一、小波基自适应去卷滤波器及其仿真（论文文献综述）
何培亮[1]（2019）在《基于稀疏表示的红外图像噪声抑制方法研究》文中进行了进一步梳理红外热成像技术因其抗干扰能力强、可全天候成像等特点,在各个行业领域都有着广泛的应用。但是由于红外信号受到探测器本身器件的干扰和在传输的过程中受到外界因素的影响,导致红外热成像系统采集红外图像的过程中会引入各种噪声,限制了红外图像的应用。因此,对红外图像噪声抑制方法进行研究具有十分重要的意义。为了解决传统红外图像噪声抑制方法在滤除红外图像噪声的同时,也会损失红外图像细节信息的问题,论文在深入研究稀疏表示理论的基础上,提出了两种稀疏表示的红外图像噪声抑制方法。针对传统稀疏表示方法中过完备字典自适应能力差的问题,提出了优化的K-SVD字典的稀疏表示红外图像噪声抑制方法。该方法首先对红外图像进行分块处理,每一块为一类,然后对每一类进行字典学习和稀疏分解。在字典学习阶段,选取离散余弦变换过完备字典为初始字典,对红外图像块进行多次奇异值分解学习得到新的字典矩阵。对每一块样本信号选取离散余弦变换字典为初始过完备字典,用正交匹配追踪算法对图像块在该过完备字典上进行稀疏分解,以残差变化率阈值为稀疏分解迭代终止条件。其次,对字典进行迭代更新学习,得到图像块的字典矩阵和稀疏系数矩阵。最后,利用更新得到的字典矩阵和稀疏系数矩阵重构出红外图像。针对优化的K-SVD字典的结构性不强的问题,提出了非局部聚类字典的稀疏表示红外图像噪声抑制方法。该方法先利用改进过后的K均值算法对图像块进行聚类处理,并且对每一类图像信号进行主成分分析,提取出能够表示该类别图像信号特征信息的特征向量组成特征矩阵,该矩阵作为初始特征字典。然后对每一类图像块进行K-SVD字典学习,多次迭代,更新每一类图像区域,得到过完备字典矩阵和稀疏系数矩阵。最后结合字典矩阵和稀疏系数矩阵与聚类时生成的索引矩阵进行加权叠加,重构噪声抑制后的红外图像。论文通过Matlab仿真软件对传统的红外图像噪声抑制方法和论文所提出的噪声抑制方法进行了仿真实验对比。结果表明:本文所提出的基于优化的K-SVD字典的稀疏表示红外图像噪声抑制方法,比传统方法更能有效地抑制红外图像中的噪声。基于非局部聚类字典的稀疏表示红外图像噪声抑制方法,除了能够有效抑制红外图像噪声,还能保留图像细节信息,使重建后的红外图像视觉效果得到明显改善。
周金[2]（2019）在《基于自适应VMD和PSO-SVM的电能质量扰动检测与分类》文中提出电力系统中非线性、冲击性、波动性负载的数量不断增加,导致电网的电能质量问题不断恶化。电能质量的下降会导致用电设备数据丢失、开关误动作和生产流水线停机等问题,严重时会对电力系统的安全稳定运行造成威胁。因此,深入研究影响电能质量下降的各类因素,对电能质量问题进行准确检测和识别是保证电力系统安全运行的基础。本文主要从扰动预处理、检测、特征值提取分类三个方面对电能质量扰动检测分类方法进行深入研究。首先阐述电能质量相关标准和国内外发展现状,总结常见的扰动类型,归纳扰动的来源及危害,分析总结现有的扰动预处理、检测和分类算法的优点和不足。针对实际电网信号受噪声污染严重等问题,本文提出一种基于改进小波阈值函数的降噪算法。综合比较各类小波基和阈值估计方法性能,选取最优小波基和阈值估计方法,引入调节因子,构建改进小波阈值函数,使改进后的小波阈值函数同时兼备软硬阈值的功能。通过与数学形态学法、EEMD降噪算法以及软、硬阈值降噪算法对比实验验证本文所提算法具有良好降噪性能。针对现有的电能质量检测算法抗噪性弱和定位精度不高的问题,重点研究基于变分模态分解的电能质量扰动检测算法,并在深入研究变分模态分解原理的基础上,提出一种自适应变分模态分解的电能质量扰动检测方法。该方法以能量差作为评价参数自适应地确定本征模态分解个数K,提高检测算法抗模态混叠、抗虚假分量能力和噪声鲁棒性。并分别基于自适应变分模态分解算法、EMD和EEMD算法进行仿真信号和实际电网信号的检测与分析,实验结果表明自适应变分模态分解算法不仅能有效分离扰动分量,而且可较好的保留高频扰动特征信息,其检测定位效果优于EMD和EEMD算法。为克服支持向量机参数难以选择的问题,采用粒子群算法对支持向量机进行参数寻优。利用暂态电能质量扰动模拟信号、国家电力系统事件数据库以及贵州某电网的实测信号生成样本库,基于统计学特征和变分模态分解算法,计算各层本征模态函数的能量分布,求取与正常电压信号的能量差值作为特征向量,输入至参数优化后的PSO-SVM分类器中,实现信号扰动类型的分类识别。并采用PNN、ELM、未经优化的SVM与本文所提算法进行对比,仿真结果表明无论对单一扰动信号还是复合扰动信号,PSO-SVM均能获得较高的分类准确率。最后基于本文所提算法,搭建基于PXI和LabVIEW的虚拟化电能质量扰动检测识别系统,详细阐述整个系统的软件方案,编程实现系统数据采集、数据存储、扰动检测和扰动分类识别等功能,并基于实测的电网数据完成检测识别系统的测试与实验,验证本文方法的准确性和有效性。
王燕[3]（2018）在《暂态电能质量扰动检测与识别方法的研究》文中提出现代电力系统中,各种电力电子器件的广泛使用及非线性、冲击性、波动性负荷的不断增加,致使电网发生各种电能质量问题。随着社会的发展和生活水平的提高,敏感的新型电力负荷迅速发展与壮大,对电网中的暂态电能质量问题更为敏感。暂态电能质量问题带给敏感负荷用户的经济损失正在逐年增加,因而对供电质量也提出越来越高的要求。对暂态电能质量扰动进行长期的监测和智能化分析,有助于及时发现暂态电能质量问题,并进行针对性的治理,极大限度的减少经济损失。本文围绕暂态电能质量扰动监测与分析中的扰动去噪、检测与定位、特征提取及分类这四个方面进行了深入研究。在电能质量扰动的去噪方面,本文首次将具有较强图像细节特征保护能力的BM3D算法和迭代自适应核回归方法引入电能质量信号的去噪中,并针对这两种方法进行了改进,提出一种电能质量扰动信号的自适应去噪方法和一种基于改进迭代自适应核回归的电能质量扰动去噪方法。这两种方法的优势在于无需估计噪声方差,也无需人为设定滤波阈值,能较好地克服电能质量信号去噪的难点问题（即有效抑制噪声干扰的同时,能较好地保留扰动突变点的特征）。另外,基于改进迭代自适应核回归的电能质量扰动去噪方法的运算量小,易于实现。通过对仿真和实际电能质量扰动的去噪分析,并与小波阈值去噪方法进行对比,验证了这两种方法的有效性。在暂态扰动的检测与定位方面,为弥补传统扰动检测方法的不足,提高低信噪比环境下暂态扰动检测的准确性,本文提出两种新的扰动检测方法,一种是基于差分奇异值分解的暂态扰动检测新方法,另一种是基于希尔伯特变换和滑移奇异值分解的扰动检测新方法。为检验这两种方法的有效性,仿真与实验分析中对大量仿真和实际扰动数据进行分析,并与多种扰动检测方法进行对比,结果表明:本文提出的两种扰动检测方法运算量小,参数少且对检测结果不灵敏,无需前置滤波算法且具有较强的抗噪性,对过零时刻发生的扰动具有较好的检测效果,且可用于混合扰动的检测。