小波变换和沃尔什变换在测井曲线分层中的联合应用

在分析单独利用小波变换或沃尔什变换进行测井曲线自动分层所存在的优势及弊端的基础上，依据沃尔什方法能适用多测井曲线分层和小波方法更能表征信号突变点的特点，提出了一种小波变换和沃尔什变换联合的测井曲线自动分层方法，该方法能有效地结合两者在测井曲线分层巾的优势并弥补各自的不足。实际测井资料的处理结果表明，与小波变换分层方法和沃尔什变换分层方法相比，该联合方法简单、快速、有效，更适合实际测井资料的处理。     

小波变换和沃尔什变换在测井曲线分层中的联合应用

在分析单独利用小波变换或沃尔什变换进行测井曲线自动分层所存在的优势及弊端的基础上,依据沃尔什方法能适用多测井曲线分层和小波方法更能表征信号突变点的特点,提出了一种小波变换和沃尔什变换联合的测井曲线自动分层方法,该方法能有效地结合两者在测井曲线分层中的优势并弥补各自的不足.实际测井资料的处理结果表明,与小波变换分层方法和沃尔什变换分层方法相比,该联合方法简单、快速、有效,更适合实际测井资料的处理.     

滑动离散余弦和正弦变换的快速算法

提出了计算Ⅰ型和Ⅲ型滑动离散余弦变换和滑动离散正弦变换的快速算法。该算法具有递归运算结构，计算复杂性为Ｏ（Ｎ），运算量小于其他算法；文中讨论了该算法的数值稳定性问题，并将该算法与其他算法作了比较。     

DNA序列拼接中重复序列屏蔽的一种新方法

针对序列拼接中的重复序列问题，提出了一种基于快速沃尔什变换的重复序列屏蔽方法．根据快速沃尔什变换的特点，快速给出重复序列所在的可能位置信息，从而快速识别重复序列且加以屏蔽．该方法不仅识别重复序列的错误率低而且大大降低了cPu运行时间，计算也简单易行，最后给出了模拟分析．     

应用于802.11b的CCK解调算法的改进

介绍了补码键控（CCK）调制解调原理和CCK解调中核心的快速沃尔什变换（FWT）算法．针对802．11b中的具体应用，对FWT块做了改进，减少了运算次数；运用一种分步计算结构进行运算，节省了近一半的电路．通过比较可以发现，在11Mbps的传输速度下，采用改进的快速沃尔什模块的分步计算结构能显著减少运算量和电路规模．     

三维倾角分布的Radon变换计算

采用P.S teeghs提出的滑动窗口R adon变换的快速计算方法[1],实现了胜利油田垦71地区的三维倾角分布的计算,给出了三维倾角分布的清晰图像.计算表明采用R adon变换的快速算法可有效的提高计算速度.给出了快速算法的详细推导过程,并更正了文献中的一处错误.     

沃尔什哈达玛变换域的无参考图像质量评价

图像失真会改变图像低频成份和图像高频成份的统计信息,基于这种特性,提出了一种新颖的无参考混合失真图像质量评价方法.首先对图像进行局部沃尔什哈达玛变换,将空域图像转换为局部沃尔什哈达玛变换图;然后在局部沃尔什哈达玛变换图上进行特征提取,即分别提取反映图像低频成份的零列率项和反映图像高频成份的非零列率项的旋转不变局部二值模式统计特征;最后利用支持向量回归网络训练特征,获得特征到质量分数的映射关系模型.在两个混合失真数据库(MLIVE数据库和MDID2013数据库)上对所提出的算法进行性能验证,实验结果表明,提出的算法具有很好的主客观评价一致性,性能优于目前现有较优秀的全参考图像质量评价算法和无参考图像质量评价算法.     

快速傅里叶变换FFT的发展现状—纪念FFT发表30周年

傅里叶变换快速算法发展已３０年，本文综合了离散变换快速算法的发展，特别是近几年的发展，其中包括传统的基２、基４、基８、分裂基算法的发展以及多维离散傅里叶变换、多维离散余统变换、多维离散Ｗ变换的快速算法、阐述各种算法是如何将多维变换转换为一维变换的计算，并讨论了在有理数域上计算上述各种变换所需量小实数乘法的次数。     

基于Curvelet变换的图像去噪

小波变换在分析二维图像中曲线或者直线边缘特征方面存在明显不足,而由小波变换而来的Curvelet变换具有很强的方向性,能更好地逼近和稀疏表达平滑区域和边缘部分。本文首先介绍了一代和二代Curvelet变换的概念及二代Curvelet变换快速离散算法的实现,然后分别采用小波变换和二代Curvelet变换的快速离散算法进行图像去噪实验。实验采用Wrap（Wrapping—based transform）算法实现有关Curvelet变换,即在USFFT方法上增加一个Wrap步骤,将任意区域通过周期化技术一一映射到原点的仿射区域。对比试验结果表明,在图像消噪中二代Curvelet变换的离散算法较小波变换有更好的视觉效果,而且PSNR也有一定的提高。     

