基于小波变换模极大值与奇异点的短时电压变动实时检测.pdf

依据白噪声小波变换性态与信号奇异性相比具有显著不同的特点,在大尺度下设置阈值,去掉噪声信号而保留图像细节信号引起的模极大值点。在阈值设置问题上,采用自适应阈值的方法,克服单一阈值不能在每级尺度上将信号与噪声作最大分离的缺点。实验表明,与单一阈值去噪方法相比,该方法不仅可以保留图像边缘信息,而且能提高去噪后图像的峰值信噪比 2～5 dB。

基于故障行波的输电线路单端故障定位利用故障点的反射行波与入射行波到达母线的时间差计算故障距离，但如何区分来自故障点和对端母线的反射行波仍是一个难题。在分析故障点和母线的反射特性的基础上，利用电流行波线模分量小波变换的最初2个模极大值之问的相对极性区分来自故障点和对端母线的反射行波．并提出了一种改进的基于小波变换模极大值的输电线路单端故障快速定位方法，能够不受故障类型、故障电阻及耦合线路的影响。理论分析和仿真结果表明，该方法切实可行。

文章利用小波变换和多分辨率分析的性质,从多尺度角度对图像边缘检测算法进行分析,总结出小波变换模极大值多尺度边缘检测算法。通过对标准图像Lena进行小波变换模极大值多尺度边缘检测结果发现,其比小波变换模极大值边缘检测算法和Canny算法在部分边缘检测中得到了更多的细节信息,使图像变得更真实。

为了准确检测用于输电线路故障测距的行波,把基于小波变换模极大值的信号奇异点检测原理应用于行波的时间特征提取,并结合小波消噪技术,在强噪声背景下实现了行波波头的精确定位。仿真表明上述方法是有效的。

小波分析模极大值法.rar

 超分辨率复原技术的基本思想就是采用信号处理的方法，在改善图像质量的同时，重建成像系统截至频率外的信息。POCS（凸集投影）算法是一种广泛应用于图像超分辨率复原的方法。针对传统的POCS算法的边缘振荡效应，在分析其产生的原因，造成的影响的基础上，采用改进的POCS算法，以减少边缘振荡。采用基于小波变换模极大值的改进POCS算法进行图像超分辨率复原。实验结果表明，该方法有效的较少了复原图像的边缘振荡效应，是一种有效的图像超分辨率复原方法。

小波变换边缘检测matlab代码小波图像边缘检测 该代码实现了Mallat和Hwang（1992）的方法，该方法使用小波变换模量最大值方法检测图像中的边缘。 如参考文献中所述，此方法类似于Canny边缘检测方法，但在小波变换的上下文中进行了解释。 本文概述了通过“平滑函数”及其部分导数构造的小波。 在这里，选择的平滑函数是联合正态二维零均值方差高斯分布，部分是由于其在边缘检测和图像处理方法中的现有应用。 samples/目录包含一些样本输入图像和带有某些参数的代码输出。 输出文件名可以解释如下： s${integer}代表算法评估时的二进比例因子的指数。 因此s4表示生成的输出图像的比例因子为2 ^ 4。 t${number}代表最终阈值，该阈值用于消除图像中的任何残留噪声。 因此， t015表示从最终输出图像中删除了所有低于0.15的最终像素值。 要运行代码，请在matlab中打开wtmm.m文件，并将img_file_name值更改为图像的相对文件路径（最好是JPEG格式）。 然后，在运行代码之后，将弹出一个窗口，允许您保存输出图像。 在代码中调整scale和threshold值可

利用小波变换模极大重建原信号Matlab源程序 胡广书书上的资源，有注释。 测试过可运行。

分析信号和噪声的奇异指数, 根据函数不同的奇异指数小波变换的局部模极大值具有不同的传播特性的理论, 在相邻模极小构成的待选通域中对分析出的噪声局部模极大值所在的选通域进行平滑处理, 反变换重建出去噪信号. 实验结果表明这种方法计算简单且有较好的去噪效果.