另外,基于希尔伯特变换和滑移奇异值分解方法还具有较低的扰动误检测率、实际应用性及兼容性,其分解波形还可用于提取重要的分类特征。上述优点表明本文扰动检测方法在实时的电能质量监测系统中具有较大的应用潜力,很容易整合到数字故障录波器中,有助于降低噪声环境下暂态扰动检测的误触发和漏触发率。在暂态扰动的特征提取方面,本文综合利用多种手段从基于希尔伯特变换和滑移奇异值分解方法的分解波形中提取多个频域和时域特征量,表征单一扰动和多种混合扰动。文中所提取的特征量具有较强的分类能力和抗噪性,容易给出明确的分类限值,有利于设计出基于简单规则的扰动分类系统。在暂态扰动的分类方面,本文以单一扰动和多种混合扰动为出发点,提出一种基于多标签的暂态电能质量扰动分类新方法。该分类方法分为幅值扰动判断模块和加性扰动判断模块,其分类结果按照系统输出的标签值进行判定。通过对不同信噪比环境下的10种仿真单一扰动（含正常电压）和13种仿真混合扰动（含双重扰动和三重扰动）及多组实际电能质量扰动进行测试,结果表明该分类方法可以有效地识别单一扰动和多种混合扰动,即使在低信噪比环境下也具有较高的分类准确率。另外该方法运算量小,在实时性要求较高、硬件性能较低的工作环境中具有明显的优越性。本课题的研究成果完善和丰富了暂态电能质量监测与分析理论体系,为设计开发暂态电能质量扰动实时监控和智能分析系统提供了重要的理论依据和有效的实现途径。
梅思宇[4]（2018）在《用于穿戴式心率监测仪的抗运动干扰技术研究》文中研究表明随着社会物质文明的快速发展以及老龄化问题的日益严重,可穿戴生理监测设备已经成为了电子智能化的研究热点。而运动噪声干扰的去除是可穿戴生理设备研究开发的重点内容和难点之一。心率是人体的重要的生理参数,一套可以实时、便携、精确的测量心率的设备对老年人及病患的健康监控有着重要的价值。而目前,市面上的设备普遍存在着局限性,如穿戴舒适性差、使用不便、运动状态下测量精度过低等问题。为了解决上述问题,本文设计开发了一套用于穿戴式心率监测设备的系统。该系统从硬件、心率提取算法、运动噪声去除算法等多方面共同作用来提高设备对运动噪声的抗性,从而达到随时随地准确进行心率监控的目的。针对同时采集运动信号和脉搏波信号导致的采样率下降问题开展了深入研究。在硬件方面,采用M2医疗芯片为主控制器,并集成BMA250三轴加速度传感器、CC2504蓝牙电路,实现了穿戴式心率监测系统的硬件设计,可对进行脉搏波信号和运动参考信号的同步实时采集并发送手机终端进行处理。针对传统心率算法对特殊心率或存在噪声的信号测量不准确的问题开展了深入研究。在心率提取算法方面,采用时域提取心率、频域进行验证的方法来处理脉搏波。其中,时域上采用数学形态学的方法进行心率计算,频域上采取快速傅里叶变换来提取验证心率。在运动噪声去除算法方面,针对加入运动参考信号后设备采样率减小的问题,引入了运动状态决策树的方法。通过判定当前运动为轻微运动与强烈运动,分别采用无运动参考信号的小波阈值去噪方法和改进的变步长的LMS自适应滤波算法实现性能提升。通过Matlab算法仿真以及样机的实际验证,本文开发的抗运动干扰算法有效降低了噪声影响,使信号的信噪比普遍提高3dB左右,并且相对于一般的LMS算法,具有收敛较快的特点。系统采用的心率提取算法,相对传统的时域算法,在信号质量较差的情况下,精确度偏差不超过3次/分钟,而相对于频域的提取算法,测量精度为1次/分钟。与市场同类产品相比,具有体积小、便携性好、精确率高的特点,可以满足日常生活多种情况下的测量需求。
俞潇[5]（2016）在《光谱信号及光纤振动信号预处理算法的应用研究》文中研究说明信号预处理是一个特别重要的工程问题,在国防通信、化学、食品安全等领域等获得了普遍的应用,具有重要的理论价值和现实意义。论文针对光谱信号及光纤振动信号展开研究,用以说明信号预处理在这两个领域的重要性。首先,研究了纯R6G拉曼光谱的时域特征,根据其特征对拉曼光谱的降噪展开较深的研究。给出了小波分析、最小均方（LMS）自适应滤波器和经验模态分解（EEMD）的理论和算法。对信噪比（SNR）小于10dB的拉曼光谱分别用各不相同的小波、LMS自适应滤波器以及EEMD展开降噪。利用SNR、均方根误差（RMSE）和相关系数（?）这三个判断标准评价降噪结果的好坏,实验结果表明LMS自适应滤波器的降噪方法最为理想。其次,研究了光纤振动信号的时域特征,以振动仪采集的敲击信号为例,根据其特征对敲击信号的谱分析和特征提取展开较深的研究。给出了快速傅里叶变换（FFT）、小波包频带能量谱和快速谱峭度的原理和算法。对敲击信号分别用FFT算法、小波包频带能量谱算法和快速谱峭度算法进行分析。依据实验结果发现FFT算法无法反映敲击信号的频域特征。快速谱峭度可以作为瞬时信号的频谱分析,良好的反映敲击信号的频域特性。利用小波包频带能量谱能够较好的提取敲击信号的能量特征以便模式识别。最后,基于染噪拉曼光谱的降噪探究中发现:EEMD算法能够直接筛除混入拉曼光谱的高频噪声。实验发现LMS算法具有高效,易于实现等特点,但是该算法存在网络不稳定,稳态误差和收敛速率是一对不可避免的矛盾等问题,故提出一种基于EEMD联合VS-LMS（可变步长）的降噪算法,实验结果表明相比于其他几种方法,该算法的降噪效果有了明显提高。
霍俊卿[6]（2015）在《基于小波域自适应去噪的CT图像重建方法研究》文中提出计算机断层成像技术（Computed Tomography,简称CT）是利用具有一定能量的射线源,在不破坏物体物理结构的情况下进行断层扫描,并根据获得投影数据,得到断层二维图像的技术。目前已广泛应用于医学、机械、航空航天、核工业等领域,在CT逐渐成为医学上重要诊断手段之一。同时人们也关注着在接受CT诊断时所接受的剂量的对人体健康潜在的危害。减少投影角度和探测器数目可以降低辐射剂量,但在数据不完备的情况下,重建出的图像混入明显的噪声,质量严重退化。因此,如何在降低辐射剂量的同时,得到高精度、高度细节化的图像成为近年研究的热点。针对这一问题,本文进行了以下的研究工作:第一,以降低辐射剂量为目标,提出基于小波变换的局部CT重建算法。使用小波变换处理投影数据,选择高阶消失矩小波、运用其局部紧支特性进行局部重建,设置合适的小波基函数,得到基于滤波反投影（FBP）算法的局部小波重建算法,克服FBP算法的非局部性。算法仿真对比说明,所提出的算法在降低投影数据量方面具有较好的效果。第二,以抑制噪声为目标,本文提出基于小波的自适应组合去噪算法,噪声会使图像质量严重退化,因此需要有效的方式从投影数据中滤除,该算法以小波阈值去噪算法为基础,通过分析得到了小波域中投影数据的噪声统计特性,采用以贝叶斯估计为主的小波去噪算法滤除噪声,然后运用投影数据设计维纳滤波器进行滤波,达到组合去噪的效果。算法仿真对比说明,所提出的算法在投影数据量保持一致的条件下去除噪声的能力得到明显的提高。第三,提出基于小波的自适应局部去噪算法,针对组合去噪算法数据完备性要求较高的弱点,将局部重建的性质引入到组合去噪算法中,将组合去噪得到的投影数据运用到局部重建算法中,完成重建,得到更清晰的重建图像,并结合实际,适当调节投影角度与探测器数目,在降低辐射剂量的同时,达到更优的重建效果。
