医学图像小波变换系数的统计分析

通过利用小波变换对医学超声图像进行分解，研究其小波变换系数的均值、标准差、图像的能量等统计特征，为医学图像压缩编码和图像去噪进一步研究提供参考．     

变换域时间序列相似性搜索

在时间序列的研究中，经常需要计算二个序列的相似程度。由于序列变化的多样性和，复杂性，结果通常不能很好地满足要求。采用变换法则对时间序列进行从时域到频域的转换，再将转换后的数据按照一定的规则变换成字符序列；利用求最长公共子序列的方法计算三个序列的匹配度，实现时间序列的相似性搜索。     

小波去噪在电能质量检测中的应用

在电能质量检测领域,测量信号通常叠加着随机噪声,因此在噪声污染比较严重的场合,对检测到的信号一般要进行去噪处理.针对此类噪声问题,利用信号与噪声进行小波变换后在各尺度空间呈现的不同特性,提出了基于小波变换的阈值去噪法.     

广义试验总时间变换序的一些性质

研究了广义试验总时间变换序与年龄性质IFR(increasing failure rate)，DFR(decreasing failure ratel的关系以及其关于样本最小与样本最大的封闭性．     

基于小波变换的低频数字水印嵌入算法

提出了一种基于小波变换低频系数的数字水印嵌入和检测算法．二值水印首先经过Arnold变换后再嵌入在原始图像的低频部分，仍能保持良好的视觉效果，进一步证明了低频部分不是水印的禁区．实验结果表明该算法有较好抗JPEG压缩、低通滤波等攻击的能力．     

非线性动态网络/系统（N/S）模型辨识与故障诊断

采用方波脉冲函数变换（BPFT）对一类非线性动态N/S混合模型(H1,B)进行了辨识，导出了计算混合模型（H1,B）的相关公式和N/S响应的伏特劳级数解在方波域内的离散递推算式，解决了一类非线性动态N/S模型的数值计算问题.在此基础上，提出了一种基于多重预置模型的非线性N/S的故障诊断方法，该法通过检验各个预设模型与N/S当前状态的匹配程度来判断N/S是否处于某种故障状态，而无须在线估算N/S当前的模型及分析其特征，从而极大地减轻了在线计算工作量，可实现在线故障诊断.给出了故障诊断实例，实验结果表明该法故障诊断的准确率达到80％～90％.     

基于小波和神经网络的目标识别方法

基于高分辨一维距离像，对雷达信号目标识别的小波分析和神经网络方法进行了理论研究和实验分析。小波变换起到了数据压缩作用，并且用不同的小波得到不同的结果。ISAR获得的三种飞机目标真实回波数据所形成的一维距离像作为实验数据，并且用神经网络对目标分类器进行了设计。     

基于零树的小波图像编码

通过对零树编码的小波图像编码算法以及算术编码的研究。利用基于零树的小波图像编码方法实现预定比例的图像压缩，从而减少存储空间，有利于图像的传输。     

矢量量化的等误差竞争学习算法

提出了一种使各区域子误差相等的矢量量化算法．该算法利用小渡变换后各子带间的相关性，合理构造矢量．采用最优矢量量化器设计原则．通过调整学习过程中各子区域的误差，使之趋于相等，改善总的期望误差，获得更接近全局最优的码书。实验表明，这种算法获得的码本优于其它几种算法。     

基于线性变换的MMSE盲多用户检测法

提出了一种基于线性变换和预测的盲多用户检测方法，可同时消除MAI和ISI．它仅利用了某特定用户的扩频序列，先进行线性变换和线性预测，再进行MMSE检测．由于不进行直接信道估计，避免了信道估计误差，使算法的准确性得到了提高．