小波变换在图像压缩中的应用

介绍小波变换和多分辨率分析的基本思想．讨论基于小波变换的图像压缩编码的一般步骤与小波变换的特性，最后给出小波变换在图像压缩中的主要编码算法。     

基于小波变换的脑电信号分析

介绍小波变换的基本概念和Mallat快速小波变换算法，并探讨了小波变换在脑电信号分析中的应用这一课题。实验结果表明，小波变换是检测脑电信号中的瞬态脉冲以及脑电基本节律的有效工具。     

小波变换及其在电动机负载功率分析中的应用

介绍了小波分析的基本概念和优异特性,给出了小波变换作为一种新的分析工具在电动机负载功率分析中的应用方法,应用小波变换对采煤机截割电动机负载功率信号进行了多分辨率分析,实验处理方法和分析结果对采煤机工作状况监控和采煤机的设计具有实际的应用价值.     

基于小波变换的脑电信号分析

:介绍小波变换的基本概念和Mallat快速小波变换算法 ,并探讨了小波变换在脑电信号分析中的应用这一课题。实验结果表明 ,小波变换是检测脑电信号中的瞬态脉冲以及脑电基本节律的有效工具。     

小波变换在多分辨率图像融合中的应用

浅析了小波变换在多分辨率图像融合中的应用。首先论述了图像融合的基本原理,然后给出了多分辨率图像融合中的几种典型算法,并分析了小波变换的特点。     

应用多分辨率小波变换提取脑电信号异常节律

脑电信号是非平稳的随机信号，其中包含了大量的生理和疾病信息，对于医生判断脑都是否有器质性的病变具有重要作用。因此对脑电信号的分析和处理一直是人们努力研究的领域。考虑到小波变换良好的时频局部化特性，利用多分辨率小波变换方法来实现脑电信号异常节律的提取，脑电信号经多分辨率小波变换后所得到的各个尺度的信号不仅反映了信号的频率信息，即尺度越大，对应信号的频率越低，同时也反映了信号的时间信息，即反映此时的EEG状态，实验结果表明，选择合适的小波基，可以有效地提取脑电信号中的异常节律。     

运用小波变换实现听觉诱发电位的单次提取

论述了运用小波变换进行听觉诱发电位单次提取的原理,方法和实验分析。结果表明,对单次试验信号,经小波变换及相关分析后,可从带自发脑电干扰的信号中提取诱发电位信号。小波变换分析与传统的叠加平均方法相比,可减少试验次数,缩短检测周期。     

应用小波分析改善随钻电阻率测量的纵向分辨率

为了提高随钻电阻率测量的纵向分辨率 ,提出了一种基于小波变换的数据处理方法 ,该方法应用多尺度分析对随钻电阻率测井数据进行分析与处理 .介绍了小波变换和多尺度分析的基本概念 ,并对随钻电磁波电阻率测量数据的频谱进行了深入的研究 ;分析了影响测量纵向分辨率的主要因素 ,给出了用小波变换对信号进行多尺度分析的方法 .数值模拟结果表明 ,该方法可以有效地改善测量的纵向分辨率 ;与实际测井数据的对比说明 ,处理后的分辨率已经接近高分辨率电缆电阻率测量的水平 .现场应用表明 ,该方法对改善随钻电阻率测量的纵向分辨率是十分有效的 ,为地层评价提供了更为有利的工具 .     

小波变换技术概述

小波变换具有良好的时频局部化特性,通过小波变换可以将一个时域信号进行多分辨分解,因此小波变换技术就常被应用到数字水印中来。文章对小波变换理论及其相关知识进行了研究,论述了离散小波变换、多分辨率分析等理论。     

基于MATLAB的小波去噪技术浅析

介绍了小波变换的基本思想和优点及多分辨率分析的过程,并在MATLAB下利用小波变换工具箱,编写程序实现信号去噪处理。充分显示了小波变换在处理非平稳信号中的优势。     

应用小波分析改善随钻电阻率测量的纵向分辨率

为了提高随钻电阻率测量的纵向分辨率，提出了一种基于小波变换的数据处理方法，该方法应用多尺度分析对随钻电阻率测井数据进行分析与处理，介绍了小波变换和多尺度分析的基本概念，并对随钻电磁波电阻率测量数据的频谱进行了深入的研究；分析了影响测量纵向分辨率的主要因素，给出了用小波变换对信号进行多尺度分析的方法。数值模拟结果表明，该方法可以有效地改善测量的纵向分辨率；与实际测井数据的对比说明，处理后的分辨率已经接近高分辨率电缆电阻率测量的水平。现场应用表明，该方法对改善随钻电阻率测量的纵向分辨率是十分有效的，为地层评价提供了更为有利的工具。     