杨杰[7]（2014）在《心电信号的检测与模式分类方法的研究》文中提出心电信号是一种低频、微弱的生物电信号,它客观地反映了心脏的工作状态,其蕴涵着心脏的生理、病理信息对心脏疾病的诊断具有重要的参考价值。由于心电信号的幅值较小,频率较低,对信号进行检测时易受外界环境的干扰。有些干扰信号频率高,幅值大,往往会掩盖正常的心电信号,使心电波形无法识别。此外,心脏病患者的心电波形因病情而异,只有通过对心电信号的特征波形加以检测和分析,才可以诊断相应的心脏疾病。目前,心率失常疾病的诊断主要依靠医生的心脏医学知识和临床工作经验,由于心电数据量较大且异常波形并不连续出现,如果从事大量心电波形识别工作,易产生疲劳从而造成错判和误判而耽误患者的病情。因此,如何滤除心电信号中的各种干扰,对心电信号的特征信息加以提取及对各种不同的心电数据进行分类是心电医学界研究的重点。本文主要从以下四个方面进行研究：（1）针对心电信号的产生机理和特点,通过设计前置放大电路,右腿驱动电路对心电信号加以采集。针对采集过程中的噪声,设计相应的滤波器组,并对滤波后心电信号的进行放大。通过A/D转换电路、按键电路、串口通信电路、LCD显示电路和数据存储电路对心电信号进行转换存储、显示并与PC机进行通信。（2）对于硬件电路中所不能滤除的噪声,对其特性进行分析,并设计了小波阈值去噪数字滤波器、固定步长LMS自适应去噪数字滤波器、可变步长LMS自适应去噪数字滤波器及RLS自适应去噪数字滤波器对干扰信号再次滤除。通过在MIT-BIH心率失常数据库中第101号心电数据加入三种干扰信号基线漂移,肌电干扰,工频干扰进行仿真实验,再对四种滤波器从去噪后图形和去噪性能参数对比可知,RLS自适应去噪数字滤波器的滤波效果明显优于其他三种滤波器。（3）为了方便心电信号特征信息的提取,提出了一种基于二次样条母小波函数的心电信号QRS复合波检测算法。采用二次样条小波函数对心电信号作4尺度分解,分别获取各个尺度下的小波系数,在尺度3下,通过一定的阈值搜索小波系数模极大值对之间的过零点,确定R波位置。通过调整阈值以删除误检点,补偿漏检点,从而提高对R波的检测率。再从尺度1上R波过零点前后寻找局部模极大值对,分别确定QRS复合波的Q波,S波及QRS复合波起始位置和终止位置。通过MIT-BIH心率失常数据库中的心电数据对本文算法进行验证,并与其他QRS复合波检测算法相对比。结果表明本文算法对QRS复合波检测具有较高的准确率。（4）设计了多种分类器对不同类别的心电信号加以分类。由于心电样本数据过于冗多,因此采用主成分分析法（PCA）,线性判别法（LDA）以及主成分分析与线性判别融合法（PCA-LDA）对数据进行降维。实验证明线性判别法降维效果明显优于其他两种方法。接着设计了支持向量机（SVM）,最小二乘支持向量机（LS-SVM）,极限学习机（ELM）三种分类器,并分别以交叉验证法、遗传算法（GA）及粒子群算法（PSO）对支持向量机,最小二乘支持向量机的控制参数进行优化。最后通过实例对三种分类器的性能进行评价,结果表明：支持向量机分类精度最高,而极限学习机训练和测试时间最短。
蒋芳芳[8]（2011）在《体震信息监测系统中的微弱信号检测与分析方法研究》文中研究说明随着家庭日常监护需求的不断提高,多功能生理参数的同步检测成为研究的热点。人们希望可以在无感觉的状态下,通过便捷的检测手段,获得更多能够表征人体生理状态的信息,进而达到健康监测与疾病预警的目的。体震（Ballistocardiogram, BCG）信息监测系统可以在受试者无感觉的状态下,提取反映受试者心血管系统功能、呼吸状况等多生理信息的BCG信号,符合当前对日常监护设备开发的要求。通过对BCG信号研究现状的综述,本文以坐姿BCG信号为研究对象,开展了从BCG信号中检测微弱生理信息,并对其进行分析的研究,主要工作如下：在分析BCG信号产生原理阶段,建立了一种基于体内搏动力产生、体内血流传导、体外检测三者相结合的BCG信号数学模型,模拟了该模型的多周期时域仿真波形,并与实测BCG信号波形进行对比,验证了模型的表征性能及准确性。在BCG信号预处理阶段,分析了BCG信号的属性,对其进行有针对性的消除趋势项、平滑滤波、计算自相关函数等时域预处理。同时,建立了一种基于频域分析的BCG信号简化数学模型,模拟了理论BCG信号的频谱分布,确定了BCG信号的主频率,并进行了有效的频域滤波与小波去噪。在由BCG信号检测心率阶段,提出了一种基于混沌理论的检测方法。首先,在受试者常规心率已知的条件下,采用Duffing混沌振子检测低信噪比BCG信号中的微弱周期成分,并针对其输出相空间轨迹,提出了一种基于脉冲耦合神经网络的混沌判据,从而有效检测到BCG信号中的异常心率；而后,在受试者常规心率未知的条件下,提出一种基于线性随机搜索算法的自适应随机共振方法,将输入噪声的能量转化为BCG信号中微弱周期成分的能量,突出心动周期波形,从而达到自动获取心率的目的。该阶段实验均通过同步采集的受试者心电信号作为评价准则,以验证算法的准确性。在由BCG信号检测呼吸率阶段,提出了三种从BCG信号中提取呼吸率的方法。第一种,基于自适应干扰对消算法,通过抵消两通道BCG信号中的心动周期成分,获取输出中的呼吸成分；第二种,基于变频复解调算法,将BCG信号视为心动周期成分对呼吸成分的调制信号,从解调的角度,将调制信号—呼吸成分解调出来；第三种,基于S变换的包络解调算法,从调幅信号解调的角度,提取BCG信号的呼吸成分包络。最后,对以上所获取的呼吸成分进行峰值检测,以计算呼吸率。该阶段实验均以同步采集的受试者鼻热敏信号作为参考,并与小波变换提取BCG信号呼吸成分方法作对比,给出了各算法的性能评价。在对BCG信号进行特征提取阶段,提出了一种基于BCG信号诊断特征的盲分帧算法。在无心电信号参考的条件下,实现了对BCG信号的分帧,并以此为基础,提取了BCG信号的时域特征、频域特征、时频奇异值特征及长短期重复性统计特征。最后,从特征诊断的角度,提出了基于常规特征点确定性BCG信号诊断方法和基于云模型的模糊性BCG信号诊断方法。该阶段采用心律不齐受试者对所提特征和诊断方法进行实验,以验证方法的优越性。论文最后设计并实现了一套体震信息监测系统。该系统以本实验室开发的坐姿BCG信号检测座椅为硬件装置,提供以上实验所需的实测BCG数据；同时,以基于LabVIEW的BCG信号自动分析平台为软件环境,并通过对一位心律不齐受试者的实际检测过程,测试了本文所提算法的正确性及系统的实用性。
