基于二维提升方案的可逆双正交小波变换在渐进性无损图像压缩中的应用

分析了一维(基于行、列分解和重构)提升方案的特点，从理论上指出了一维提升方案的不足之处，提出了二维(基于子带分解和重构)提升方案，并给出了CDF(1，3)双正交小波二维提升方案的具体形式，改进的提升方案弥补了一维提升方案的不足之处，不需作‘√2’因子和归一化处理，整个小波变换是可逆的、基于整数运算的、能量守恒的，减少了误差传递的机会，用该小波变换实现了快速的、渐进性的直至无损图像压缩。     

火箭飞行数据的两种滤波方法对比

传统的火箭飞行数据处理方法是使用α-β-γ数字滤皮离线处理，对飞行数据采样信号的第1点、第2点不进行滤波估值，第3点开始逐个进行估值、预测、校正。该方法需要消耗大量的时间，并且滤波后信号的残留噪声仍然较多。针对此问题，经过大量的数值实验和理论分析，发现用小波方法实时处理火箭飞行数据效果较好，比较两种结果，证明无论是滤波后信号的残留噪声还是消耗的时间上小波方法都优于α-β-γ滤波，且实现了数据的实时处理功能，应用前景好。     

连续小波变换在中医脉象信号处理中的应用

小波变换具有良好的时频局域化性质，适合于非平稳信号的处理。脉诊是中医诊察疾病的重要手段，脉象反映的是人体的生理与病理信息，脉象信号具有随机性和非线性等特点。应用连续小波变换分析了15例海洛因吸毒者和15例正常人的脉象信号，提取了吸毒者脉象信号中的异常信息，为戒毒治疗的评估与改进提供客观依据。在尺度0.1、0.2、0.3和0.4下，对每一例脉象信号分别进行了处理，发现在0.2-0.4s时间间隔内，海洛因吸毒者和正常人脉象信号的连续小波变换系数间存在显著差异，并提出了用于划分海洛因吸毒者一正常人的临界参数。研究结果表明，连续小波变换是处理脉象信号的有效方法。     

基于小波变换的传声器阵列语音增强方法

针对现有的基于传声器阵列语音增强算法的局限性，并考虑到入耳听觉感知模型，提出一种将延迟-求和波束形成技术和小波变换技术相结合进行语音增强的方法，该方法首先利用延迟-求和波束形成技术将阵列中各个传声器接收到的信号进行时间延迟补偿，并对各通道信号相加-平均，消除一部分不相干或弱相干噪声；然后再利用小波变换技术进一步去除噪声，计算机模拟结果表明，该方法具有良好的消噪能力。     

域变换结合参数估计干扰对消的智能天线算法

CDMA系统中的多址干扰是影响系统性能的主要因素，提出了一种新的域变换结合参数估计抗多址干扰的算法。同文献[1]中的方法相比，在具有相似的误码率性能的基础上，具有更快的收敛性能。     

低渗透油藏不稳定渗流规律的研究

用无因次分析法对低渗透岩心的实验数据进行了分析 ,得出新的渗流规律。具体表述为 :低于亚临界雷诺数 (Rem=8.5× 10 -5)为非达西渗流 ,其运动方程为v =c(dp/dl) 3 ;高于亚临界雷诺数为达西渗流。从微观角度出发 ,应用边界层理论进一步证实了这一渗流规律。运用新的运动方程 ,建立了低渗透油藏不稳定渗流的数学模型。根据拉氏变换和Stehfest数值反演 ,求得了有限半径井的实空间近似解 ,并应用数值分析方法验证了近似解析方法的可行性。对低渗透油藏的压力动态特征以及边界对压力动态影响的分析结果表明 ,低渗透油层试井曲线的压力动态特征为 :短时曲线与达西渗流模型相似 ,而长时曲线则受到非达西渗流的影响。对于恒压边界油藏 ,压力趋于稳定的时间比达西渗流要迟一些 ;在无限大地层中 ,其导数曲线是一簇平行的倾斜线。对于同一区域低渗透油层试井曲线 ,其导数曲线出现“阶跃”的时间较迟的井区 ,流动系数比较好 ;反之则较差     

小波分析在管道泄漏信号识别中的应用

利用多尺度小波变换 ,把管道泄漏产生的负压波信号作为瞬态信号 ,来识别管道的局部泄漏特征。以光滑函数的一阶导数作为小波母函数 ,研究了管道泄漏特征信号拐点区间的敏感性 ,突出小波变换系数的局部极值性。分析表明 ,检测信号的小波变换系数极值的奇异性准确地反映了管道检测信号的泄漏特征 ,并且从局部描述了管道泄漏信号的瞬态正则性。对各级尺度系数进行了S形曲线拟合 ,此曲线能够完整地描述管道泄漏瞬变特征 ,其拐点区间描述了管道发生泄漏时的瞬变过程。     

旋转变换理论及其在平面度误差评定中的应用

将旋转变换理论应用于平面度误差评定中，通过实例证明了其可行性。     

化学信号小波变换的本质分析

根据墨西哥帽小波的特点，提出两种新的函数，对化学信号进行n次小波变换，得到了信号的近似2n阶导数．由数值微分法和小波变换法对模拟信号计算的结果发现：对于含噪信号，小波变换法有效滤除了噪声，所得结果的信噪比明显高于前一种方法；同时还可分离重叠峰，提高谱图分辨率．该方法函数形式简单，易于编程，为处理化学信号提供了新的途径．     

小波神经网络用于非线性函数逼近的研究

神经网络具有良好的学习特性，而小波变换具有良好的时频局部化特性．将二者结合在一起构成小波神经网络，网络隐层采用morlet小波函数，输出层采用线性函数，使得该网络兼具神经网络和小波变换的优点．分别用小波网络和BP网络逼近一非线性函数，其结果表明，在相同的误差条件下，小波网络的收敛速度要远远快于一般的BP网络．