正交FDWT与雷达数据压缩及目标识别方法

本文由共轭镜像滤波器构造有限维内积空间的正交多分辨分析与快速离散小波变换(FDWT),并将其用于降低雷达数据存储量,提出基于压缩数据的小波域相关与最小距离分类方法.变换域识别法计算速度快.实验结果表明,本文的变换、压缩和识别方法是有效的,小波变换域数据降维描述目标的能力强.     

误差反馈的正交小波均衡器结构与算法研究

在基于离散正交小波变换的基础上，结合传统的判决反馈自适应均衡算法，提出一种基于误差反馈的离散正交小波判决反馈均衡器结构和算法。对前馈滤波器用一组规范正交小波及其对应的系数来表示，后馈滤波器包含了误差反馈和判决反馈。并在此基础上，给出了自适应均衡算法。谊算法的优点是将离散正交小波变换和误差反馈相结合，利用小波变换的去相关能力在小波域中通过归一化的最小均方误差算法来提高收敛速度，利用误差反馈来减小误差信号之间的自相关性，以获得更小的均方误差（MSE）和误码率。     

小波域上的图像降噪Wiener滤波器设计

小波阈值降噪技术利用小波变换表示信号的稀疏性质，使用对角形式的阈值滤波器达到信号降噪的目的，这个方法在很多信号空间上是近似最优的。但是对于任意信号，在MSE意义上最优的信号估计是Wiener滤波器。提出了一种小波域上的经验Wiener滤波器的设计方法，并应用于图像降噪。实验结果表明，此方法比一般小波阈值降噪法取得的效果要好得多。     

小波基自适应去卷滤波器研究

为了提高信号处理的精度，熔最小均方滤波、Kalman滤波和小波变换于一炉，提出了小波基自适应去卷滤波器。并用文中方案做了若干仿真实验，结果表明，该滤波器能很好地跟踪反射系数信号，并能滤去高频噪声，平均相对误差在1％以内，表明文中方案是十分有效的。     

基于连续小波理论的时间尺度变换实现

时间尺度变换就是使信号在时域上压缩或扩展而幅度不发生变化。推导了基于连续小波变换的函数时间尺度变换公式 ,在已知任意平方可积函数 f( t)的条件下 ,通过连续小波变换和反变换求得期望的 g( t) =f( t/λ)。在小波变换条件下 ,函数的时间尺度变换可以通过等量代换进而转化小波滤波器的时间尺度调制来获得 ,对此予以了理论和仿真实验证明     

小波变换用于CT图像重建及处理研究

研究了小波变换多分辨率图像重建和局部区域重建算法。在算法中 ,小波滤波器直接修正重建滤波器 ,重建得到各种细节图像 ,并能快速地得到重建图像的轮廓。由于小波变换的局部性 ,使用局部数据能重建局部图像。通过小波多尺度分析和重构系数控制 ,提出一种简单算法 ,在重建中进行图像增强和噪声消除 ,该算法将图像重建与图像处理结合在一起。与通用的算法相比 ,能提高重建速度和图像质量     

小波变换在激光陀螺信号处理中的应用与实现

针对动态条件下激光陀螺(RLG)随机噪声其非平稳和非正态分布的特性,提出了基于小波变换的RLG降噪方法,研究了小波去噪和Lipschitza指数奇异值检测的原理,给出了离散Db4小波滤波器的硬件实现方法,采用双正交静态小波基对RLG信号进行不同尺度的分解,通过不同小波基及低通滤波效果的比较,发现Db4小波具有较好的去噪性,其分解和重建滤波器系数也十分简单,验证了小波变换在陀螺仪信号去噪中的可行性,在用Db4滤波后的数据进行导航解算时,发现导航误差有很大的减小,研究成果对导航系统精度的提高有着重要的参考价值。     

基于正交小波包变换的判决反馈盲均衡算法

针对严重线性失真的水声信道,在分析正交小波包变换理论和判决反馈盲均衡算法的基础上,利用正交小波包变换良好的去相关性特性,对判决反馈盲均衡算法的前馈滤波器权向量进行修正,提出了基于正交小波包变换的判决反馈盲均衡算法(WPT-DFE)。与基于正交小波变换的判决反馈盲均衡算法(WT-DFE)和常规判决反馈盲均衡算法(CMA-DFE)相比,该算法具有收敛速度快、跟踪性能好、稳态误差小的特点。水声信道的仿真结果,验证了算法的有效性。     

小波域多聚焦图像融合算法

研究了小波域多聚焦图像融合方法中滤波器、分解层数、融合规则的选取问题,提出一种基于小波变换的简单融合规则。利用小波变换将图像分解成最低频逼近和不同尺度、不同方向的高频细节信息,最低频逼近反映图像的平均信息,细节包含图像的边缘。根据多聚焦图像中细节信息互补的特点,对多个待融合图像简单地取模值较大的小波系数,得到了很好的融合图像。详细讨论了不同的小波滤波器、分解深度、融合算子对融合结果的影响。对小波域图像融合算法与其它一些多分辨图像融合算法:如Laplace塔、比率塔、对比度塔、梯度塔等进行比较,得到了一些定性结论,对该领域的研究和实验有一定的指导意义。     

不同极化基下定义的目标散射矩阵的变换

本文简要概述了雷达极化研究的历史发展，着重讨论并推导了一组用于极化基底变换、极化矢量变换以及不同基下目标散射矩阵变换的公式。这些公式在雷达目标特征极化状态的研究中具有很大意义。     