郭良峰[9]（2009）在《基于遗传算法的电力系统过电压分层模糊聚类识别》文中认为电力系统中出现的波形、幅值及持续时间各异的多种过电压对电气设备绝缘构成了严重威胁。为此,开展过电压类型识别工作,对提高电力系统运行可靠性、合理确定设备绝缘水平、提高线路耐雷水平、降低雷击跳闸率及减小绕击率具有重要指导意义。本文将遗传算法的全局搜索性和并行性引入到电力系统过电压模糊聚类分析中,建立过电压分类树,采用分层聚类识别的方法对电力系统实测过电压类型进行分析,对过电压进行逐层深化,各过电压类型关系明确,易于理解、更新和调整特征量,能更有效选择特征量,更具针对性。本文对电力系统过电压类型识别进行了研究,并根据变电站实测波形数据进行分析处理。电力系统过电压波形包含了丰富的电力系统工作状况和状态信息,结合重庆先锋110kV变电站和自贡35kV变电站值班记录和电力系统过电压产生机理,将从变电站过电压在线监测系统获取的雷电感应过电压、投电容器组过电压、合空载线路过电压、投切空载变压器过电压、弧光接地过电压、不对称接地短路、工频电压升高、工频铁磁谐振过电压和高次谐波铁磁谐振过电压共11种典型过电压作为对象,并通过建立ATP-EMTP仿真模型,对实测过电压类型进行了仿真分析,把实测过电压特征提取及模式识别作为本论文的研究重点。本文首先对从变电站过电压在线监测系统数据库中提取的过电压数据统一采样频率,采用无限冲击响应数字滤波器消除了稳态的工频电压分量,利用小波变换技术消除过电压信号中的高频噪声干扰,使后续提取的过电压特征更具有效性。在深入研究小波理论的基础上,提取过电压持续时间、各层小波系数、各层小波能量分布及能量比作为难以区分的操作过电压特征量,既能弥补时域分析或频域分析单独分析时的不足,又能达到有效提取有用信息的目的。构建分层多级识别的过电压分类树,分层识别结构可对各种特征向量进行归纳分析与综合。特征向量集按不同的模块层次选取,形成模块层次结构,构成该层最佳特征量。根据构建的过电压分类树,结合每层节点的最佳特征量,采用遗传算法对过电压进行模糊聚类分析,根据过电压识别结果,不断改进节点的模块特征量及遗传算法的交叉、变异算子,获取各层过电压类型特征量的最优聚类中心及过电压类型模糊隶属度,得到了较好的识别效果。
杨曦[10]（2008）在《井间电磁波场数值模拟与成像》文中研究指明井间电磁波探测技术由于其低成本、高效率的工作特点,以及高分辨率、高探测深度和对地下介质中孔隙流体的敏感性,使其一出现就立刻受到了广泛地关注,并在众多专家学者的努力下取得了迅速地发展。目前,井间电磁波探测技术作为地质勘探的一种重要手段已经在油气田、核废料处理、地下水以及固体矿探测等领域成功应用,并逐渐成为地球物理学技术发展的重要前沿。井间电磁波探测研究的主要方向是正反演问题。正演的计算结果可对测量仪器参数设置进行优化改进,更好地提高仪器的性能,同时,数值模拟的结果决定着井间电磁波成像效果的优劣,是井间电磁波探测资料反演的基础和核心依据。相对于正演而言,目前反演方法的发展明显滞后,近年来仪器制造工艺和数据获取技术方面的巨大进步也对成像方法提出了更高的要求,也为本文提供了研究空间。本文在前人研究的基础上,针对井间电磁成像技术的最新进展,进行了探索性的尝试,旨在提高正反演的效果。在正演方面,主要研究了时域有限差分法（FDTD）的技术性问题,重点论述了吸收边界条件,并推导出了柱坐标系下FDTD的差分格式。而在反演方面,将小波自适应信号处理技术引入到井间电磁波全波形反演中,实现了小波自适应处理与井间电磁波成像的结合,并分析了井间电磁波全波形反演方法的优缺点和发展趋势。本文可以分为以下五个部分:第一章,介绍了井间电磁波探测技术的发展历史,详细讨论目前主要的井间电磁波正演数值模拟方法和反演成像方法及其适用范围,并分析了其优缺点和发展趋势。第二章,从电磁场基本方程组出发,详细讨论了井间电磁波场的FDTD数值模拟方法。考虑到井间电磁波探测的地层模型是横向地层,根据其观测方式,本文主要研究柱坐标系下,有耗介质中的FDTD方法及其在井间电磁波探测数值模拟中的应用。并编制了柱坐标系下的三维FDTD程序,通过设置合适的激励源、网格尺寸、空间和时间步长进行计算。为了吸收有损耗介质中的凋落波,数值模拟中采用通用完全匹配层（GPML）作为吸收边界来吸收向外传播的电磁波。第三章,从反演基本理论出发,通过对Born迭代和Frèchet导数的介绍,引出了全波形反演方法的基本理论,并给出了其公式的详细推导。在构造满足要求的目标泛函之后,本文采用了共轭梯度法进行最优化求解。针对井间电磁波全波形反演在实际情况中受噪声和源波形估计值的影响较大这一点,本文提出了采用基于二进小波分解的自适应LMS滤波方法来压制噪声,并采用基于小波变换的Kalman滤波自适应预测反褶积方法来对源波形实现最优估计,以求改善反演效果。第四章,对本文所提出的方法进行了检验。在正演方面,本文对一组人工模型进行了计算,通过与解析解进行比较,检验了其正确性,并简要分析了井间电磁波传播规律及其影响因素。反演方面,在对井间电磁波电场垂直分量的灵敏度进行了详细讨论之后,本文对一组人工模型进行了全波形反演,并将结果同基于射线方法的层析成像结果进行了对比。第五章,总结了本论文在井间电磁波正反演方面获得的经验和认识,并指出了其不足之处,为以后的研究提供了理论依据。本文的创新之处主要有以下两点:其一,针对井间电磁波探测方式和地下介质的复杂情况,编制了柱坐标系下三维FDTD程序,并采用GPML作为吸收边界条件。经人工模型计算检验,证明了其正确性和有效性,并且认为该方法适合于作为反演的正演方法。其二,针对在实际情况中,井间电磁波全波形反演受噪声和源波形估计值影响较大的问题,本文首次将小波自适应滤波和自适应预测反褶积同全波形反演相结合,提出了自适应全波形反演的概念,并对其进行了详细论述。经人工模型计算检验,证明了该方法十分有效,能大大提高全波形反演的抗噪能力和适应能力。
二、小波基自适应去卷滤波器及其仿真（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、小波基自适应去卷滤波器及其仿真（论文提纲范文）
（1）基于稀疏表示的红外图像噪声抑制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 红外图像噪声抑制方法的国内外研究现状 |
| 1.2.1 传统红外图像噪声抑制方法 |
| 1.2.2 稀疏表示理论方法 |
| 1.3 论文研究内容及结构安排 |
| 第2章 传统红外图像噪声抑制方法分析 |
| 2.1 红外图像的成像原理和特点 |
| 2.2 红外图像的存储形式和噪声类型 |
| 2.3 传统红外图像噪声抑制方法 |
| 2.3.1 空间域红外图像噪声抑制方法 |
| 2.3.2 变换域红外图像噪声抑制方法 |
| 2.4 传统图像噪声抑制方法仿真分析 |
| 2.5 本章小结 |
| 第3章 稀疏表示的理论及其应用研究 |
| 3.1 稀疏表示原理 |
| 3.2 过完备字典 |
| 3.2.1 解析型字典 |
| 3.2.2 学习型字典 |
| 3.3 稀疏分解算法的研究 |
| 3.3.1 匹配追踪算法(MP) |
| 3.3.2 正交匹配追踪算法(OMP) |
| 3.4 稀疏表示在图像噪声抑制中的应用 |
| 3.5 本章小结 |
| 第4章 基于稀疏表示的红外图像噪声抑制方法 |
| 4.1 基于稀疏表示的红外图像噪声抑制原理 |
| 4.2 基于稀疏表示的红外图像噪声抑制模型 |
