车辆工程中小波分析的应用综述

小波理论是近年来迅速发展起来的新兴学科,由于它多分辨分析的特点,使得其在时、频两域都具有表征信号局部特征的能力,成为处理非平稳信号的有力工具,在车辆工程领域受到越来越广泛的应用。简要介绍了小波分析的特点及其在车辆工程的典型应用。     

一种基于边缘颜色的彩色车牌定位算法

为解决车牌识别中车牌定位问题,根据车牌局域颜色变化、车牌宽高、车牌中字符数及车牌中字符颜色变化等特征,提出了基于边缘颜色的车牌定位算法;通过实验,证明了该算法能够有效地克服光线和天气变化的影响,具有很强的抗干扰性能、定位精度高达98.4%.     

基于子波能量和神经网络分类器的机动车车型识别

为了使交通管理系统能进行可靠的机动车分类,研究了轿车、轻型越野车和货车3种机动车目标的声信号,提出了一种采用子波分解后不同尺度上声信号能量作为特征向量的特征提取算法,并设计了kNN(k近邻)分类器和改进BP神经网络分类器用于目标分类。目标识别和分类试验结果表明:所提出的特征提取算法能够很好地体现不同类型目标之间的差异,提取的特征向量稳健;设计的改进BP神经网络分类器的分类精度可达92.6%,且分类效果优于kNN分类器。     

基于LabVIEW管道泄漏检测系统的研究

介绍了管道泄漏检测系统的设计原理.利用LabVIEW中的小波分析函数对采集到的信号进行处理,并利用小波变换模极大值捕捉压力信号的突变点,从而得出负压波传播到上下游监测点的时间差,进而利用负压波定位原理进行泄漏点的定位.另外,对于优化程序内存和提高CPU的利用率提出了一些有效的解决方法.     

基于小波提升格式理论的隧道衬砌缺陷定量识别分析

为提高探地雷达信号分析中小波基函数选取或构造的针对性和适应性，降低构造计算复杂性，并使所构造的小波基能更准确提取隧道衬砌结构背后空洞检测信号特征点信息，提出一种根据提升格式小波理论和目标信号波形特征来构造匹配小波的方法，并将所构造的小波基应用于空洞检测信号特征点的识别中。该方法以完全重构滤波器条件和提升格式小波为理论基础，首先选择一个简单而一般的初始双正交滤波器组，通过对初始双正交滤波器进行提升和对偶提升，获得不同的提升算子和对偶提升算子，从而得到更新后含自由变量的高阶滤波器组函数表达；其次，依据探地雷达信号的固有特点，对新滤波器组中重构端小波函数中的自由参数进行优化，并对新小波基与实际探地雷达信号的相似度进行计算和检验，最终构造出既满足线性相位、紧支撑性，又具有与探地雷达信号匹配度高等优势的新双正交小波基。将新小波基应用于室内空腔检测试验及实际工程中空洞缺陷的定量分析中，结果表明，同其他类型小波相比，用提升方法构造的小波能更准确地识别空洞缺陷信号突变点发生的时刻和位置，能更准确地实现隧道工程中空洞缺陷的位置和垂直尺寸的定量分析，从而大大提高探地雷达对缺陷探测的可靠度和准确度。     

一种基于小波去噪的脉冲噪声抑制方法

小波去噪是近年来兴起的信号处理领域中的高新技术,而目前许多研究方法都是以高斯噪声为背景的.在小波阈值去噪的基础上,将伪随机m序列引入小波去噪方法中,可有效去高斯噪声中掺杂的脉冲噪声.     

基于小波变换的传感器故障检测技术研究

介绍了小波变换的基本理论及小波技术用于传感器故障检测的基本原理，给出了传感器故障检测方法，仿真实例证明了这一技术的有效性。     

小波分析的应用及其MATLAB程序实现

主要介绍几种常用的小波函数及小波分析的特点，在此基础之上又介绍了一维小波、二维小波及小波包的应用，并给出一个用MATLAB程序实现一维小波在信号奇异性检测例子。     

Forecasting container throughput based on wavelet transforms within a decomposition-ensemble methodology: a case study of China

To improve predictive accuracy, new hybrid models are proposed for container throughput forecasting based on wavelet transforms and data characteristic analysis (DCA) within a decomposition-ensemble methodology. Because of the complexity and nonlinearity of the time series of container throughputs at ports, the methodology decomposes the original time series into several components, which are rather simpler sub-sequences. Consequently, difficult forecasting tasks are simplified into a number of relatively easier subtasks. In this way, the proposed hybrid models can improve the accuracy of forecasting significantly. In the methodology, four main steps are involved: data decomposition, component reconstruction based on the DCA, individual prediction for each reconstructed component, and ensemble prediction as the final output. An empirical analysis was conducted for illustration and verification purposes by using time series of container throughputs at three main ports in Bohai Rim, China. The results suggest that the proposed hybrid models are able to forecast better than do other benchmark models. Forecasting may facilitate effective real-time decision making for strategic management and policy drafting. Predictions of container throughput can help port managers make tactical and operational decisions, such as operations planning in ports, the scheduling of port equipment, and route optimization.