基于小波变换的蛋白质与DNA相互作用的计算机预测

蛋白质与DNA的相互作用在细胞的转录调控和DNA修饰等活动中至关重要.将改进的共鸣识别模型应用于预测酵母蛋白质与DNA的相互作用,运用小波变换找出阳性数据和随机数据的信噪比分布的差异,并通过阈值的选取达到了较好的预测结果.同时,将阳性数据与相应复合物的序列进行序列联配,找到了保守位点,进而从结合位点的角度验证了本方法的正确性.     

应用改进的共鸣识别模型预测蛋白质相互作用

蛋白质是所有生命活动的载体,它们之间的相互作用在生命活动中起着至关重要的作用.该文介绍了原有的用于预测蛋白质相互作用的共鸣识别模型,并对该模型运用小波变换进行改进,提出了改进后的共鸣识别模型.该模型的最大特点在于直接通过蛋白质的一级结构预测蛋白质之间的相互作用,改进后的模型较原模型更加适合于蛋白质相互作用的预测.运用改进的共鸣识别模型进行了数值试验,取得了较好的预测效果.     

基于小波和高阶谱的低信噪比信号检测方法

低信噪比信号检测是数字信号处理领域中的一个常见问题,本文提出了一种基于小波变换和高阶谱理论的检测方法,并将其与传统的功率谱检测方法相比较,MATLAB仿真结果表明该方法具有更加优越的检测特性。     

基于小波变换的雷达信噪比改善分析

针对雷达在检测弱目标能力的不足,基于雷达信号与噪声的实际窄带模型,提出运用小波分解加阈值处理的去噪方法改善功率信噪比。一方面推导出了信噪比改善的理论计算公式,另一方面采用模拟和实际采集的数据进行了大量的仿真实验。计算和仿真结果的一致性表明:在传统的雷达信号处理中,运用小波变换可提高检测前信号噪声比,进而提高雷达的探测距离。     

基于多分辨率分解的图像数字水印算法

提出了一种基于DWT多分辨率分解的数字水印技术．利刚多分辨率分解技术,分别将原始图像与水印图像进行三层离散小波变换,将相同分辨率层次水印嵌入到对应的相同分辨率层次的原始静态图像之中,使水印对原始图像具有自适应性．实验结果表明,本文提出的水印技算法经某些图像处理操作和JPEG压缩后仍是鲁俸的．     

基于多特征融合预测蛋白质相互作用界面

为高效准确地预测蛋白质相互作用界面,提取了传统特征,并采用多种方法改进进化信息特征,利用特征选择构建了一个14维的预测模型.通过5折交叉验证和独立测试,预测结果表明:该预测模型不仅显著降低特征维度,而且选择的特征组合具有较好的预测能力和较强的泛化能力.     

基于小波分析的微弱信号处理

应用离散小波变换对微弱数字信号进行分析及处理．离散小波变换具有时频分析特性，能将信号的细微变化反映出来．对实验获取的微弱信号进行小波变换分析的结果表明：离散小波分析可明显提高数字信号的信噪比，有利于从噪声中提取微弱信号。     

影响光电检测电路信噪比的因素

根据噪声电路理论，应用解析方法推导出了光电检测电路信噪比的公式，并结合噪声En-Jn模型，对光电二极管用于光电检测时影响电路信噪比的因素进行了探讨。     

基于蛋白质相互作用网络的蛋白质复合物和功能模块预测算法研究进展

蛋白质相互作用网络中的模块化结构通常对应于蛋白质复合物或者蛋白质功能模块。基于蛋白质相互作用网络预测蛋白质复合物和功能模块不仅有助于理解生命有机体的细胞生物过程,而且可为探讨疾病的发生、发展和治疗以及合理的药物开发提供重要的基础。本文通过回顾近二十年来基于蛋白质相互作用网络的蛋白质复合物和功能模块预测算法研究的发展历程,按照静态蛋白质相互作用网络(SPIN)和动态蛋白质相互作用网络(DPIN)两个方向分别梳理预测算法所涉及的方法和技术,同时归纳常用的数据集并分析所面临的问题,为进一步研究提供有价值的参考。     

运用小波分析对蛋白质进行亚细胞定位预测

基于传统的以20种氨基酸在蛋白质序列中的组分来预测蛋白质亚细胞定位的方法,运用了"离散小波变换"(Discrete Wavelet Transform,DWT)的数字信号处理技术,对蛋白质序列中氨基酸排序的特征进行提取,并与氨基酸百分组成相结合,对蛋白质亚细胞定位进行了预测.通过观察预测结果发现,引入氨基酸的排列顺序特征后,蛋白质亚细胞定位的预测正确率有了显著的提高.     