| 4.3 基于优化的K-SVD字典的红外图像稀疏表示噪声抑制方法 |
| 4.3.1 过完备字典的构造 |
| 4.3.2 红外图像的稀疏分解 |
| 4.3.3 迭代终止条件的确定 |
| 4.3.4 优化算法的效果分析 |
| 4.4 基于非局部聚类字典的红外图像稀疏表示噪声抑制方法 |
| 4.4.1 红外图像块的聚类区域选定 |
| 4.4.2 非局部聚类稀疏表示模型 |
| 4.4.3 字典矩阵的获取 |
| 4.4.4 红外图像的稀疏分解 |
| 4.5 本章小结 |
| 第5章 红外图像噪声抑制方法仿真分析 |
| 5.1 实验仿真平台的介绍 |
| 5.2 红外图像噪声抑制评价准则 |
| 5.2.1 主观评价方法 |
| 5.2.2 客观评价方法 |
| 5.3 实验结果分析 |
| 5.3.1 基于优化的K-SVD字典方法仿真分析 |
| 5.3.2 基于非局部聚类字典方法的仿真分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（2）基于自适应VMD和PSO-SVM的电能质量扰动检测与分类（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 电能质量扰动概述 |
| 1.3 电能质量扰动检测与识别技术国内外研究现状 |
| 1.3.1 电能质量扰动去噪方法研究现状 |
| 1.3.2 电能质量扰动检测方法研究现状 |
| 1.3.3 电能质量扰动分类方法研究现状 |
| 1.4 本文研究的主要内容 |
| 第2章 电能质量扰动信号改进小波阈值函数降噪处理 |
| 2.1 电能质量扰动信号模型 |
| 2.2 基于改进小波阈值函数的降噪方法 |
| 2.2.1 小波变换的阈值去噪原理 |
| 2.2.2 小波的选取方法和分类 |
| 2.2.3 阈值估计和改进阈值函数的构建 |
| 2.3 基于改进小波阈值函数的降噪结果分析 |
| 2.4 本章小结 |
| 第3章 基于自适应变分模态分解的电能质量扰动检测 |
| 3.1 维纳滤波 |
| 3.2 希尔伯特变换 |
| 3.3 变分模态分解 |
| 3.4 自适应变分模态分解算法 |
| 3.5 基于改进阈值函数和自适应变分模态分解的扰动检测 |
| 3.6 仿真实验与分析 |
| 3.6.1 单一扰动信号分析 |
| 3.6.2 复合扰动信号检测 |
| 3.6.3 IEEE1159.3 扰动信号分析 |
| 3.6.4 贵州电网扰动信号分析 |
| 3.7 本章小结 |
| 第4章 基于PSO-SVM算法的电能质量扰动分类 |
| 4.1 变分模态分解扰动特征提取 |
| 4.2 基于PSO-SVM的电能质量扰动分类 |
| 4.2.1 支持向量机的基本原理 |
| 4.2.2 粒子群算法优化核参数 |
| 4.3 分类识别的实验测试与分析 |
| 4.3.1 分类识别测试流程 |
| 4.3.2 仿真试验与测试结果分析 |
| 4.3.3 实际电网数据测试结果与分析 |
| 4.4 本章小结 |
| 第5章 电能质量扰动检测识别系统设计与实现 |
| 5.1 系统构成与功能设计 |
| 5.2 电能质量扰动检测识别系统软件设计 |
| 5.2.1 用户管理与登录模块 |
| 5.2.2 电能质量扰动检测模块 |
| 5.2.3 电能质量扰动识别模块 |
| 5.2.4 系统数据库查询存储与报表打印 |
| 5.3 实际电网数据测量实验与验证 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录 A IEEE1159.2和IEEE1159.3 电能质量扰动信号 |
| 附录 B 攻读硕士学位期间参与的科研项目与科研成果 |
（3）暂态电能质量扰动检测与识别方法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 电能质量扰动概述 |
| 1.2.1 稳态电能质量扰动 |
| 1.2.2 暂态电能质量扰动 |
| 1.3 国内外研究现状 |
| 1.3.1 电能质量扰动去噪研究现状 |
| 1.3.2 暂态电能质量扰动检测研究现状 |
| 1.3.3 暂态电能质量扰动特征提取研究现状 |
| 1.3.4 暂态电能质量扰动分类研究现状 |
| 1.4 论文主要研究内容及章节安排 |
| 第2章 暂态电能质量扰动的去噪 |
| 2.1 引言 |
| 2.2 一种电能质量扰动信号的自适应去噪方法 |
| 2.2.1 BM3D的基本原理 |
| 2.2.2 电能质量扰动信号自适应去噪方法原理 |
| 2.2.3 仿真与实验分析 |
| 2.3 基于改进迭代自适应核回归的电能质量扰动去噪方法 |
| 2.3.1 一维核回归的基本原理 |
| 2.3.2 迭代自适应核回归的基本原理 |
| 2.3.3 改进迭代自适应核回归的电能质量扰动去噪方法原理 |
| 2.3.4 仿真与实验分析 |
| 2.4 本章小结 |
| 第3章 暂态电能质量扰动的检测 |
| 3.1 引言 |
| 3.2 基于差分奇异值分解的暂态扰动检测新方法 |
| 3.2.1 奇异值分解的定义 |
| 3.2.2 基于差分奇异值分解的暂态扰动检测方法原理 |
| 3.2.3 仿真与实验分析 |
| 3.3 基于希尔伯特变换和滑移奇异值分解的扰动检测新方法 |
| 3.3.1 希尔伯特变换的基本原理 |
| 3.3.2 基于希尔伯特变换和滑移奇异值分解的扰动检测方法原理 |
| 3.3.3 仿真与实验分析 |
| 3.4 本章小结 |
| 第4章 暂态电能质量扰动的特征提取与识别 |
| 4.1 引言 |
| 4.2 特征量的提取 |
| 4.2.1 频域特征量 |
| 4.2.2 时域特征量 |
| 4.3 特征的选择与分析 |
| 4.4 基于多标签的暂态电能质量扰动分类新方法 |
| 4.5 仿真与实验分析 |
| 4.5.1 仿真单一扰动的识别 |
| 4.5.2 仿真混合扰动的识别 |
| 4.5.3 实际扰动的识别 |
| 4.6 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文及科研成果 |
（4）用于穿戴式心率监测仪的抗运动干扰技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 心率测量技术研究现状 |
| 1.2.2 穿戴式生理监测仪的抗运动干扰技术国外研究现状 |
| 1.2.3 穿戴式生理监测仪的抗运动干扰技术国内研究现状 |
| 1.3 研究内容与论文结构框架 |
| 1.4 本文的所做工作 |
| 1.5 本章小结 |
| 第二章 心率监测及抗运动干扰技术原理概述 |
| 2.1 心率监测技术 |
| 2.1.1 动脉血压法 |
| 2.1.2 心电信号法 |
| 2.1.3 血氧饱和度法 |
| 2.1.4 光电容积描记法 |
| 2.2 抗运动干扰技术 |
| 2.2.1 经验模式分解方法(EMD) |
