有限长二维子波变换的算法结构

子带编码是图象信号压缩的一种有效方法。在子带编码系统中，利用子波变换的良好的时间（空间）和频率域局部化特性将图象信号分割成子带信号，可以改善压缩效率。从一维有限长子波变换的算法结构出发，利用矩阵Ｋｒｏｎｅｃｋｅｒ积的性质推导了一种用于图象压缩的二维有限长离散子波变换的算法结构，并且给出了设计快速子波变换算法的方法     

基于神经网络计算的子波变换实现

本文首先阐明了子波变换理论利用可变时域和频域分辨特性表达信号、获取信号特征的原理，提出了利用神经网络计算方法计算子波变换系数的新方法，并讨论了与人视觉系统密切相关的子波变换神经元的特性，提供了计算机仿真子波变换信号的结果。理论分析和实验结果表明，子波变换不仅具有对信号多分辨表达的特性，而且可以有效地压缩被处理信号。     

子波激励线性预测（WELP）的语音编码方案

从子波变换这个新的概念,给出了一种语音信号预测模型残差激励信号的分解方法,提出了一种语音信号编码方案,即子波激励的线性预测编码法(WELP),给出了部分实验结果,实验表明,在相同的音质条件下,WELP方法比其它方法能更进一步降低比特率,有希望在低比特率语音编码中得到应用。     

基于子波变换谱估计的频率步进毫米波雷达目标成像

根据子波变换所具有良好的时间－频率局域性和逼近性,研究基于子波变换谱估计的频率步进毫米波雷达目标成像方法。由于选用了波动性、衰减性和带通性能好的已调高斯函数作为子波基函数构成一组特性较理想的带通滤波器,对信号进行正交处理,其子波变换同时给出了同相和正交分量。通过信号的功率谱估计,从而获得更好的雷达目标一维距离像。仿真结果表明,这种方法是有效的     

子波变换图象压缩编码技术进展

从１９８８年Ｍａｌｌａｔ将子波变换用于信号处理提出多分辨率分析概念，给出了信号或图象分解为不同频率通道的算法和重构算法。开创了子波变换在图象处理中的应用，子波变换在时域和频域同时具有良好的局部化性能，使子波变换成为视频图象压缩编码的主要技术，专家预计，在１９９６年符合高清晰度电视标准的子波变换视频图象压缩技术将推出问世，本文综述子波变换图象压缩编码技术当前的进展。     

子波去噪在雷达信号处理中应用

在介绍子波变换功率谱计算方法的基础上,提出了一种基于子波变换理论的雷达视频回波信号去噪方法,该方法首先对回波信号进行多分辨分解。确定每一尺度上的门限阈值;然后对信号进行离散子波变换,去除各尺度上低于对应门限阈值的信号成分,再利用离散子波反变换获得了去噪后的视频回波信号。利用该方法对实测雷达视频回波数据进行仿真验证,获得了较好的效果。     

紧支集正交子波的构造及其应用

介绍了紧支集子波的特性,详细讨论Daubechies子波的构造方法并给出应用实例.说明子波变换用于系统响应信号的分析是十分有效的.     

一种二维离散子波变换的滤波器结构

子波变换具有良好的时间（空间）频率局部化性能，在图象子带编码中，二维离散子波变换是一种接近理想的子带分析／综合子系统。本文提出一种利用一维离散子波变换实现二维有限长离散子波变换的方法，同时给出了二维离散子波正变换（ＤＷＴ）和反变换（ＩＤＷＴ）的滤波器实现结构。     

瞬态信号波形提取的子波变换方法

提出了一种把子波变换与假设检验结合起来从噪声中提取有用瞬态信号波形的方法。先对瞬态信号加高斯噪声的混合信号进行离散子波变换得到了子波系数，根据假设检验理论确定门限，把子波系数与门限进行比较，如果子波第数大于门限，则保留这些子波系数，否则置为零。     

子波方法提取Rayleigh-Bnard对流温度信号的相干结构

采用子波分析方法 ,对 Rayleigh- Bénard对流中温度脉动信号进行了分析 ,根据子波系数方差取极大值的判别准则 ,确定出了对应于温度信号相干结构的尺度或频率 ,然后采用给出的确定尺度下的连续子波反变换公式 ,不需要加入任何门限 ,提出了温度信号相干结构所对应的波形。为证明该方法的有效性 ,还对一个给定的“余弦相干信号 +随机噪声信号”,进行了提取余弦相干信号的数值实验 ,结果表明 ,该方法能够较准确地提取出代表相干结构的余弦信号。     

一种基于小波变换的图像去噪方法的应用研究

探讨了小波变换在图像去噪中的处理技术.首先分析了小波变换的原理,然后给出了基于小波变换的图像去噪原理,并设计了小波变换图像去噪的具体实施方案,最后给出了小波变换去噪的图像训练实验结果.结果表明,利用小波分解(变换)去除图像噪声,既滤除了噪声,又有效地保持了图像的细节信息.     

