基于小波变换在图像去噪中应用

基于噪声是影响图像质量的重要因素.噪声的存在导致图像的某些特征细节不能被辨识,图像信噪比下降.本文将小波阈值去噪与维纳滤波结合起来,在小波域进行维纳滤波.设计了双小波基维纳滤波器,采用两路小波变换,对静态图像和动态影像进行去噪实验,结果表明改进的小波域去噪方法相比其他方法能够获得较好的视觉效果和较高的信噪比.     

基于改进小波变换方法的混沌信号去噪研究

针对混沌信号和噪声频谱互相重叠,传统方法难以实现有效滤波这一问题,提出一种改进的小波去噪方法.该方法采用参数加权法构造信号,将小波分解系数进行阈值处理,通过循环迭代,利用序列中包含的有效信息,将有用信号提取出来.仿真结果表明,利用改进小波变换去噪方法改善了混沌时间序列的预测结果,证明了该方法的有效性.     

基于分位数回归的交通流速度-密度关系随机基本图模型

为了准确模拟仿真交通流速度-密度关系,基于分位数回归建立交通流速度-密度关系随机基本图模型。利用分位数回归对速度-密度曲线进行参数拟合,获得不同分位数水平的速度-密度曲线簇,对参数值进行了假设检验和置信区间的计算,并对拟合结果进行数值分析。计算结果表明：提出的模型可以反映不同分位数水平下交通流速度和密度的关系,其中Northwestern分位数模型相较于Greenshields分位数模型和Newell分位数模型误差值分别降低了54.1%和33.6%;所提出的方法为交通流随机基本图模型构建提供了一个方法论,可以推广到其他未来交通流模型,在交通流理论中有非常重要的应用。     

基于多小波分析的暂态信号去噪方法研究

由于多小波分析方法的特殊性,需要对原始信号进行预处理.不同的预处理方法对多小波去噪效果有着非常明显的影响.文中介绍了多小波理论,选用GHM多小波,采用了4种预处理方法对信号进行预处理,分析了基于这4种方法进行信号去噪的结果,并与单小波处理结果进行了比较.将比较结果应用于检测系统输出电压信号进行分析,结果表明,利用多小波变换方法对暂态信号去噪比用单小波方法具有明显的优越性.     

基于离散小波理论的时间尺度变换实现

时间尺度变换就是使信号在时域上压缩或扩展而幅度不发生变化，将连续小波理论的时间尺度变换推广到了离散小波变换领域，推导了基于离散小波变换的函数时间尺度变换公式，在已知任意平方可积函数f(t)的条件下，通过离散小波变换和反变换求得期望的g(t)=f(t/λ)，并给予了理论证明和仿真实验。     

基于小波变换的斜拉桥索双轴漏磁检测方法

针对在役斜拉桥索只能进行无损检测的特点,提出了基于漏磁检测的缆索缺陷探伤方法以及检测电路.由于检测现场空间磁场噪声较强,导致漏磁信号特征不明显,为此,应用二进小波变换的方法,对周向漏磁信号采用基于高斯白噪声的快速离散软阈值算法进行信噪分离,以确定缆索缺陷程度;对轴向漏磁检测信号进行奇异性检测处理,以获取缺陷的精确位置信息.实验结果表明,该方法可实时获取缆绳索缺陷程度和位置信息.     

基于小波变换的交通流数据集成灵敏度分析

道路上的交通流数据通常是以20-30秒间隔采集并传递到交通管理中心的，为了使这些数据能够广泛地运用于各种交通用途，必须采用合理高效的集成方法对其进行处理。传统的数据集成方法基于数理统计的理论，该方法不能有效地去除数据中的噪音。近年来迅速发展的基于小波变换的交通流数据集成方法克服了这一缺点，通过对交通流数据的频率特性进行详细分析能够使集成更加高效，准确满足不同的交通用途对集成的需求。但该方法尚未作进一步的灵敏度分析，本文通过对数据集成中小波函数和数据样本量这两个重要参数的分析，从理论的角度探讨了这两个参数变化对数据集成的影响。然后以北京市三环上的交通流数据为例，计算得到了数据集成建议采用的小波族和小波阶数，以及合理的最小样本量。该结论对数据集成在将来的实际应用具有指导意义。     

基于图像小波变换的数字水印

提出了一种基于小波变换的数字水印的嵌入与检测方法。这种方法充分利用小波变换的特点,在原始图像的适当位置加入水印,采用盲水印算法检测图像中是否含有水印。     

基于小波变换的实时视频监视系统

在视频监视系统中,采用有效的视频压缩方法可以提高处理的实时性.而在视频信号的编码与解码时,小波变换具有多尺度、多分辨率分析和时域局部化等优点,非常适合应用于实时视频监视系统.     