| 2.2.2 独立成分分析方法(ICA) |
| 2.2.3 单参数法 |
| 2.3 本章小结 |
| 第三章 心率监测仪的整体设计 |
| 3.1 心率监测仪的设计要求 |
| 3.2 心率监测仪的工作原理 |
| 3.3 硬件模块电路 |
| 3.3.1 光电信号采集电路 |
| 3.3.2 加速度信号采集电路 |
| 3.3.3 充电电路及蓝牙传输电路 |
| 3.4 软件模块设计 |
| 3.5 本章小结 |
| 第四章 心率监测仪关键算法的设计 |
| 4.1 心率提取算法的设计 |
| 4.1.1 频域上的范围检测 |
| 4.1.2 时域计算心率的算法设计 |
| 4.1.3 频域与时域结合的心率提取算法 |
| 4.2 抗运动干扰的设计 |
| 4.2.1 运动噪声干扰的产生 |
| 4.2.2 运动噪声去除算法的总体介绍 |
| 4.2.3 三轴波动值的求取以及内置阈值的确定 |
| 4.2.4 小波变换滤波处理 |
| 4.2.5 小波去噪的缺陷 |
| 4.2.6 自适应算法的运动干扰去除设计 |
| 4.3 本章小结 |
| 第五章 测试验证及实验结果分析 |
| 5.1 心率提取算法的准确性和可重复性分析 |
| 5.2 抗运动干扰能力测试 |
| 5.2.1 运动检测选择部分 |
| 5.2.2 小波阈值去噪部分验证 |
| 5.2.3 改良的变步长LMS自适应滤波算法验证 |
| 5.3 综合验证 |
| 5.3.1 微弱噪声仿真对比 |
| 5.3.2 一般噪声仿真对比 |
| 5.3.3 强噪声仿真对比 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）光谱信号及光纤振动信号预处理算法的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 光谱信号及光纤振动信号预处理的研究现状 |
| 1.2.1 光谱信号降噪研究现状 |
| 1.2.2 光纤振动信号的频谱分析研究现状 |
| 1.3 本文主要工作和章节安排 |
| 第二章 三种拉曼光谱降噪方法的应用研究 |
| 2.1 拉曼光谱 |
| 2.1.1 拉曼光谱产生的原理 |
| 2.1.2 拉曼光谱的特点 |
| 2.1.3 拉曼光谱的采集 |
| 2.2 小波变换 |
| 2.2.1 连续小波变换 |
| 2.2.2 离散小波变换 |
| 2.2.3 小波基函数的性质 |
| 2.2.4 小波分解重构算法 |
| 2.3 LMS自适应滤波器 |
| 2.3.1 LMS自适应滤波器原理 |
| 2.3.2 LMS自适应滤波器算法 |
| 2.3.3 LMS自适应滤波器的性能 |
| 2.4 EMD和EEMD |
| 2.4.1 EMD原理 |
| 2.4.2 EMD算法 |
| 2.4.3 EEMD原理 |
| 2.4.4 EEMD算法 |
| 2.5 仿真实验及分析 |
| 2.5.1 小波降噪 |
| 2.5.2 EMD降噪 |
| 2.5.3 EEMD降噪 |
| 2.5.4 LMS自适应滤波器降噪 |
| 2.5.5 仿真实验结论 |
| 2.6 本章小结 |
| 第三章 三种光纤振动信号频谱分析方法的应用研究 |
| 3.1 光纤振动信号 |
| 3.1.1 实测数据 |
| 3.2.快速傅里叶变换 |
| 3.2.1 周期信号的傅里叶级数 |
| 3.2.2 傅里叶变换 |
| 3.2.3 傅里叶变换的基本性质 |
| 3.2.4 快速傅里叶变换 |
| 3.3 小波包频带能量谱 |
| 3.3.1 小波包分解 |
| 3.3.2 小波包的子空间分解 |
| 3.3.3 小波包的重构 |
| 3.3.4 小波包频带能量特征提取 |
| 3.4 快速谱峭度 |
| 3.4.1 谱峭度定义 |
| 3.4.2 谱峭度性质 |
| 3.4.3 快速谱峭度 |
| 3.5 仿真实验分析 |
| 3.5.1 快速傅里叶变换图谱 |
| 3.5.2 小波包能量谱仿真 |
| 3.5.3 快速谱峭度图谱仿真 |
| 3.6 本章小结 |
| 第四章 EEMD联合VS-LMS算法 |
| 4.1 EEMD联合VS-LMS原理与算法 |
| 4.2 仿真实验 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者攻读硕士学位期间科研工作及研究成果 |
（6）基于小波域自适应去噪的CT图像重建方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究的目的及意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 低辐射剂量CT研究的现状 |
| 1.2.2 CT图像去噪研究的现状 |
| 1.2.3 局部CT重建的研究现状 |
| 1.3 课题研究内容及结构 |
| 第2章 CT成像相关理论 |
| 2.1 X射线与CT技术 |
| 2.1.1 X射线性质 |
| 2.1.2 CT设备的结构与原理 |
| 2.2 CT成像的数学原理 |
| 2.2.1 Radon变换 |
| 2.2.2 中心切片定理 |
| 2.3 CT图像去噪 |
| 2.3.1 CT图像噪声源与分类 |
| 2.3.2 传统图像去噪算法 |
| 2.4 重建算法与图像评价 |
| 2.4.1 FBP重建算法 |
| 2.4.2 迭代重建算法 |
| 2.4.3 图像重建算法分析指标 |
| 2.5 算法计算机建模 |
| 2.6 本章小结 |
| 第3章 小波变换基本理论 |
| 3.1 小波变换 |
| 3.1.1 小波变换的定义与性质 |
| 3.1.2 离散小波变换 |
| 3.2 多分辨率分析理论 |
| 3.3 快速小波变换算法 |
| 3.4 本章小结 |
| 第4章 基于小波的自适应组合去噪（ALW）算法 |
| 4.1 小波域去噪算法 |
| 4.1.1 小波域去噪理论基础 |
| 4.1.2 小波去噪的数学模型 |
| 4.1.3 小波去噪的原理与特征分析 |
| 4.1.4 小波阈值去噪算法 |
| 4.2 ALW算法的基本原理 |
| 4.2.1 贝叶斯估计与去噪 |
| 4.2.2 维纳滤波去噪算法 |
| 4.3 ALW算法设计 |
| 4.3.1 ALW算法的提出 |
| 4.3.2 ALW算法的具体步骤 |
| 4.4 ALW算法仿真与结果分析 |
| 4.5 本章小结 |
| 第5章 基于小波域自适应组合去噪的局部重建算法 |
| 5.1 基于小波的局部CT重建算法 |
| 5.1.1 局部CT重建 |
| 5.1.2 算法局部性分析 |
| 5.1.3 局部重建中小波变换的运用 |
| 5.1.4 局部重建算法仿真与结果分析 |
| 5.2 小波自适应去噪局部重建（ALD）算法 |
| 5.2.1 ALD算法的提出 |
| 5.2.2 ALD算法具体步骤 |
| 5.2.3 ALD算法的构造模型 |
