一种基于Haar小波的塔式分解重构算法

基于Haar小波的尺度和小波函数定义与特性,经过一系列推导得到基于Haar小波的塔式分解重构算法,并给出了图例验证算法分解和重构过程的正确性.本文给出的相关算法可对离散化的信号进行分解和重构,从而进行信号的噪音滤除和数据压缩等分析处理.     

二维多尺度塔式分解与重构的matlab实现

基于Haar小波的塔式分解重构算法,给出了二维多尺度塔式分解与重构的matlab实现。互逆实验及分析表明该matlab实现不仅能正确地进行二维多尺度塔式分解与重构,而且能有效地提高计算效率和精度。本文给出的matlab实现具备小波变换的多分辨率等特性,可用于信号和图像的噪音滤除和数据压缩等分析处理。     

二维多尺度塔式分解与重构的matlab实现

基于Haar小波的塔式分解重构算法,给出了二维多尺度塔式分解与重构的matlab实现。互逆实验及分析表明该matlab实现不仅能正确地进行二维多尺度塔式分解与重构,而且能有效地提高计算效率和精度。本文给出的matlab实现具备小波变换的多分辨率等特性,可用于信号和图像的噪音滤除和数据压缩等分析处理。     

Haar小波滤波算法的研究

本文介绍了Haar小波的去噪原理及其算法的特点,可应用该算法解决傅立叶变换难以对非平稳信号进行分析的难题,最终通过仿真测试说明正确的应用小波算法,可较理想的实现信号的去噪、分解和重构．     

多进制Haar与斜Haar小波在纹理分类中的应用

基于Walsh变换和斜变换给出了一种构造多进制Haar小波和多进制斜Haar小波的方法，并利用这些变换特有的快速算法加快了小波分解速度．实验中用该类小波分解图像，然后提取纹理图像的特征量，使用最小距离分类器进行纹理分类并比较了构造出来的各类小波的分类正确率，给出了选择小波基的原则．实验结果表明多进制斜Haar小波滤波器组具有更佳的分类效果．     

二维非均匀正交Haar小波基

该文研究了二维非均匀正交Haar小、波基的结构。利用张量积定义了二维Haar尺度函数与二维非均匀正交Haar小、波基,并且定义了与尺度函数和小波基相关的非均匀正交多分辨分析,最后给出了二维函数f（x,y）在非均匀正交Haar小波空间中的分解与重构公式。     

基于非规范二维Haar小波变换WSN数据管理

提出基于非规范二维Haar小波变换的无线传感器网络管理结构,以减少传感器节点间的数据传输量.利用小波变换将数据在不同尺度上分解生成小波系数以进行传输,对小波系数进行重构可还原原始数据.基于非规范二维Haar小波分解算法实现了数据汇聚,基于非规范二维Haar小波逆变换算法实现了数据重构.使用MATLAB仿真表明,基于非规范二维小波变换的数据管理结构能够在保持数据原有特征的同时,大大减少网络的数据传输量.     

用于EBPSK系统的多径信道小波变换线性均衡器

为解决EBPSK信号使用经典均衡算法消除多径信道码间干扰时,自适应迭代的收敛速度较慢的问题,针对EBPSK系统运用基于小波变换的线性均衡器,将输入信号从时域变换到小波域后进行最小均方(LMS)线性均衡,同时根据不同信噪比仿真比较Haar小波、db6小波、sym6小波等经典小波的线性均衡器均衡效果.仿真结果表明:经过小波变换后输入信号的自相关矩阵的最大特征值与最小特征值之比较大,因此基于小波的线性均衡比经典均衡算法的最小均方误差(MSE)收敛速度明显提高,迭代次数和计算量都有所降低,且均衡器选用不同小波函数在一定程度上会影响误码率,但不明显,其中基于Haar小波比基于sym6小波和db6小波的LMS均衡算法的误码率要低.     

