基于离散小波变换的水文序列相似查找

运用Mallat算法和Daubechies小波,对水文序列进行离散小波变换。通过k层离散小波变换,将水文序列分解成不同时间尺度的近似部分A和细节部分D,第k层的序列长度是原序列的1/2k。对变换后的序列进行相似查找,提高了查找的时间效率。     

结构损伤识别的周期小波方法

通过对结构损伤前后模态特征的变化进行分析,利用损伤结构的位移振型函数构造出曲率振型函数γi(x),然后再在曲率振型函数的基础上提出一个用于探测和评定损伤程度的新指标———损伤因子r(x)=∑i∈Idγi2(x);基于小波分析的方法,对损伤因子进行周期小波变换,通过小波系数的取值范围提出了一种结构损伤定位和损伤程度的评估方法.数值仿真表明,这是一种行之有效的损伤识别方法.     

离散小波变换的探讨

在Ｍａｌｌａｔ的基础上，讨论了从连续小波变换到离散小波变换的过程，得出离散过程要受诸多因素的限制，其中信号ｆ（ｔ）的离散同样必须满足Ｎｙｑｕｉｓｔ抽样定理。     

小波变换在径流序列中应用

小波变换被应用到径流分析中,以获得径流序列的组成,并预测未来的径流.用几个小波函数对观测的径流序列进行了分解和重构,并展示了其发展趋势;用BP神经网络、小波变换结合BP神经网络,对引用的径流序列进行了预测.最后,对影响计算结果的因素进行了分析,并对小波函数在径流分析中的应用提出了建议.     

基于小波变换的语音基音周期检测

本文根据语音信号在声门闭合时刻（ＧＣＩ）的锐变特性，利用小波变换的时频局部化性质，构造了一个基音检测系统．通过使用不同的压扩因子，根据语音信号小波变换的局部最大值的位置，确定出对应的语音信号的锐变时刻（即ＧＣＩ），而相邻两个ＧＣＩ的间隔即为基音周期．本方法具有准确性高、抗嗓声性能好、检测范围宽、动态性能好等传统方法所不具备的特点．     

基于小波包变换的时间序列模型模态参数识别

提出了基于小波包变换的时间序列模型结构模态参数识别方法.该方法以线性的离散时间序列方程为基础,对结构的振动响应数据进行小波包变换分解,利用小波包函数的正交特性,建立量测点间的离散化运动方程,最后利用该离散化运动方程的系数矩阵,估算结构的模态参数(自振频率、阻尼比与振型).用数值模拟算例对此方法进行了验证,并与随机子空间识别方法结果进行了比较.结果表明,该方法可以正确地识别出结构的模态参数.     

连续小波变换法分析核酸序列的长程相关性

提出了基于连续小波变换的检测核酸序列长程相关性的新方法。利用小波变换来观察序列，再用分数布朗运动建立数学模型，计算Hurst指数，并以此来衡量序列的长程相关性。最后发现在同一个基因内，外显子序列的Hurst指数明显小于内含子序列，此特征是这两种序列的显区别。     

一种基于小波相关检测扩频序列捕获方法的理论分析

分析了扩频序列偏自相关函数的特点，提出了一种基于小波相关检测的扩频序列捕获方法，给出并推导一种实施算法，在扩频通讯中，这种基于小波变换的相关序列的捕获方法有一定的理论价值。     

时间序列分析的小波方法

本书介绍了时间序列的小波基统计分析方法、离散小波变换理论和算法，给出了时间序列处理技术的算例。为了便于读者自学，本书以附录的形式给出了书中练习的答案，更为方便的是书中所提供的网站，使读者很容易得到书中使用的时间序列、小波和SP编写的软件。     

基于小波变换的圆谐联合变换相关器

将小波变换应用于圆谐联合变换相关器作旋转不变的目标检测。与高通滤波的圆谐联合变换相关器相比,其输出相关峰宽度、识别力、峰噪比和旋转不变性都有较大改善,小波函数采用改进的Ｍｅｘｉｃａｎ－ｈａｔ小波,圆谐联合变换相关器采用直流偏置型,给出计算机模拟实验结果。     

基于样条小波变换的语音基音检测

作者在分析小波变换时频局部化特性的基础上，选取样条小波函数对语音信号进行处理，给出了基于小波变换极大模的基音周期检测方法和实验结果。     

小波包变换及其在低信噪比雷达信号检测中的应用

雷达对目标进行检测之时，常常遇到目标回波信号被噪声污染的问题。为了把弱目标信号从强噪声背景中检测出来，对小波包变换良好的时频分析特性进行了分析，根据信号与噪声具有不同的Lipschitz指数，通过引入子频带∞-范数，对信号和噪声进行频谱分析，将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量，应用浮动阈值去噪方法，解决了低信噪比情况下的雷达信号检测。最后，通过计算机的数值计算，模拟了小波包变换和小波变换在低信噪比雷达信号检测中的具体应用，得出了在低信噪比信号检测方面小波包变换优于小波变换的结论。     

小波变换在图像边缘检测中的应用

目的 研究一种新的提取图像边缘特征的方法。方法 依据图象的多分辨率小波分解及其所表现出的多尺度特性、局部化分析特性及方向选择性等特点,通过二进尺度下小波变换局部极大值的检测提取图象边缘特征,结果 利用此方法在计算机上对２５６×２５６×８ｂｉｔｓ／像素的Ｌｅｎａ图像做了边缘提取,得到不同尺度下的连续、光滑、单像素宽的边缘链图象,结论 边缘提取准确,表明这种特征提取方法是有效、可行的。     

小波变换在心电图R波检测中的应用

介绍了一种新颖的信号处理方法－小波变换．利用三阶样条小波分析了信号的奇异点与其小波变换的关系，并通过ＥＣＧ信号的小波变换，分析了小波变换的抗干扰能力．最后提出了一种以小波变换为基础的ＱＲＳ波检测方法     

一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数模不同的变化特征,提出了一种边缘检测方法,该方法通过对图像的小波变换域中由噪声引起的小波变换系数模进行处理,再利用小波变换系数模局部极大值来提取图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提取出图像的边缘。     

小波变换及骨架提取在图像边缘检测中的应用

提出了一种基于小波变换及骨架提取的图像边缘检测算法，该算法将小波变换、边缘点检测和骨架提取合并成一个完整过程，减少了图像中纹理对边缘提取的影响．实验结果表明，该算法有较好的边缘检测效果．     

基于小波变换的多尺度图象边缘检测

提出了一种新的图象边缘检测方法,这种方法解决了第一代多尺度边缘检测方法中存在的两个问题,即边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择。实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点。     

小波变换用于检测R波

该文以小波变换的极大值在多尺度间的变化与信号的瞬变有直接关系为基础，由小波变换的奇异点(过零点、极值点等)来观测R波，寻找它的起始点、波峰，并对常见的异常R波的选择给出了新的判别方法。实验表明，本方法对QRS(Q—wave，R—wave，S-wave)信号的提取和分析有很大的帮助。     

基于小波变换的多尺度图像边缘检测

边缘作为图像的最主要特征,成为图像信息获取的重要内容.而小波变换具有检测局域突变的能力,而且可以结合多尺度信息进行检测,因此成为图像信息边缘检测的优良工具.文章首先构造了高斯多尺度边界检测算子,然后根据信号边界与噪声边界的小波变换模值跨尺度传递的不同特性,讨论了不同尺度的检测算子检测的边缘所具有的特点,在此基础上提出由边缘传递、继承和生长构成的多尺度边缘关联融合算法.实验结果说明这种特征提取方法不仅有效地降低了噪声,而且融合的边界比较完整,定位准确.