基于小波变换提取和分析兔体感诱发电位

单次提取兔体感诱发电位,并定位和分析诱发电位波形成分．麻醉兔,以0．5Hz频率电脉冲刺激兔下肢隐神经,3764Hz采样频率收集兔头皮电位．采用一维多分辨分析提取兔体感诱发电位,并用连续小渡变换定位和分析诱发电位波形成分．单次诱发电位的小波变换与叠加平均诱发电位比较表明,Daubechies小波多分辨分析可以单次提取诱发电位．连续小渡变换能够精确定位诱发电位中波形成分,并可采用连续小波变换分析诱发成分的频域特性．连续小波变换技术把一维时域信号投影到二维时频空间研究将成为医学信号处理的一个有用方法．     

基于小波变换的脑电噪声消除方法

分析了基于传统陷波器的脑电消噪方法,根据脑电噪声所处频带及陷波器原理,设计了一种陷波器.并提出了基于小波变换的脑电信号分析方法并利用它来消除脑电信号中的噪声干扰.小波变换是一种多分辨率的时间-尺度分析方法,它能够将信号划分为不同频段的子带信号.根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果.最后对这两种方法的消噪结果进行比较.分析表明:利用小波变换能更有效、灵活地检测并去除脑电信号中的噪声干扰.     

信号的多分辨率分析在消噪中的应用

介绍了小波变换的多分辨分析理论及其在消噪方而的应用.通过分析可知,小波多分辨率分析能够将信号在不同的尺度上展开,具有对信号按频带进行处理的能力.在信号小波分解后,抽取有关频带进行重建,以达到降低噪声、提高信噪比的目的.文中给出了信号多分辨率分析在信号消噪方面的具体应用实例.     

基于小波变换的信号奇异性检测

作者在该文中中介绍了基于小波变换的信号多分辨率分解,比较了信号和噪声在小波变换下的不同特性,给出了使用小波变换模极大化的信号奇异性检测算法。     

小波变换在图像融合中的研究

本论文从基于小波变换的图像融合入手,系统的介绍了小波分析和研究了二维小波变换在图像融合中的框架及其应用。由于小波分析在时域和频域同时有良好的分辨性,利用多尺度分析方法,可以在不同的尺度下观测信号不同精度的局部特征。最近几年,多分辨率分析已经成为解决图象处理的最可靠方法之一。目前,小波分析的研究比较热门,是近年来国内外一个比较活跃的研究领域并在图像融合处理中占有重要的地位。     

小波变换在图像融合中的应用研究

小波变换由于良好的多分辨率分析特性,常被应用到红外和可见光图像融合中.通过深入研究小波基的紧支集和正交性等特性以及小波变换层数对融合结果的影响,结合对融合实验的分析,综合考虑图像背景信息、目标区域和实时性等因素,总结出了根据不同的融合目的来应用小波变换的方法,为实际处理中小波变换的应用提供了参考.     

基于改进S变换的语音信号时频分析

STFT分辨率固定,小波变换会出现局部相位信息且时间-尺度关系不适合直观视觉分析。提出基于改进S变换的语音信号时频分析。样条小波作为小波变换母小波乘以相位因子得到改进S变换,具有多分辨率和相位因子,并适合直观视觉分析。仿真实验得到的时频分布结构图与STFT、小波变换分布比较,显示改进S变换时频结构更加细致。     

两种时频分析方法在心音信号处理上的比较研究

在介绍小波变换（WT）和希尔伯特一黄变换（HHT）时频分析的基础上,通过非平稳信号实例对比分析了小波变换和Hilbert变换,并将其应用于心音信号的处理。通过比较和分析小波变换和Hilbert变换在心音信号处理上的特点,最后得出结论：HHT变换有较好的计算效率以及较好的时域和频域分辨率,在分析非平稳信号时比小波分析更具适应性,在心脏疾病诊断等研究中有着广阔的应用前景。     

多尺度小波变换在自适应滤波中的应用

分析了小波变换的基本理论和小波变换的多尺度分析，并根据多尺度小波变换的多分辨率特性，提出基于多尺度小波变换的自适应滤波，构造了其仿真模拟图，并对其进行了仿真，通过LMS自适应滤波和多尺度小波变换自适应滤波的信真图对比，表明该方法可行的。