基于单一小波的时变信号最优分解方法

针对常规的小波变换并不能保证对信号实现最优分解。以时频性能优良的Morlet小波为单一基函数,并扩大了基函数的参数空间,确定了满足小波容许条件的参数空间边界,提高了用其分解信号的灵活性。对实数编码遗传算法进行了改进,改进后的算法免除了独立的变异操作,提高了算法的搜索速度、收敛性和准确性。以互信息最小化为寻优的判据准则,给出了基于改进的遗传算法和改造后的Morlet小波的信号最优分解的具体步骤。对时变信号的仿真分析表明所提方法是有效和可行的。     

应用Haar小波求解非线性分数阶Fredholm积分微分方程

Fredholm积分微分方程的数值算法一直是近些年来研究的重要课题.利用Haar小波研究了非线性分数阶Fredholm积分微分方程.Haar小波具有正交性,可计算性以及小支集性.结合block pulse函数给出了Haar小波的分数阶积分算子矩阵,并利用该函数的定义与Haar小波的积分算子矩阵的性质,将非线性分数阶Fredholm积分微分方程转换为非线性代数方程,从而便于计算机求解.最后给出算例表明该方法的有效性.     

基于径向基网络和小波变换的电容层析图像重构算法

针对电容层析成像系统重构图像问题的非线性、病态性等特点,提出了基于径向基神经网络的图像重构算法以达到流型辨识的要求,并针对神经网络成像精度低的问题,重点分析研究了适用于图像特征增强的空频分析方法——基于径向基网络的自适应小波滤波重构算法.图像经过多级小波分解后,依据邻域特性来判断各个子带图像上的边缘点;依据统计特性来估计噪声在空频域中的分布,并构造具有自适应性的边缘增强增益;最后用调整后的小波系数重建图像.仿真结果表明,该算法有效地增强了图像的边缘,减小了图像的噪声影响,很大程度上改善了重构图像的成像质量,明显减轻了失真度,使图像特点更加清晰.     

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。     

向量小波的构造及其在语音信号增强中的应用

构造了一种新的二进向量小波，借助于ｒ 重多分辨分析思想，给出了向量小波的离散化表示及其分解、重构的快速算法，以浮动阈值进行信号去噪，获得了一种新的语音信号增强算法，实验结果表明：此种算法可使得信号中的加性噪声几乎完全消除，重建后的波形又保留原信号中尖锐陡峭变化的曲线轮廓，效果颇佳．     

基于偏微分方程去躁的磁共振电阻抗成像

介绍了医学成像技术中磁共振电阻抗成像(MREIT)的数学模型和调和Bz算法。为克服调和Bz算法的不适定性,提出了一种偏微分方程去躁方法对Bz的躁声数据进行去噪。结合截断奇异值分解(TSVD)正则化方法,给出了基于Mat-lab偏微分方程工具箱的磁共振电阻抗成像的数值算法。用两个数值模拟算例验证了算法的有效性。     

小波变换在信号降噪中的应用

介绍采用小波变换进行信号降噪的原理；利用小波分解和重构函数对轧机主传动轴应力和扭矩信号进行降噪处理。结果表明，其降噪效果良好。     

一种用于射电天文图像重建的自适应尺度算法

为了解决在成像过程中反卷积点扩展函数所带来的模糊效应，提出一种新的图像重建算法.新算法利用高斯函数分解模型，能够有效解决基于Delta函数分解模型所引起的问题，并在重建延展源和致密源方面具备更好的效果.通过VLA模拟观测数据对算法进行测试，并与现有的2类图像重建算法进行比较，结果表明，新算法能够有效平衡现有的反卷积算法的计算复杂度和性能问题，能对图像进行更加精确建模，具有更好的图像重建性能.     

基于梯度下降法的双能CT双物质分解算法

基物质分解是双能CT重建的重要步骤,其中双物质分解是常用的分解模型之一,该模型的核心关键是计算分解系数投影.为了更快计算它,提出了基于误差反馈梯度下降的双能CT双物质分解算法和基于Armijo-Goldstein梯度下降的双能CT双物质分解算法.由于计算了梯度下降步长,这两种方法能快速迭代求解基物质分解系数投影.同时他们有效地解决了双能CT重建的非线性问题.仿真实验结果显示,与传统查表匹配法相比,这两种算法稳定收敛,计算速度快,重建精度高,对临床应用有重要的意义.在重建结果精度近似的情况下,基于Armijo-Goldstein梯度下降的算法采用不精确线性搜索步长,因此它的运行速度更快.     

紧支撑双正交的多重向量值小波包

文章研究了紧支撑双正交多重向量值小波包的性质,并给出了相应的分解与重构算法。     

一种新的锥形算法及其在信号处理中的应用

提出了一种新的信号分解与重建锥形算法，此算法比锥形算法更具有合理性，且算法结构清晰，公式简单，占用贮存空间少，易于在计算机上实现。