基于最优分解和方向加权的静止图像压缩算法

基于小波变换的JPEG2000是新一代静止图像压缩标准,具有很多优点。但是由于二维小波是一维小波的张量积,它只有有限的方向,因而不能较好地捕捉图像的方向信息。基于方向滤波的小波 contourlet变换(wavelet based contourlet transform, WBCT)可以弥补这个不足,它比小波变换能更稀疏地表示图像信息。把WBCT嵌入在JPEG2000框架中,并结合其性质,提出了基于最优分解和方向加权的静止图像压缩算法。实验结果表明,该算法在中低码率下可以更好地表现图像的轮廓和强纹理信息,在高码率下也能较好地编码图像的弱纹理信息。不管是参照客观质量评价方法,还是凭主观视觉感受,该算法的压缩性能均优于JPEG2000。     

基于局部混合滤波的SAR图像去噪

相干斑噪声是合成孔径雷达(synthetic aperture radar, SAR)成像系统所固有的缺点,严重影响SAR图像的可用性,给后续的图像分割、特征提取和目标识别等工作带来严峻的挑战。结合非下采样方向滤波器和双树复小波变换各自的特点,提出一种新的基于非下采样方向滤波-双树复小波变换的局部混合滤波SAR图像去噪算法,具有多方向和多尺度性,保持了图像的平移不变性,改善了图像的视觉效果。与其他算法不同,本文算法采用非下采样方向滤波器级联双树复小波的方法,不仅对每次产生的高频分量进行去噪,还对变换所产生的低频分量进行滤波去噪。实验结果表明：与使用同级双树复小波-轮廓波变换加软阈值去噪相比,本文算法的峰值信噪比提高2 dB;与使用轮廓波加循环平移（cycle spinning, CS）软阈值算法去噪相比,本文算法去噪后的图像不仅峰值信噪比有所提高,而且去噪后的图像更为平滑,抑制了人造纹理产生,视觉效果得到了明显改善。     

Implementation of Time-Scale Transformation Based on Continuous Wavelet Theory

1.INTRODUCTIOnThebasicobjectiveoftime-scaletransformationistocompressorexpandthesignalintimefieldwhilekeepingthesamemagnitudeproperties.Byagivensquare-integrablefunctionf(t)thatisdependentontime,thispaperconstructsanexpectedfunctiong(t)~f(i/A)(^>0)throughcontinuouswavelettransformandinversetransform.Thetime--scaletransformationofsignalorfunctioncanprovidemailyillterestingapplications.FOrinstance,oneapplicationisforthephonocardiagramprocessingbyexpandingtime-scaletransformtorecognizeanopen…     

利用子波变换提取目标回波波形特征

对Donoho阈值决策子波域去噪方法进行了研究，该方法采用软限幅函数对噪声信号的子波变换系数做阈值处理以达到去噪的目的。具体讨论了在Sym8子波基底下,用此方法对非平稳雷达回波进行五尺度的Mallat算法仿真，结果表明该方法除对噪声具有很好的拟制效果外，还有效地保留了目标回波波形特征，从中看到子波变换用于特征提取在雷达信号处理中是一个十分吸引人的新方法。     

小波分频技术和混沌时间序列在国际石油价格预测中的应用

提供了一种小波分频技术结合Volterra自适应滤波器的预测石油价格趋势的方法,先对原始的石 油价格时间序列进行小波分频分析,将分解后的各层尺度系数和细节系数重构各层的时间序列, 然后分别计算各层时间序列的最佳延迟时间和嵌入维数来重构相空间,最终用Volterra自适应滤波器法预测各层时间序列, 重构成预测油价.实验证明该方法比直接混沌时间序列全局预测和一阶局域预测的精度更高,可预测范围更大.     

基于自适应提升小波变换多分辨率数据融合

建立了基于小波去噪的多分辨率多传感器数据融合模型 ,引入了提升法自适应离散小波变换 ,根据最小均方 (LMS)自适应法确定伯恩斯坦 (Bernstein)提升滤波器的权系数 ,使其匹配低分辨率传感器的数据序列 ,接着使其对高分辨率采样数据的小波分解的尺度系数进行数据更新 ,实现不同分辨率数据的融合。最后对不同分辨率三传感器测量系统进行了数值仿真。实验结果表明 ,该方法可以有效地实现多分辨率多传感器数据融合 ,而且消除了噪声干扰 ,提高了系统的测量精度。     

提升类小波变换加速的模基参数估计算法

将提升类小波变换(lifting wavelet-like transform, LWLT)应用于矩量法（method of moment, MOM）快速求解电场积分方程（electric field integral equation, EFIE）,对生成的稀疏化线性系统采用模基参数估计（model based parameter estimation, MBPE）算法求解,可获得小波域的宽带解,结合小波逆变换,最终实现目标电磁散射特性的宽频分析。通过不同三维散射体的计算分析,验证了算法的正确性。与传统模基参数估计算法相比,所提算法在计算时间和内存耗费上均有很大改善。     

小波预处理在系统计算中的应用

利用小波压缩技巧，获得一种求解线性系统的预处理器。通过将系数矩阵A进行小波变换得到压缩矩阵A，然后再用标准方法求A的近似逆。利用经过小波处理后矩阵A的条件数较好的特点．从而使得求解有较好的稳定性。并给出数值试验结果表明该方法的有效性。