离散子波变换计算子波级数变换的预滤波器结构

基于子波空间采样定理，提出了两种离散子波变换计算子波级数变换的预滤波器结构，消除了Ｓｈｅｎｓａ算法中形成预滤波器的积分运算，并分析了算法结构的准确性。数值计算实例验证了结构的有效性，最后讨论了用离散子波变换计算了子波级数变换这一公开问题。     

基于子波神经网络的函数逼近

分析了神经网络中非线性函数与子波变换母函数的关系,研究用于非线性函数逼近的子波神经网络的结构设计方法.函数逼近实例证实了结论的正确性.     

基于子波变换的语音信号压缩

基于子波变换的多分辨分析特性 ,直接采用Mallat多层分解的低频系数进行语音信号压缩 ,并进行了计算机仿真 ,结果表明该方法是有效的、可行的 .     

一种基于子波特征的模糊神经网络目标识别方法

针对雷达目标识别中相对不变特征量提取这一问题，提出了一种基于子波变换的特征提取方法．通过对三类飞机一维距离像的分类和识别，验证了这种方法的有效性，同时在将模糊神经网络作为模式分类器方面做出初步尝试。     

瞬态信号波形提取的子波变换方法

提出了一种把子波变换与假设检验结合起来从噪声中提取有用瞬态信号波形的方法。先对瞬态信号加高斯噪声的混合信号进行离散子波变换得到了子波系数，根据假设检验理论确定门限，把子波系数与门限进行比较，如果子波第数大于门限，则保留这些子波系数，否则置为零。     

基于子波变换的数字图像压缩算法

提出了两种以离散子波变换为基础的数字图像压缩算法，其一，原始图像在子抽样后，通过一次正交子波变换，分解成一幅低频子带图像和３个不同方向的高频子带图像。对变换后的各子带进行统计特性分析，并结合人类视觉机理采取了不同的压缩编码策略。在解码端通过子波逆变换及双线性内插算法，原始图像可被较好恢复。     

序列信号连续子波变换的MATLAB方法实现

目的在于考察序列信号的连续子波变换(CWT)在MATLAB中的程序实现.介绍子波变换的基本概念和MATLAB中的算法原理,发现在cwt.m的算法中,由于差分运算的存在使子波滤波器系数含有误差,提出新算法及其程序实现.最后利用两种算法对FSK信号进行连续子波变换,证明提出的新算法优于原算法.     

子波变换在VTS雷达信号检测中的应用研究

根据子波变换的多尺度分析理论和ＶＴＳ雷达目标和杂波的特性，以及目前子波分析在信号处理中的应用情况，分析了用多尺度分析方法进行雷达杂波处理的可行性，并提出了用多尺度分析进行雷达信号处理的基本方法。     

基于子波变换的多传感器信息融和

基于子波变换的多传感器信息融和王爱民周亮（东南大学仪器科学与工程系，南京２１００１８）在机器人多传感器信息融和的研究中，一般理解为多种不同类型传感器信息的融和［１］，但我们认为还存在着另外一种情形，即由于制造成本的限制、实际应用许可，对某一物理量的...     

用计算全息法实现二维Morlet子波变换

应用计算全息制作子波匹配滤波器实现光学Morlet子波变换,并给出了Morlet子波变换计算机模拟结果和光学实现的实验结果,两者相一致。     

小波神经网络在齿轮箱故障诊断中的应用

介绍了小波神经网络的基本概念及其构造，并针对齿轮箱故障的复杂性，综合利用小波函数的特点，构造了用于齿轮箱故障诊断的小波网络，对齿轮箱的状态进行判别，实现故障诊断．实验结果表明，小波神经网络在故障诊断领域具有良好的实用性．     

基于小波变换的多径回波的检测

本文提出一种基于小波变换的多径回波检测的新方法。该方法通过对回波信号的局部奇异性的检测和处理，确定回波数目和定位各个回波到达时刻，计算机模拟的结果证实了本文所提方法的有效性。     

基于小波的心电信号噪声处理

介绍了小波分析的基本理论,并根据coiflet小波在各个尺度上的不同的带通滤波特性,利用小波变换多分辨率的特点对心电信号进行滤波.文中利用不同的阈值函数及自适应阈值对MIT/BIH国际标准数据库中的ECG信号进行了仿真与验证.通过实验证明,该算法能较好的抑制信号中的基线漂移、工频干扰和肌电干扰.     

基于组合神经网络的软件可靠性预测研究

为了进一步提高神经网络的预测能力,提出了一种前馈神经网络混合学习算法,并将其应用于组合神经网络.该算法由一种模式提取算法(Alopex)和伪逆算法组成.在该混合学习算法中,网络的学习任务被分解为2个部分:隐藏层的权值先随机给定,然后使用Alopex算法不断地对其进行扰动;输出层的权值使用伪逆算法确定.所使用的组合神经网络由多个结构相同的前馈神经网络组成,每个前馈神经网络都使用混合学习算法(采用不同的初值)进行训练.实验结果表明,这种组合神经网络能够显著提高软件可靠性的预测精度.     

基于小波包和RBF神经网络的压电加速度传感器故障诊断

根据压电加速度传感器故障的特点,提出运用小波包变换和RBF神经网络的故障诊断方法。首先运用小波包分解和重构原理将传感器输出信号分解到不同频段中,提取每个频段的能量作为状态监测的特征向量,作为RBF网络的输入,然后利用最佳的RBF神经网络进行压电传感器故障分类。实验结果表明该方法具有良好的非线性跟踪能力,较高的诊断准确率。     

自组织逼近神经网络模型及其应用

针对动态范围较大的多峰函数逼近问题,提出了一种自组织逼近神经网络模型。仿真实例表明：这种模型对动态范围较大的多峰函数逼近问题较经典的BP模型优越得多,为解决复杂函数逼近问题提供了一条有效的途径。     

一种小波神经网络的快速学习算法及其应用

提出一种基于最小二乘的小波神经网络的快速学习算法,与现有的同类算法相比,该算法无需任何矩阵运算,兼有快速收敛和计算量较小的特点,有助于提高小波网络的实时性能,推导了算法,几个典型的函数逼近的仿真实例表明了算法的优良性能。     

基于多分辨分析神经网络的函数逼近

基于小波分析的基本理论,提出了迭代求解Daubechies小波函数和尺度函数,并用多项式最小二乘曲线拟合离散数据点,得到小波函数和尺度函数的近似封闭解析式的方法。最后基于L^2的多分辨逼近思想,构造了基于尺度函数的多分辨分析网络,用迭代的梯度下降算法训练网络,并用此网络对有局部奇异性的函数进行学习,获得了很好的逼近效果。数值仿真结果表明：本文提出的方法是可行的,它避免了无封闭解析式的小波和尺度函数在实际应用中需要大量进行插值运算的繁琐和求导运 算的不便。     

基于小波变换的数字调制信号特征提取

小波变换的多分辨率特性对暂态信号有很强的检测能力,数字信号在不同码元之间呈现出幅度、频率和相位瞬变现象.文讨论如何利用小波变换对数字调制信号的瞬变特征进行提取,实验表明该方法对数字调制信号幅度、频率和相位的瞬变特征能够进行有效的检测.     

小波神经网络的研究及其展望

小波分析与神经网络结合的研究 ,已成为近些年来信号处理学科的热点之一。小波分析具有良好的时频局部性质 ,而神经网络具有自学习功能和良好的容错能力 ,将二者结合必具有强大的优势。本文对小波网络的结构形式 ,学习算法及其应用进行综述 ,并就其存在的一些问题及其发展趋势进行了探讨。