| 5.3 ALD算法仿真与结果分析 |
| 5.3.1 ALD算法仿真实验 |
| 5.3.2 ALD算法数据完备性优化仿真 |
| 5.3.3 数据结果分析与比较 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 个人简历 |
| 致谢 |
（7）心电信号的检测与模式分类方法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 1 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要研究内容及创新点 |
| 2 心电信号检测系统的硬件设计 |
| 2.1 心电信号的电特性分析 |
| 2.2 系统的总体设计思路和框架 |
| 2.3 心电信号采集模块硬件电路的设计 |
| 2.3.1 前置放大电路的设计 |
| 2.3.2 右腿驱动电路的设计 |
| 2.3.3 0.05Hz高通滤波器的设计 |
| 2.3.4 200Hz低通滤波器的设计 |
| 2.3.5 50Hz工频滤波器的设计 |
| 2.3.6 后级放大电路的设计 |
| 2.4 心电信号存储与显示模块硬件电路的设计 |
| 2.4.1 A/D转换电路的设计 |
| 2.4.2 数据存储电路的设计 |
| 2.4.3 LCD显示电路的设计 |
| 2.4.4 串口通信电路的设计 |
| 2.5 本章小结 |
| 3 心电信号的数字滤波及其仿真 |
| 3.1 心电采集中的噪声及其特性分析 |
| 3.2 基于小波阈值去噪数字滤波器的设计及仿真 |
| 3.2.1 小波阈值去噪的理论 |
| 3.2.2 小波阈值去噪数字滤波器的设计 |
| 3.2.2.1 对于基线漂移的小波阈值去噪 |
| 3.2.2.2 对于肌电干扰的小波阈值去噪 |
| 3.2.2.3 对于工频干扰的小波阈值去噪 |
| 3.2.2.4 对于三种干扰信号的小波阈值去噪 |
| 3.3 基于自适应去噪数字滤波器的设计及仿真 |
| 3.3.1 自适应滤波器的原理 |
| 3.3.2 自适应去噪数字滤波器的设计 |
| 3.3.2.1 固定步长LMS自适应去噪数字滤波器的设计与仿真 |
| 3.3.2.2 可变步长LMS自适应去噪数字滤波器的设计与仿真 |
| 3.3.2.3 RLS自适应去噪数字滤波器的设计与仿真 |
| 3.4 四种去噪算法的性能比较 |
| 3.5 本章小结 |
| 4 心电信号QRS复合波的检测 |
| 4.1 小波变换QRS复合波检测原理 |
| 4.1.1 小波变换原理 |
| 4.1.2 小波变换奇异点与信号突变点之间的联系 |
| 4.1.3 小波函数的选取与尺度的选择 |
| 4.2 QRS复合波的检测 |
| 4.2.1 QRS复合波的检测流程 |
| 4.2.2 R波的检测 |
| 4.2.3 Q波与S波检测 |
| 4.2.4 QRS复合波起始位置与终止位置的检测 |
| 4.3 算法的验证与对比分析 |
| 4.4 本章小结 |
| 5 心电信号分类方法的研究 |
| 5.1 实验数据的选取及特征参数的提取 |
| 5.1.1 实验数据的选取 |
| 5.1.2 实验特征参数的提取 |
| 5.2 降维处理方法的研究 |
| 5.2.1 主成分分析法(PCA) |
| 5.2.2 线性判别法(LDA) |
| 5.2.3 主成分分析与线性判别融合法(PCA-LDA) |
| 5.3 分类器的设计 |
| 5.3.1 支持向量机(SVM)与最小二乘支持向量机(LS-SVM) |
| 5.3.2 SVM与LS-SVM参数的优化 |
| 5.3.2.1 交叉验证参数寻优在SVM(LS-SVM)中的应用 |
| 5.3.2.2 遗传算法(GA)参数寻优在SVM(LS-SVM)中的应用 |
| 5.3.2.3 粒子群算法参数寻优在SVM(LS-SVM)中的应用 |
| 5.3.3 极限学习机(ELM) |
| 5.4 ECG数据分类结果与分析 |
| 5.4.1 分类器的性能评估 |
| 5.4.2 降维处理方法在支持向量机中的性能评估 |
| 5.4.3 支持向量机中参数寻优算法性能评估 |
| 5.4.4 支持向量机、最小二乘支持向量机与极限学习机性能对比分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（8）体震信息监测系统中的微弱信号检测与分析方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 BCG信号研究现状 |
| 1.2.1 检测装置的发展 |
| 1.2.2 心脏功能的分析 |
| 1.2.3 多生理参数的提取 |
| 1.2.4 诊断系统的开发 |
| 1.3 微弱信号检测研究现状 |
| 1.4 主要研究内容 |
| 第2章 BCG信号的产生与预处理 |
| 2.1 BCG信号的产生 |
| 2.1.1 BCG信号的生理基础 |
| 2.1.2 BCG信号的产生原理 |
| 2.1.3 BCG信号模型的建立 |
| 2.2 BCG信号的预处理 |
| 2.2.1 BCG信号属性分析 |
| 2.2.2 BCG信号时域预处理 |
| 2.2.3 BCG信号频域预处理 |
| 2.3 本章小结 |
| 第3章 基于BCG信号的心率检测 |
| 3.1 基于混沌振子的心率检测 |
| 3.1.1 混沌振子检测微弱信号的基本原理 |
| 3.1.2 基于PCNN混沌判据的提出 |
| 3.1.3 实验结果与分析 |
| 3.2 基于自适应随机共振的心率检测 |
| 3.2.1 随机共振的基本原理 |
| 3.2.2 自适应随机共振系统的建立 |
| 3.2.3 实验结果与分析 |
| 3.3 本章小结 |
| 第4章 基于BCG信号的呼吸率检测 |
| 4.1 提取呼吸率的理论依据 |
| 4.2 基于小波变换的检测方法 |
| 4.2.1 小波基与分解尺度的选取 |
| 4.2.2 实验结果与分析 |
| 4.3 基于自适应干扰对消的检测方法 |
| 4.3.1 自适应干扰对消理论 |
| 4.3.2 基于自适应干扰对消的呼吸率检测算法 |
| 4.3.3 实验结果与分析 |
| 4.4 基于变频复解调的检测方法 |
| 4.4.1 变频复解调理论 |
| 4.4.2 基于变频复解调的呼吸率检测算法 |
| 4.4.3 实验结果与分析 |
| 4.5 基于S变换的包络解调检测方法 |
| 4.5.1 S变换理论 |
| 4.5.2 基于S变换的呼吸率检测算法 |
| 4.5.3 实验结果与分析 |
| 4.6 本章小结 |
| 第5章 BCG信号的特征分析与诊断 |
| 5.1 常规BCG信号分析 |
| 5.1.1 常规BCG信号描述 |
| 5.1.2 常规BCG信号的影响因素 |
| 5.1.3 常规BCG信号在疾病中的变化 |
| 5.2 BCG信号特征提取方法 |
