差别,这有助于识别不同位置的局放信号。
杨莉, 周跃峰, 余松煜
doaj
Automatic Sea Target Detection Based on Wavelet Transform
, 2008 利用小波分析优良的局部化能力和方向特性,提出了一种基于小波变换的海面目标自动检测算法,该算法在小波分解的垂直分量中进行目标检测,经过互能量交叉和海杂波抑制后,通过最大能量判决检测目标位置,并利用双窗口相似性度量函数标定目标大小。实验结果表明,该算法可以在单帧图像中检出目标,并且对存在云层 ...
耿彦峰 +4 more
core
Gaoya dianqi高阻故障是配电电缆常见故障形式之一，其准确定位对提升电网运行可靠性具有重要意义。针对传统小波变换中母小波需预设、难以与实际故障信号特征自适应匹配的问题，文中提出一种基于自生成小波变换的高阻故障定位方法。首先利用ATP-EMTP建立电缆分布参数模型，分析高阻故障击穿的波传播特性。其次，以故障波形初始段自适应生成母小波，并进行连续小波变换提取特征频率，实现故障精确定位。仿真结果表明，所提方法平均定位误差仅为0.168%，在鲁棒性、计算效率及采样频率适应性方面均优于传统过零点检测、傅里叶变换 ...
严有祥 +4 more
doaj
Gaoya dianqi, 2000 介绍了一种用于信号分类识别的小波神经网络，其网络权值由小波函数集充当，并在学习过程中应用了共轭梯度法。将此小波神经网络用于变压器油色谱诊断，经仿真计算，证实它具有比ＢＰ网络更好的逼近性能，可以达到较高的准确率。
李红雷, 肖登明, 赵杰, 潘勇斌
doaj
[Research on the detection algorithm of electrocardiogram characteristic wave based on energy segmentation and stationary wavelet transform]. [PDF]
Sheng Wu Yi Xue Gong Cheng Xue Za Zhi, 2021 Liu J, Sun L, Xiong H, Liang M.
europepmc +1 more source
Gaoya dianqi, 2016 采用小波变换（wavelet transform,WT）和相关向量机（relevance vector machine,RVM）结合的方法对风电场发电功率短期预测进行研究。先利用小波变换将信号分解为不同频率的子序列,提取出风速中的低频趋势分量和高频波动分量;再结合风向和温度数据,运用RVM在不同分量上分别进行预测,并通过重构得到功率的预测结果。此方法应用于国内某风电场,仿真结果表明,通过小波分析能够把握风速变换规律,RVM预测法有较强的学习能力,小波—相关向量机法有效提高了预测精度,表明了该方法的可行性。
刘雨莎, 杨晓萍, 李锐, 张豪
doaj