基于小波变换的时变长记忆SV模型估计方法研究

研究了基于小波变换的时变长记忆SV模型参数的估计方法.根据小波变换可将过程分解到不同的尺度上以及长记忆SV过程同一尺度下和不同尺度下DWT系数的近似不相关性,提出了建立局部似然函数的方法,又根据DWT系数和MODWT系数之间的关系,将局部似然函数表示为模型参数和局部小波方差估计的形式.用该方法对中国股市收益进行了时变长记忆SV模型参数的估计.     

基于小波变换的LMSV模型变结构研究

提出了应用DWT(离散小波变换)系数累积平方和的LMSV(长记忆随机波动)模型单一变结构点的检测与基于最大重复离散小波变换(MODWT)系数的变结构点的定位方法，并提出了LMSV模型多个变结构点的检测与定位方法．该方法既能对变结构点进行检测和定位，又能同时确定各结构变化发生的尺度．用该方法对沪、深股市综合指数的收益序列进行了波动变结构分析，理论与实证结果表明该方法是有效且可行的．     

基于小波分析的股市波动的多重分形辨识

以上证指数和深圳成分指数日收盘价的时间序列为样本,利用小波分析方法剔除序列的噪声干扰,对序列保留的波动趋势进行多重分形辨识.通过 WTMM (小波变换模极大)计算配分函数,尺度函数和多重分形谱等,全面细致的量化了序列的局部及不同层次的波动奇异性.计算结果表明:去除噪声干扰后, 中国现行证券市场的波动呈现显著的多重分形特征.     

基于小波变换的LMSV模型波动长记忆性估计与检验

将小波引入到LMSV模型波动长记忆性的估计与检验中，提出了基于小波变换的LMSV模型波动长记忆性的伪极大似然估计法和波动长记忆性的检验方法，用不同参数值和样本容量的数据进行了模拟实验．又用该方法对上海和深圳证券交易所综合指数收益序列的LMSV模型的波动长记忆性进行了检验和估计，结果表明该方法是有效且可行的．     

基于对偶树复小波变换的织物纹理识别

离散小波变换(DWT)虽然广泛用于图像处理,但DWT存在两个缺点:其一,缺乏平移不变性,这意味着信号的微小平移将导致各尺度上的小波系数的能量分布有较大变化;其二,缺乏方向敏感性,可分离的二维小波变换只有三个方向的高频信息即水平、垂直和对角.利用对偶树复小波变换(DT-CWT)进行图像纹理分类,可以克服上述离散小波变换的不足,该方法具有逼近的平移不变性和更多的方向选择性,有利于特征的跟踪、定位和保留.本文采用对偶树复小波变换和BP神经网络相结合的方法对织物纹理进行分类,实验表明,分类率可达98%.     

基于小波域马尔可夫先验模型的图像去噪方法

提出了一种基于各向异性马尔可夫随机场(Markovrandomfield,MRF)先验概率模型的图像去噪方法。该方法利用图像小波子带的方向性特点以及小波系数尺度内和尺度间的相关性,将小波系数的分布特征建模为一种各向异性MRF先验概率模型。通过在贝叶斯框架中采用这种先验概率模型可以得到一种具有空间自适应性的贝叶斯萎缩函数。利用这种萎缩函数可以实现对小波系数的修正。实验结果表明利用该方法进行图像去噪能够取得良好的效果,同时可以有效地保留图像的细节。     

股指期货对冲比率和对冲期限关系的多尺度研究

为研究股指期货对冲比率与对冲期限的关系,基于小波分析推导了多尺度最优对冲比率的计算方法,揭示了期货和现货的波动性及相关性的多尺度变化导致了最优对冲比率和对冲效率多尺度变化的本质.通过对国际上具有代表性的股指期货的实证研究表明,股指期货和现货的波动性和相关性存在有规律的多尺度变化特征.其中,在高频尺度上, 股指期货和现货的波动率差异较大,相关性较小.而在低频尺度上,波动率差异较小,相关性较大.进一步研究表明,波动性和相关性的多尺度变化导致了最优对冲比率及对冲效率呈相似规律的多尺度变化.     

基于系统参数估计时间序列的小波分析故障诊断方法

提出了一种失效性故障诊断的新方法.这种方法将基于解析模型的故障诊断技术和基于信号分析的故障诊断技术结合起来,对系统参数的递推最小二乘估计时间序列进行小波分析,得到故障特征值,兼有两种故障诊断技术的优点.本文还讨论了对于模型参数估计时间序列小波分析的基函数及尺度选取方法问题,仿真结果表明该方法的有效性和准确性非常明显,具有一定的实用价值.     