FD-PFM光纤载波传输系统中信噪比理论推导

本文讨论了利用光纤传输大通路载波信号的调制方式。经研究在接收端的解调以前采用SWFM方式,然后再将SWFM信号经倍频变换成PFM信号的调制方式较为有利。并着重讨论了倍频—脉冲频率调制的信噪比公式,得出有3dB解调增益的结论。     

基因预测中的信噪比计算新模型

以快速傅立叶变换(FFT)求出DNA序列功率谱后,用重复计算实验的办法,对大量DNA序列中核苷酸的分布情况进行统计,得出综合考察变量,然后以核苷酸分布频数和DNA序列长度为自变量,建立Z-curve映射规则得到DNA序列信噪比的新模型,并进行实例分析。新模型不需要对序列进行离散Fourier变换(DFT),而且不要求DNA指示序列长度必须为3的倍数,应用范围更大。     

基于小波和先验信噪比维纳滤波的语音增强

描述了先验信噪比估计的维纳滤波算法,分析了小波多分辨率分析在信号频谱划分中的作用,提出一种小波和先验信噪比维纳滤波相结合的改进算法.通过小波变换对带噪语音信号进行多尺度分解,然后对不同尺度的小波系数采用维纳滤波,用滤波后的小波系数重构得到增强语音信号.通过计算机仿真实验,将提出的算法与传统维纳滤波算法进行比较.实验结果表明改进算法在低信噪比情况下有效提高了增强效果,对语音成分的影响较小,提高了语音质量.     

快速小波变换在信号去噪中的应用

简要地介绍了快速小波变换和小波去噪的原理，快速小波变换采用Daubechies小波，只需有限步分解，利用高阶消失矩，大大地提高了算法的速度．数值实验表明，用快速小波变换去噪，速度快，不会产生虚假尖峰，去噪效果好．说明该方法很适用．     

基于关联规则挖掘的蛋白质相互作用的预测

利用蛋白质的一级结构信息,采用三肽频数方法刻画蛋白质序列,将关联规则(association rule,AR)挖掘应用于蛋白质相互作用(protein-protein interactions,PPIs)的预测.计算结果表明,提出的方法在半胱氨酸不同分类的情况下都能够准确地预测蛋白质相互作用.最后,比较半胱氨酸的不同分类对预测结果的影响.     

小波分析用于钢板孔洞的涡流检测研究

小波的时频局部化和多尺度特性,使其特别适用于信号的奇异性探测和瞬态信号的检测以及强周期性噪声干扰下非平稳信息的提取。将小波分析用于钢板孔洞测量的数据处理过程中,通过以最大信噪比为依据的自定义信息代价函数来获取小波包最优基函数,使重构信号的信噪比大幅度提高,从而确保了钢板孔洞的测量精度与分辨率。实验分析表明,小波分析不仅可用于单孔信号的高效定位提取,而且通过一定的逻辑分析与判断,同样适用于连孔和多孔信号以及存在管道焊缝信号的高效分辨。     

基于信噪比检验的病态总体最小二乘谱修正迭代法

针对病态总体最小二乘谱修正迭代算法的不足,基于复共线性综合诊断,合理判断参数估计是否受到复共线性危害及危害程度,然后制定精准的正则化策略,提出了基于信噪比检验的病态总体最小二乘谱修正迭代算法,根据信噪比检验结果确定谱修正矩阵,根据改造的L曲线法确定谱修正参数.最后通过模拟算例验证了该算法求解病态总体最小二乘问题的数值稳定性和有效性.     

基于小波变换的弱信号检测方法研究

介绍了小波变换原理,对利用小波变换实现弱信号检测的性能进行了分析,并利用仿真结果说明小波变换能提高信噪比。