FOURIER变换在脑电信号处理中的应用及其局限

介绍了Ｆｏｒｉｅｒ变换在脑电信号处理中的应用，分析了Ｆｏｕｒｉｅｒ变换存在的局限，指出解决的途径。     

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．     

闪光刺激前后脑电信号的时频多分辨分析

目的:用基于傅立叶变换的时频多分辨分析方法,分别获取脑电信号的4种特征波来研究脑电信号在闪光刺激前后的功率变化.方法:自愿受试者10名,分别对闪光刺激前和闪光刺激后两种状态下的脑电信号进行时频多分辨分析.结果:采用此方法能获得闪光刺激前后脑电信号各成分的频域谱分布,以及功率、带宽等定量信息.结论:本文所采用的基于傅立叶变换的时频多分辨分析可方便用于脑电信号时、频域信息提取,易于获取各个选择频段的信息,特别适宜用于研究与刺激有关的高级神经系统的活动,为视觉生理和临床研究提供了新的方法.     

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。     

骨肿瘤X光片的多分辨特征增强

首先应用多分辨分析法将骨肿瘤Ｘ光片进行小波塔式分解，并根据各子图像的特性，在不损失边界信息的情况下，采用非线性函数对各子图像进行对比度增强，然后再进行重构。最后通过计算图像的信息熵将文中的方法与传统的图像增强方法进行比较，结果表明文中的方法明显优于传统的图像增强方法。     

小波分析的理论发展及应用

简述了由傅里叶变换发展到小波变换的基本过程，深入浅出地分析了傅里叶变换、短时傅里叶交换以及小波分析的基本内容。介绍了目前小波分析在部分领域的成功应用，对小波分析的未来发展和应用作了阐述。     

图像的多尺度几何分析及其应用

小波分析联合时间-尺度函数分析非平稳信号,从根本上克服了Fourier分析只能以单个变量描述信号的缺点,然而小波对于信号高维奇异性的几何特征并不能够稀疏的表示。多尺度几何分析理论提供了线性奇异和面性奇异的高维函数的最优表示。本文主要综述性的介绍了多尺度几何分析的产生及发展,重点介绍了shearlet的算法,与其在边缘检分析中的应用,并展望多尺度几何分析的发展方向。     

小波分析及其在轨道系统中的应用

论述小波分析的发展和现状，介绍小波理论在轨道系统中的应用和进展，并阐述了轨道系统分析中小波研究的前景和方向。     

基于矩和多分辨分析的图像识别

应用矩和多分辨分析对图像进行特征提取，求取不同分辨率下的小波系数的均值、能量和方差，作为特征向量。这组特征向量是将图像的矩特征和小波特征结合形成小波矩特征，即反映了图像的全局信息，又反映了图像的局域性信息，并且具有旋转、平移和缩放不变性。该算法不但解决了图像识别中特征量随图像旋转、平移和缩放而变化的问题，而且提高了对近似物体的识别能力。最后简要介绍了仿真实验及结果，证实此算法能对飞机、舰船等目标进行有效的识别。     

小波包时频分析方法的研究及应用

针对非线性、非平稳信号分析与处理方法不能满足某些特别的工程要求的问题,提出将小波包变换和短时傅立叶变换融合形成小波包时频分析技术.建立了一套较完善的小波包时频分析技术框架体系.给出了小波包时频分量谱与小波包时频分量幅度谱以及小波包时频谱与小波包时频幅度谱的算法.对小波包分解的直接算法、Mallat算法、混合算法在计算量和识别精度等方面进行了比较研究.应用Visual C++,OpenGL,photoshop等计算机软件工具和虚拟仪器技术开发了一套虚拟小渡包时频分析仪.能实现任意信号的小波包分解和显示.最后将小波包时频分析应用于仿真测试信号与实测机械磨床振动信号,发现小波包时频分析在识别奇异、辨别信号深层次细节方面具有较好的性质.     