基于HMM和小波网络模型的抗噪语音识别方法

提出一种隐马尔可夫模型(HMM)和小波神经网络(WNN)混合模型的抗噪语音识别方法。该方法首先利用HMM对语音信号进行时序建模，并计算出待识语音对HMM的输出概率评分，再将此概率评分作为小波神经网络的输入，获取分类识别信息，最后根据混合模型的识别算法作出识别决策。实验结果表明，在噪声环境下，由于HMM的强时序建模能力和小波神经网络的强模式分类能力，该混合模型比单纯HMM具有更强的噪声鲁棒性，明显改善了语音识别系统的性能。     

基于提升静态小波变换的自适应消噪方法

基于离散小波变换的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了基于提升静态小波变换的自适应消噪方法,它首先根据DWT的提升方法,得到SWT的提升和对偶提升实现方法,然后通过SWT的提升方法将信号分解为多个子带,利用引入更多动量因子的权系数的迭代公式进行自适应匹配.并对匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.     

基于小波窗口的模极大值去噪算法

在相关去噪和模极大值去噪的基础上,提出了一种基于小波窗口相关的模极大值去噪算法.即先用小波窗口相关法时最大尺度的小波系数进行预处理,再用模极大值法去除各层系数的噪声.该算法不仅克服了通常相关去噪算法中小渡系数对偏移敏感的缺点,避免了阙值选择受噪声影响的问题,同时,它也解决了模极大值算法中由于小尺度上噪声影响较大而造成的对信号小波系数定位不准的问题,减少了模极大值法的累积误差.仿真实验验证了新方法的有效性,特别是信噪比较低时,该方法的效果尤为显著.     

An Adaptive Method of Image CompressionBased on Wavelet Analysis

1. INTroDUCTIONIn recellt years, the research on image compression and coding using wavelet transform has become a very hottOPic. It is because wavelet analysis has freedom retractility in the field of frequency. When the band of signal' is narrowl we can zoom in the resolution in order to express the signal exactly. If the band is wide, we can zoomOat the resolutinn to create the need of signal processing. Therefore.the method of wavelet analysis has a strongadaptability, and it isn't l…     

基于双密度双树小波变换的超声图像降噪

针对去除斑点噪声提高超声图像质量的问题,提出双密度双树离散小波变换（DD-DT DWT）结合局部方差估计的双变量收缩阈值函数（BFS）的图像降噪改进算法实现超声图像降噪。首先将原始图像用DD-DT DWT进行多尺度分解,根据噪声模型和小波子父代系数确定的局部边缘方差估计阈值,利用子父代小波系数相关性构成的双变量阈值函数,对图像16个方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像。用仿真和真实数据对此算法进行验证,并与其他小波降噪系统的性能比较,结果分析表明噪声图像经该算法降噪后,图像性能指标均有提高,不仅有效的实现图像降噪,而且较好的保留图像细节。     

一种基于数据序列相关性的小波域信息盲隐藏算法

利用数据序列之间的相关特性,文章提出了一种基于数据序列相关性的小波域信息盲隐藏算法。在信息嵌入过程中,对隐藏信息进行信息分存,通过对原始图像进行小波变换,并选择相应位置的高频系数组成数据序列,利用十组替代数据序列将隐藏信息嵌入。提取时,用含密的数据序列与替代数据序列进行比较,按照相关性最大的原则来提取信息。算法采用混沌序列进行加密控制。实验结果表明,这种方法有效,易于实现,特别是隐藏量较大。     

一种基于DWT-CWT的CPFSK信号盲符号速率估计算法

提出一种综合利用离散小波变换和连续小波变换来估计CPFSK信号符号速率的新算法.对离散小波变换后的细节信号进行连续小波变换,能够有效地减小噪声的影响,从而实现低信噪比下的符号速率估计.实验结果表明,与单纯使用连续小波变换的方法相比,新算法在低信噪比时具有较好的估计性能.     

多分辨持续及协同持续研究

为刻画金融风险随时间尺度的变化关系,基于小波分析和脉冲响应分析,给出了多分辨持续及多分辨协同持续的定义,扩展了先前有关波动持续及协同持续相关主题的讨论,分析了多分辨持续的三种状态并论证了多分辨协同持续与协整之间的对应关系.这为描述金融风险的动态变化特征和消除其影响提供了理论依据,并给出实证加以验证.