一种高速2-D滑动FFT的设计实现

文章介绍了采用2-D快速傅里叶变换(fast Fourier transform, FFT)算法的滑动窗FFT的基本特性原理和硬件实现过程，完成了窗长256点、步长16点的2-D滑动窗FFT的专用集成电路(application specific integrated circuit, ASIC)设计。传统FFT算法受序列完整性的制约，时滞较大，无法满足某些高实时性信号分析领域的处理速度要求。该文采用滑动FFT算法，克服了传统FFT对序列完整性的依赖，设计的滑动FFT处理器使用2-D FFT压缩新序列计算时间，以基16蝶形运算器为核心，采用系数复用和高基Booth方法优化系数编码技术压缩乘法器的数量，减少电路面积。所设计的2-D滑动FFT完成单次滑动窗长的计算时间比传统算法节约了16.1%,变换结果与MATLAB的运算结果相比，信噪比(signal-to-noise ratio, SNR)大于130 dB。在TSMC 28 nm的工艺下，工作主频为600 MHz,面积为1 980μm×2 060μm。     

基于希尔伯特变换的改进地震信号谱重排

谱重排最早被称为改进的滑动时窗法,用来提高常规的时频谱分析的分辨率,其基本原理是将原时频谱中每一点的能量进行聚焦重排。由于该算法仅对信号在频率域进行重排,致使其重排过程是不可逆的。为了优化时频重排算法,将原始的谱重排算法与希尔伯特变换相结合,通过对信号求取导数并使用加窗傅里叶变换对理论信号进行再处理得到改进后的处理结果。结果表明,基于希尔伯特变换的改进谱重排算法不仅兼顾了时频谱重排和加窗傅里叶变换的优势,提高了对信号时频变换的分辨率,而且在地震勘探领域具有广泛的应用前景。     

一种二维离散余弦变换系数快速算法

研究二维离散余弦变换与二维离散哈脱莱变换间的关系,基于二维哈脱莱变换算法,提出一种计算二维离散余弦变换系数的快速算法.该算法使二维离散余弦变换的算法复杂度大大降低,从而大幅度提高二维余弦变换的速度.     

鳞状因子循环线性系统的快速Hartley算法

利用快速Hartley变换算法求解鳞状因子循环实线性方程组,该算法比快速傅立叶变换(FFT)减少近一半的计算量.     

基于小波变换的脑电信号分析

:介绍小波变换的基本概念和Mallat快速小波变换算法 ,并探讨了小波变换在脑电信号分析中的应用这一课题。实验结果表明 ,小波变换是检测脑电信号中的瞬态脉冲以及脑电基本节律的有效工具。     

一种基于离散傅里叶变换的小波变换的快速算法

小波理论中的多分辨率分析和Mallat算法近年来已在数字信号处理中得到了广泛的应用．但如果直接按照上述算法计算信号的小波分解和重构，其计算量将是很大的．通过对离散傅里叶变换及Mallat算法原理的分析，针对离散小波变换算法结构特征，对其结构进行了重组，在此基础上利用快速傅里叶变换，提出了一种快速离散小波变换算法，并从理论上进行了分析和论证；与直接算法相比，可有效降低运算量．     

快速离散余弦变换的一种新算法

本文提出离散余弦变换(DCT)的一种新的快速算法,其特点是变换长度任意,而且采用蝶形结构。与常规的算法相比,它具有更高的计算效率,结构也更规则。特别是当变换长度N=2~m×3~2时,其乘法次数比采用WFTA的DCT算法减少20～30％。     

香农正交小波变换的FFT实现

分析了香农正交小波的频谱特性信号的变换特点，提出了用傅里叶变换或余弦变换实验香农正交波波变换及其逆变换的快速算法。     

基于多项式变换的2D-DCT快速算法

基于二维离散余弦变换 (2D_DCT)广泛应用于图像和视频信号处理领域 ,文中提出一种基于快速多项式变换的 2D_DCT快速算法 ,将 ql1 ×ql2 (q为奇素数 ;l1、l2 分别为两个不同的整数 ) 2D_DCT转化为多项式变换 (PT)和一维简化余弦变换 (1D_RDCT) .利用算法中系数的特点 ,设计了简化的快速多项式变换算法和 1D_RDCT递归分解算法 ,使运算复杂性进一步降低 .本算法具有较低的计算复杂性和规则的结构 ,并且可以方便地推广到多维 (>2 ) .     

一种DCT域实现图像分数倍尺度变换的方法

分析了块和其子块离散余弦变换(DCT)系数之间的变换关系，在此基础上提出一种直接在DCT域实现图像尺度分数倍变换的快速有效的算法．该算法不仅解决了先前算法无法在压缩域实现任意分数倍变换的问题，而且具有较好的效果和较小的运算量，该方法可广泛应用在MPEG、JPEG等基于DCT的压缩图像尺度变换中．     

一种离散小波变换的快速分解和重构算法

通过对实序列的快速傅里叶变换算法的推导及Mallat算法原理的分析，根据离散小波变换（DWT）算法结构特征，提出了一种离散小波变换的快速分解和重构算法；给出了相应的算法步骤，从数学理论上对该算法进行了论证。结果表明与原有的快速小波算法（Mallat算法）相比，可显著减少信号与滤波器长度N较大（大于16）时小波变换的实乘次数（分解仅为（5log2N 7)N次，重构仅为4N（1 log2N)次）提高了运算速度，且该算法有着良好的并行性，易于数字信号处理器（DSP）的快速实现。