小波包时频分析方法的研究及应用

针对非线性、非平稳信号分析与处理方法不能满足某些特别的工程要求的问题,提出将小波包变换和短时傅立叶变换融合形成小波包时频分析技术。建立了一套较完善的小波包时频分析技术框架体系。给出了小波包时频分量谱与小波包时频分量幅度谱以及小波包时频谱与小波包时频幅度谱的算法。对小波包分解的直接算法、Mallat算法、混合算法在计算量和识别精度等方面进行了比较研究。应用Visual C++,OpenGL,photoshop等计算机软件工具和虚拟仪器技术开发了一套虚拟小波包时频分析仪,能实现任意信号的小波包分解和显示。最后将小波包时频分析应用于仿真测试信号与实测机械磨床振动信号,发现小波包时频分析在识别奇异、辨别信号深层次细节方面具有较好的性质。     

小波变换在旋转机械振动信号检测中的应用

讨论了小波变换的分析方法,为提取旋转机械振动信号特征提供了理论方法.实践表明:小波理论的发展适应于振动信号检测的要求,给监测旋转机械的正常运转和可能引发故障的原因提供了一种科学的研究方法.     

简谐信号的小波变换特性

根据小波变换的定义,研究了单频简谐信号的连续小波变换和离散小变换的特性,结果表明它与白噪声的特性显著不同,还发现了单频信号的离散小波变换的偏置现象。     

一种离散小波变换的快速分解和重构算法

通过对实序列的快速傅里叶变换算法的推导及Mallat算法原理的分析，根据离散小波变换（DWT）算法结构特征，提出了一种离散小波变换的快速分解和重构算法；给出了相应的算法步骤，从数学理论上对该算法进行了论证。结果表明与原有的快速小波算法（Mallat算法）相比，可显著减少信号与滤波器长度N较大（大于16）时小波变换的实乘次数（分解仅为（5log2N 7)N次，重构仅为4N（1 log2N)次）提高了运算速度，且该算法有着良好的并行性，易于数字信号处理器（DSP）的快速实现。     

快速小波变换及其在光纤陀螺信号处理中的应用

为了提高光纤陀螺输出信号的精度和实时性,提出了一种适合在数字信号处理器(DSP)上实现的快速算法,该算法不需要传统小波变换中内插和抽取步骤,给出了相应的快速分解和快速重构实现公式,并采用半软阈值作为快速小波变换的重构阈值.实验结果表明:在静态和动态陀螺输出条件下,在TMS320C6713 DSP实现半软阈值快速小波变换处理信号时间比原来降低了一个数量级,而滤波精度与原来相当,并且易于硬件实现,完全满足光纤陀螺高精度和高实时性的要求.     

快速傅里叶变换在频谱分析中的应用

在快速傅里叶变换原理和Cooley-Tukey快速傅里叶变换算法的基础上,给出一个新的应用于数字信号处理(DSP)的频谱分析方法,并分析该方法的运算效率和存储空间开销.实例证明,本方法的复数乘法运算量与存储空间开销均较小,符合DSP信号处理器的特点,适合应用于采用高性能DSP的MP3/MP4或手机等消费电子产品.     

小波包分析在信号压缩中的应用

着重介绍了将信号在小波包最优基下展开,利用小波包最优基极好的空间、尺度定位性,使得信号的小波包变换系数在小波变换域尽可能集中,从而使在不降低压缩信号的质量情况下,进一步提高信号压缩比成为可能.具体讨论了小波包分析及小波包最优基的选取,同时针对小波分析在信号压缩中的局限性,研究用小波包分析来进行信号的压缩,从而提高了信号的压缩比和重建信号的质量,并用于实际数据处理压缩.     

小波变换在回波信号检测中的应用

基于小波变换品质因数不变性的特点,结合适当的小波基,探讨小波变换在回波信号检测中的算法。在算法分析基础上,从检测原理、检测步骤、计算机仿真方面阐述如何利用小波变换检测回波信号时差,以确定回波信号的奇异点(回波信号到达时间点),进而确定被探测目标的位置。小波变换具有表征信号局部特征的能力,适于分析信号中的瞬态和奇异现象,并可展示其成份。所述的算法分析、小波基的选择及小波变换阶的选择等,为地下目标探测中的信号处理,提供了算法依据和应用方法参考。