小鼠蛋白质亚细胞定位预测

在构建小鼠蛋白质亚细胞定位和小鼠跨膜蛋白类型数据库的基础上,利用离散增量结合协变判别函数分别对小鼠蛋白质亚细胞定位和小鼠跨膜蛋白类型进行了预测.对小鼠蛋白质亚细胞定位数据库,Self-consistency检验和Jackknife检验预测成功率分别达到99.0%和75.6%;对小鼠跨膜蛋白类型数据库,Self-consistency检验和Jackknife检验预测成功率分别达到85.6%和77.5%.     

用离散量方法预测蛋白质亚细胞定位

根据蛋白质的亚细胞定位，将蛋白质分为四类，用离散量的数学理论，提出了预测蛋白质的亚细胞定位理论方法，利用蛋白质中氨基酸组分，通过计算离散增量和离散有限系数预测蛋白质的亚细胞定位，用self—consistency和Jackknife两种方法测试均获得较高的预测成功率。结果表明：蛋白质类中包含的蛋白质数越多，预测成功率越高。     

革兰氏阴性菌中蛋白质亚细胞定位预测

根据革兰氏阴性菌蛋白不同亚细胞位置、其一级结构中氨基酸含量、氨基酸的关联性及亲疏水性的不同，利用最小离散增量的方法，分别以20个氨基酸组份、400个氨基酸二联体组份及氨基酸亲疏水性在蛋白质上的分布为参数构成离散源，对革兰氏阴性菌蛋白的5类亚细胞定位进行预测，分别用self—consistency方法和Jack-knife方法预测，均取得了较高的预测成功率．     

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。     

语音DCT变换的一种小波编码方法

语音信号离散余弦变换的小波变换编码方法是根据DCT变换和小波变换特点，并结合语音信号的特征而提出的一种高效简便的语音编码方法，在编码中，对不同层次小波系数分配不同的量化位，可灵活、方便地控制重构话音的质量，以汉语语音音节为例的实验表明，在16kbps的编码数据率时，重构(或再生)的话音质量与原始话音质量基本相同。     

应用小波变换进行信号消噪处理

小波分析在时域与频域同时具有良好的局部化性质,可以利用信息信号和噪声信号在小波变换下具有截然不同的奇异性来区分信息信号与噪声信号。根据信号与噪声在二进制小波变换随尺度参数减小时信息信号和白噪声信号的小波变换的模极大值点变化的不同性质做消噪处理,然后再重建消噪后的信号。采用本研究所给出的方法对实际数据进行处理,其结果表明应用小波分析可以明显地抑制噪声,提高信噪比。此方法具有很好的实用价值。     

小波分析及其在弱信号处理中的应用

应用离散小波分析进行数字弱信号分析及特征提取。离散小波分析具有时一频分析特性，能将信号的细微变化反映出来。对实时获取的数字弱信号作离散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，十分利于从噪声中提取微弱信号。     

正交小波变换的残余相应分析

构造了正交小波变换矩阵，分析了平稳模型和非平衡模型上正交小波变换的残余相关特性。实验结果表明，对于非平稳信号，正交小波变换的去相关性能好于离散余弦变换，而对平稳信号，正交小波变换性能较差，因此，在数据压缩应用中，应使用正交小流变换与其它经典变换相结合的编码方法 。     

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．     

基于小波分析与卡尔曼滤波的网络流量估计和预测方法

将目标状态的小波变换系数向量描述为卡尔曼滤波方法的状态变量,进而建立了网络流量估计和预测模型,能够实现周期内的实时跟踪和动态多步预测.利用CERNET华中地区主干网的实测流量数据对该模型进行检验,所有检验周期网络流量预测值的相对误差均值为4.58%,表明网络流量估计和预测模型具有较强的适用性.     

小波变换理论及其在信号处理中的应用

详述了小波理论产生的实际背景和发展状况，对小波变换的定义、时频局部性及处理突变信号的能力作了分析．最后，讨论了小波变换在信号处理中的应用，并展望了其应用前景     

一种用ＤＳＰ实现离散余弦变换的方法

介绍了新一代的多处理单元数字信号处理器TMS320C6X的软件与硬件特点，并提出了如何利用它实现图象处理中的8×8离散余弦变换的方法。此方案的特点是可实现对信号的实时处理。     

小波变换及其应用

本主要论述了小波变换的原理和性质，介绍了几种重要的小波函数，并重点讨论了小波变换在图像压缩和信号处理方面的应用。     

一种新的Eno-haar小波算法

引入了一种新的Eno—haar(Essentially Non-Oscillatory-haar)小波变换算法，并通过仿真实验说明了其在信号以及图像处理应用中具有可行性和有效性，同时也使计算量大幅度的减少．     

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。     

工程信号的小波时—频分析方法

讨论了如何采用小波变换对工程信号进行时－频分析的方法,给出了小波变换时－频窗位置及大小与尺度及信号采样间隔的定量关系。     

基于小波分析的人脸图像特征提取

人脸图像特征提取是人脸识别的基础,采用小波分析技术,提出了一种快速的、具有良好鲁棒性的人脸图像特征提取方法。应用小波分析良好的时频局部化特性和多分辨率特性,选用合适的小波基对人脸图像进行小波变换．得到体现人脸特征的小波高频细节;经过水平和垂直投影运算,定位出眼睛对、鼻子、嘴唇和双颊等重要的人脸图像特征;再结合人脸的FAP参数集,确定出人脸识别所需要的人脸关键特征。实验结果表明,该方法具有较好的实时性和鲁棒性。     

小波变换在语音去噪中的应用

提出一种新的基于小波变换的语音去噪算法。利用此特性对信号进行小波域波滤,可从加噪的语音中提取人耳所能接受的频率成份,是一种简单有效的语音去噪算法。