基于小波变换的频谱检测算法分析

文章分析了认知无线电频谱检测中匹配滤波检测、能量检测、周期平稳过程特征检测的性能,指出了噪声对各自检测性能的影响,给出了一种基于小波变换的信号频谱检测算法,着重对含噪2FSK、2PSK信号进行分离仿真。仿真结果表明,该算法可以有效地进行信号的成分分离,降低了噪声的频谱检测的影响。     

交通流状态辨识小波算法研究

针对智能交通系统的开发和交通流特性，应用小波多分辨分析理论的Mallat分解算法建立交通流状态辨识方法，利用多种小波系数与交通流参数之问的相应变化规律进行交通突变状态的辨识．交通流状态的突变多与交通事件直接相关，故采用事件和非事件条件下的模拟数据对算法参数进行了标定及离线测试．将算法与几种传统算法分别进行了性能比较，结果表明Mallat分解算法在交通流突变状态实时辨识方面具有很好的性能．     

混合车流三大参数关系的计算机仿真

以我国混合车流作为高等级公路交通流的基本构成，分析混合车流的交通特性，采用实地采集数据和计算机模拟仿真相结合的手段，得到了不经换算的混合车流条件下不同交通总量和不同车型比例速度，密度和流量三大参数的偌模图。     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性.     

基于交通流密度的交通事故应急反应等级划分研究

原有的交通事故等级划分已不能适应当前的社会经济发展速度,基于原有的标准,并引入交通流密度差等因素提出危险系数λ,通过λ来确定交通事故的反应等级,以期为交通管理部门和政府紧急救援部门提供一定的参考和借鉴。     

基于小波与混沌集成的短时交通流预测

针对现有短时交通流预测模型的不足,提出了一种用于交通流短时预测的小波与混沌集成方法。首先对交通流序列进行小波分解,分别得到低频部分和高频部分,并在此基础上作进一步分析,结果表明交通流存在混沌特性。然后应用混沌理论分别建立低频部分和高频部分的预测模型,对低频部分和高频部分进行预测。最后应用小波理论对混沌模型预测的结果予以重构,实现对原始交通流序列的预测,与现有方法比较,结果表明该方法具有较高的精度和应用前景。     

GPS动态实测数据的小波降噪

介绍了小波变换理论,阐述了小波降噪原理、算法及3种噪声处理方法,概括描述了4种阈值规则的选取方法,以及在选用不同的小波基函数和分解层数对降噪效果的影响。在假设噪声为高斯白噪声的前提下,根据小波分解和重构法,对含噪信号进行降噪处理,并对GPS接收机得到的实测信号进行分析和效果比对。     

基于小波变换的图像融合算法研究

提出了一种新的基于小波多尺度分解的分层图像融合方法；总结出基于小波分解子图像面积比和低频系数均方根误差2个标准，来确定最佳小波分解层数的方法。通过仿真实验，对分解层数、区域大小对该融合方法的性能影响进行了比较分析，并得出融合结果，将其与金字塔算法融合结果进行了比较。实验结果表明，该融合方法是十分有效的。     

基于小波神经网络的短时交通流预测

针对现阶段城市道路交通短时交通流预测精度不高的局限性,将小波变换引入到城市道路交通预测过程中,提出一种基于小波神经网络的预测方法。运用美国加州高速公路通行能力度量系统数据作为数据来源,应用小波变换和BP神经网络相结合对其进行预测,然后对预测结果数据进行分析,并对短时交通流进行综合评价。实验表明,该方法与传统的BP神经网络相比较,在短时交通流预测方面具有较好的有效性和优越性。     

高速公路交通噪声与交通流状态的关系研究

本文运用交通流理论、概率统计理论和噪声传播理论对高速公路交通噪声与交通流运行状态之间的关系进行研究,分析了高速公路交通噪声的传播规律,提出了通过交通噪声测量检测高速公路交通流状态的试验方法和参数设置原则,并通过试验具体分析了交通噪声与交通流之间的相关关系。     

交通流中临界车间作用的研究

利用摄像采集交通数据的方法,在河北省境内不同公路结构几何断面获得了大量交通数据。运用这些实验数据对交通流中车间相互作用机制和分布规律进行了分析研究,建立了车间相互作用的微观模型,得出了具有我国混合交通特性的临界车间作用结果。