| 5.2.1 BCG信号的时域特征提取 |
| 5.2.2 BCG信号的频域特征提取 |
| 5.2.3 BCG信号的时频奇异值特征提取 |
| 5.2.4 BCG信号的长短期数据重复性特征提取 |
| 5.3 BCG信号诊断方法 |
| 5.3.1 基于常规特征点的BCG信号诊断方法 |
| 5.3.2 基于云模型的BCG信号诊断方法 |
| 5.4 本章小结 |
| 第6章 体震信息监测系统的实现 |
| 6.1 BCG信号检测装置 |
| 6.1.1 总体结构 |
| 6.1.2 传感器电路 |
| 6.1.3 信号处理电路 |
| 6.1.4 无线传输电路 |
| 6.2 基于LabVIEW的BCG信号自动分析平台 |
| 6.2.1 总体架构 |
| 6.2.2 信号预处理模块 |
| 6.2.3 生理参数检测模块 |
| 6.2.4 特征参数提取模块 |
| 6.2.5 综合诊断模块 |
| 6.2.6 信息存储模块 |
| 6.3 系统综合测试 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间取得的研究成果 |
（9）基于遗传算法的电力系统过电压分层模糊聚类识别（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题的背景及意义 |
| 1.2 雷电冲击过电压特征提取研究状况 |
| 1.3 内部过电压特征提取研究状况 |
| 1.4 过电压暂态信号模式识别研究现状 |
| 1.5 本文研究内容 |
| 2 电力系统过电压分析及特征参量选取 |
| 2.1 电力系统过电压产生基本理论分析 |
| 2.1.1 RLC 电路分析及线路波过程 |
| 2.1.2 雷电过电压 |
| 2.1.3 单相接地短路引起的工频过电压 |
| 2.1.4 投切电容器组过电压 |
| 2.1.5 合闸空载线路过电压 |
| 2.1.6 投切空载变压器过电压 |
| 2.1.7 弧光接地过电压 |
| 2.1.8 铁磁谐振过电压 |
| 2.2 过电压仿真分析 |
| 2.2.1 雷电过电压仿真波形分析 |
| 2.2.2 单相接地仿真波形分析 |
| 2.2.3 投电容器组仿真波形分析 |
| 2.2.4 合空载线路过电压仿真波形分析 |
| 2.2.5 合空载变压器过电压仿真分析 |
| 2.2.6 弧光接地过电压仿真波形分析 |
| 2.2.7 铁磁谐振过电压仿真波形分析 |
| 2.2.8 操作过电压影响因素分析 |
| 2.3 特征参量选取 |
| 2.3.1 时域分析 |
| 2.3.2 相关分析 |
| 2.3.3 小波变换时频域联合分析 |
| 2.3.4 小波分析理论 |
| 2.3.5 小波函数的选取 |
| 2.3.6 小波变换特征量分析 |
| 2.4 特征参量列表 |
| 2.5 小结 |
| 3 过电压信号处理及分层模式识别结构 |
| 3.1 统一采样频率及数据长度选取 |
| 3.2 滤波处理 |
| 3.2.1 数字滤波器的设计 |
| 3.2.2 滤波效果分析 |
| 3.3 去噪处理 |
| 3.3.1 过电压信号小波去噪处理 |
| 3.3.2 去噪效果分析 |
| 3.4 小波能量特征提取 |
| 3.5 建立分层识别结构模型 |
| 3.5.1 模块化层次分类树的建立 |
| 3.5.2 特征量的分层结构 |
| 3.6 小结 |
| 4 基于遗传算法的过电压模糊聚类识别分析 |
| 4.1 模糊聚类算法的基本原理 |
| 4.1.1 模糊理论 |
| 4.1.2 模糊聚类算法的实现 |
| 4.2 遗传算法基本原理 |
| 4.2.1 遗传算法的数学描述 |
| 4.2.2 遗传－模糊聚类分析的实现 |
| 4.3 实例分析 |
| 4.3.1 节点1 分析 |
| 4.3.2 节点3 分析 |
| 4.3.3 节点4 分析 |
| 4.3.4 节点5、6、7 分析 |
| 4.4 小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）井间电磁波场数值模拟与成像（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 井间电磁波数值模拟及成像技术综述 |
| 1.2.1 井间电磁波数值模拟 |
| 1.2.2 井间电磁波成像 |
| 1.2.3 存在的问题 |
| 1.3 研究思路及创新点 |
| 第二章 井间电磁波时域有限差分方法 |
| 2.1 FDTD方法基本原理 |
| 2.1.1 Yee氏网格和FDTD方程 |
| 2.1.2 数值稳定性条件及色散特性 |
| 2.2 柱坐标系中的FDTD方程 |
| 2.2.1 一般情况下柱坐标系中的FDTD方程 |
| 2.2.2 轴对称情况下柱坐标系中的FDTD方程 |
| 2.3 吸收边界条件 |
| 2.3.1 PML吸收边界条件 |
| 2.3.2 GPML吸收边界条件 |
| 第三章 井间电磁波全波形反演方法 |
| 3.1 Born近似和Frèchet导数 |
| 3.1.1 Born近似 |
| 3.1.2 Frèchet导数 |
| 3.2 全波形反演基本原理 |
| 3.2.1 理论介绍及公式推导 |
| 3.2.2 消除3维空间影响以及对源波形的估计 |
| 3.3 小波自适应信号处理 |
| 3.3.1 小波自适应滤波 |
| 3.3.2 小波自适应反褶积 |
| 第四章 数值算例 |
| 4.1 数值模拟 |
| 4.2 全波形反演 |
| 第五章 全文总结 |
| 5.1 研究成果 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
四、小波基自适应去卷滤波器及其仿真（论文参考文献）
- [1]基于稀疏表示的红外图像噪声抑制方法研究[D]. 何培亮. 重庆邮电大学, 2019(02)
- [2]基于自适应VMD和PSO-SVM的电能质量扰动检测与分类[D]. 周金. 湖南大学, 2019(06)
- [3]暂态电能质量扰动检测与识别方法的研究[D]. 王燕. 西南交通大学, 2018(03)
- [4]用于穿戴式心率监测仪的抗运动干扰技术研究[D]. 梅思宇. 西安电子科技大学, 2018(02)
- [5]光谱信号及光纤振动信号预处理算法的应用研究[D]. 俞潇. 新疆大学, 2016(02)
- [6]基于小波域自适应去噪的CT图像重建方法研究[D]. 霍俊卿. 哈尔滨工程大学, 2015(06)
- [7]心电信号的检测与模式分类方法的研究[D]. 杨杰. 浙江师范大学, 2014(01)
- [8]体震信息监测系统中的微弱信号检测与分析方法研究[D]. 蒋芳芳. 东北大学, 2011(07)
- [9]基于遗传算法的电力系统过电压分层模糊聚类识别[D]. 郭良峰. 重庆大学, 2009(12)
- [10]井间电磁波场数值模拟与成像[D]. 杨曦. 中国地质大学, 2008(10)