基于小波包分解的数字图像水印

利用Shannon熵准则选取最优小波包基,分别对原始图像和水印图像进行小波包分解,把水印数据嵌入选定的原始图像小波包基中.实验结果表明,该算法水印信息嵌入量大,不可感知性好,对JPEG压缩有较好的鲁棒性.     

基于小波包非对称分解的钢丝绳图像边缘检测

针对煤矿视频监控系统中钢丝绳图像边缘检测的问题,提出一种边缘检测改进算法。首先将图像进行小波包分解,以获得对图像不同结构特征的描述;进而对经小波包分解所得到的高频部分加以分析,保留部分空间,其他空间继续分解;然后采用模极大值理论进行边缘检测。研究结果表明,此算法能够较好地检测出钢丝绳图像中的细节特征,且检测速度较快。     

基于小波包分解的纹理图像去噪

噪声对图像的后续处理影响较大,常用的去噪方法虽然可以去除变化平缓的图像中的噪声,但对细节较多的纹理图像的去噪效果却不太理想．文中基于信号和噪声在小波分解中呈现出来的不同特性,提出了一种新颖的小波包去噪算法．采用该算法对纹理图像进行最优小波包分解,并计算每个子频带的两个范数,然后根据范数值区分信号和噪声,从而达到去除噪声的目的．实验结果表明,该算法对皮革图像具有较好的去噪效果．不仅可以去除纹理图像中的大部分噪声,而且可以较好地保留图像纹理信息．     

基于离散小波变换与小波包分解的语音增强算法

提出了一种基于离散小波变换（DWT）和小波包分解（WPD）的语音增强算法.该算法首先将带噪语音进行离散小波变换,并分别对离散逼近信号和离散细节信号采用不同的基小波进行小波包分解,再按照不同的规则选取阈值进行去噪,最后对去噪后的语音信号完成重构.计算机仿真表明,在计算量相当的情况下,该算法优于离散小波变换法去噪和小波包分解法去噪.     

基于短小波包的图像边缘检测算法(英文)

使用缩短小波包算法对图像进行处理.对图像进行多层次小波包分解,分解之后用小波包重构高频子空间从而减少图像边缘信号损失。最后依据每层阀值化后的系数,得到图像的边缘.实验结果表明,该算法既能根据需要分别求出不同尺度不同方向下图像的边缘,又能保持图像边缘的完整性和清晰性。     

基于小波包的信号检测算法

针对多个相似信号分量的到达时间检测问题提出了一种基于小波包理论的新算法。即使在各信号分量严重重叠的情况下，该算法都能非常精确地确定各分量的到达时间。为了进行比较，引用了Ｂ．Ｆｒｉｅｄｌａｎｄｅｒ提出的改进Ｇａｂｏｒ表征方法及其信号模型。实验证明，小波包检测算法可以得到更为优越的性能。还讨论了小波包检测算法中的正交镜像滤波器选择问题。     

基于小波包分解的SAR图像斑点噪声抑制

论述利用小波包分解技术和软门限理论对合成孔径雷达(SAR)图像斑点噪声(speckle)进行抑制与滤除，首先对SAR图像进行小波包分解，选取最优基，加大小波系数之间的差距；然后应用Donoho的软门限(soft threshold)理论，针对SAR图像斑点噪声的特点，在小波包变换域内选取合适的门限进行滤波；最后，通过小波包重构技术获得去除斑点噪声的SAR图像，实验证明，该方法能有效抑制SAR图像中的斑点噪声。     

基于小波包的信号检测算法

针对多个相似信号分量的到达时间检测问题提出了一种基于小波包理论的新算法（ＷａｖｅｌｅｔＰａｃｋｅｔｓＤｅｔｅｃｔｉｏｎＡｌｇｏｒｉｔｈｍ，ＷＰＤＡ）．即使在各信号分量严重重叠的情况下，该算法都能非常精确地确定各分量的到达时间。为了进行比较，引用了Ｂ．Ｆｒｉｅｄｌａｎｄｅｒ提出的改进Ｇａｂｏｒ表征方法（ＩＧＲＭ）及其信号模型。实验证明，小波包检测算法可以得到更为优越的性能。还讨论了小波包检测算法中的正交镜像滤波器选择问题。     

数字PCB电流传导干扰信号实时检测系统的设计

从分形维数概念出发,提出了基于短时分形维数的模糊控制滤波方法.提出了网络分形维数和短时分形维数的新算法,讨论了模糊控制滤波方法中的模糊控制参数的选取.通过在虚拟仪器(VI) LabVIEW 6.i平台上对数字印制电路板电流传导干扰信号进行实时检测,结果表明：经过信号处理,该系统具有信噪分离、测量电流传导干扰信号的功率谱等功能.     

L^2（R）的双正交向量小波包分解

对双正交向量小波的性质进行了探讨,给出了双正交向量小波包的定义及其性质,作出平方可积空间Ｌ＾２（Ｒ）的双正向量小波包分解。     

基于门限值小波包变换抑制局部放电白噪干扰

分析了局部放电在线监测系统中局部放电信号及白噪干扰小波变换特征，局部放电信号在大部分尺度上具有较大的幅度，而白噪声信号随尺度的增加而迅速趋于零，从而对信号在各个尺度上的小波系数设定一个门限，如果某尺度上的系数大于门限，则认为它对应于局部放电信号，否则对应于噪声信号。提出了用基于门限值的小波包变换方法从白噪中提取局部放电信号的方法。实测数据分析结果表明，经此法处理后信噪比明显提高，可用于在线监测局部放电信号中白噪干扰的抑制。     

自适应小波包干扰抑制技术

干扰抑制是提高直接序列（ＤＳ）扩频通信系统抗干扰能力的重要手段。最近人们提出了一种新的干扰抑制技术－基于自适应小波包变换的干扰抑制。该技术利用小波包变换对受到干扰的ＤＳ信号进行分解,使得有用信号和干扰分离,然后滤除干扰分量,最后通过小波包合成恢复扩频信号,其性能在很多情况下优于传统方案。对小波包干扰抑制技术作了综述,指出其优点和有待于解决的问题。     

基于小波包分解的滚动轴承故障诊断

提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.     

基于WPD-LMD和排列熵的结构损伤识别方法

为了直接从结构响应提取损伤敏感参数,对激励未知情况下的结构损伤模式进行识别,提出了基于小波包分解-局部均值分解方法(wavelet packet decomposition-local mean decomposition,WPD-LMD)和排列熵的结构损伤检测方法.该方法首先对结构振动响应进行小波包分解,将振动信号分解为一系列窄带信号,然后对窄带信号进行局部均值分解,能有效提取低能量分量.通过计算损伤前后分量信号的排列熵,对结构损伤进行了检测,最后通过计算测试数据和样本数据之间的相对排列熵,对损伤模式进行了识别.实验分析结果表明,所提出的方法能有效地对结构损伤进行识别.     

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。