基于小波变换的柴油发动机辐射噪声线谱分析

对小波变换(多分辩率分析)用于柴油发动机辐射噪声分析.利用小波变换的"变焦"性能,并基于其多分辨率分析,以柴油发动机辐射噪声信号为对象,使用Daubechies小波及快速小波算法———Mallat算法对其进行塔式分解,然后进行各级小波波形结构特征提取,再结合经典谱估计的方法分析其线谱特征,进而提高线谱的分辨率,以获得更多的信息量,为柴油发动机降低噪声提供理论依据.分析表明,将小波变换应用于柴油发动机辐射噪声线谱分析具有重要的意义.     

基于小波变换的分开-合并图像分割

小波变换具有良好的“时间—频率”局部化特性及多尺度变焦距特性对于二维图象的小波变换,其梯度模值提供了图像的边缘信息在大尺度时,图像边缘稳定,但存在有位移小尺度时,边缘定位精确,但易受噪声影响噪声和边缘都具有较高的空间频率噪声的能量小,在大尺度下,其小波变换系数值小边缘的能量大,在大尺度变换下,其小波变换系数值大由多尺度小波变换系数的变化情况,估计边缘的类型采用多尺度小波变换系数作为四分树结构的分开—合并法图像分割的一致性度量从而在大的图像块中,去除噪声的影响,在小的图像块中,以小波变换的局部极大值精确定位边缘,根据边缘信息进行分开—合并法图像分割实验表明,算法得到满意的结果     

GPS receiver performance inspection by wavelet transform

As a powerful analysis tool and the result of contemporary mathematics development, wavelet transform has shown its promising application potentials through the research in the paper. Three aspects regarding GPS receiver performance is tackled: cycle slip detection, receiver noise analysis and receiver channel bias inspection. Wavelet decomposition for double differential observation has demonstrated that this multi-level transform can reveal cycle slips as small as 0.5 cycles without any pre-adjustment processes or satellite orbit information, it can therefore be regarded as a 'geometry free' method. Based on property assumption of receiver noise, signal of noise serial is obtained at the high frequency scale in wavelet decomposition layers. This kind of noise influence on GPSb aseline result can be effectively eliminated by reconstruction process during wavelet reconstruction. Through observed data analysis, the transform has detected a kind of receiver channel bias that has not been completely removed by processing unit of GPS receiver during clock offset resetting operation. Thus the wavelet approach can be employed as a kind of system diagnosis in a generalized point of view.     

基于小波多分辨率分析的信号消噪

小波变换是近10年来迅速发展起来的学科，它与傅立叶变换、Gabor变换相比，是一个时间和频率的局部变换，因而能有效地从信号中提取信息。通过对信号进行多尺度细化分析，解决了傅立叶变换不能解决的许多问题。利用噪声信号小波变换的极大值随尺度的加大而显著减少的特点，运用小波多分辨率分析进行信号噪声的消除，仿真结果表明:小波多分辨率分析的效果，优于传统的傅立叶变换。     

小波变换在面波去噪中的一些应用

地震资料的去噪,在处理中是非常重要的内容.随着勘探技术的进步,地球物理可以用于去噪的方法越来越多.目前去噪效果相对较好的是小波变换法.小波变化以其独特的时频特性被广泛的使用于地震资料的去噪中.与以前的频率滤波相比,其优越性是可见的.本文简要介绍了小波函数以及用于地震去噪的小波变换的一些方法,并且结合实际来对小波去噪进行了介绍.     

应用小波变换进行信号消噪处理

小波分析在时域与频域同时具有良好的局部化性质,可以利用信息信号和噪声信号在小波变换下具有截然不同的奇异性来区分信息信号与噪声信号。根据信号与噪声在二进制小波变换随尺度参数减小时信息信号和白噪声信号的小波变换的模极大值点变化的不同性质做消噪处理,然后再重建消噪后的信号。采用本研究所给出的方法对实际数据进行处理,其结果表明应用小波分析可以明显地抑制噪声,提高信噪比。此方法具有很好的实用价值。     

用小波变换去除红外图像中1/f噪声的方法

研究红外图像中去除1/f噪声的方法,通过分析1／f噪声的频率和功率谱等特种,比较小波变换和维纳滤波去相关的效果,在图像处理中利用小波变换的去相关作用,合理地选择小波基,使1/f噪声变为易于清除的白噪声,从而达到去除1／f噪声的目标,实验结果表明,小波变换对去除1/f噪声有良好的效果,目标信噪比也有很大的提高,有助于后读的目标检测。     

小波分析及其去噪性能研究

小波变换是一种具有一定时间和频率分辨率的分析方法．为了寻找更有效的去噪方法，对连续小波变换(CWT)、离散序列小波变换(DTWT)和正交小波变换(QWT)作了理论分析。结果表明：CWT对噪声具有良好的抑制作用；DTWT在通过域值处理的同时，也考虑了因噪声造成的某些信号细节的丢失；而QWT则能有效地提取淹没在噪声中的微弱信号。与传统的傅里叶变换(FT)相比较，具有显著的优点，值得关注。     

小波变换与傅立叶变换在信号消噪中的对比研究

本文介绍了小波变换,阐述了小波消噪的原理。通过仿真,比较了二者在信号消噪方面的优缺点,得到了小波变换在信号消噪方面明显优于傅立叶变换的后记。