一族GHM型多尺度函数的构造

从具有2阶逼近的GHM多尺度函数出发,鉴于其逼近阶数相对较低的缺点,利用两尺度相似变换(TST)的方法,构造变换矩阵Mr(ω),将它的逼近阶提高到了任意大于2的整数,并保持了紧支性和对称性,提高了GHM多小波逼近光滑函数的能力。     

利用两尺度相似变换提高有限元多尺度函数的逼近阶

利用两尺度相似变换(TST)的方法构造变换矩阵Mr(w),提高了2阶有限元多尺度函数的逼近阶,并使其可以达到任意整数(>4)阶逼近的效果,同时保持了紧支、对称等良好性质.并对Strela的有限元多尺度函数构造定理的证明缺陷作了细节上的改正.     

M带尺度相似变换

对M带多尺度函数的逼近阶的提升,需要引入M带尺度相似变换(MST).通过研究MST的性质及与M带多尺度函数的逼近阶的关系,利用MST可以对M带多尺度函数的逼近阶进行提升.     

基于MTST方法提升M进制多尺度函数逼近阶

给出M进制两尺度相似变换(MTST)的概念及相应变换矩阵的构造算法.并证明当变换矩阵满足文中所给的条件时,MTST不仅能提升原M进制多尺度函数的逼进阶,而且还能同时保持原多尺度函数的对称性和紧支性.最后给出相应的算例.     

奇异两尺度相似变换的逼近阶

对于单小波,给出了0是变换矩阵的重根时,两尺度相似变换(TST)的逼近阶.对于多小波系统,定义了新的矩阵两尺度相似变换(TST),得到了当0是变换矩阵M(0)的二重非退化特征值时(TST)逼近阶以及逼近向量的形式.     

具有高逼近阶的插值多尺度函数的构造

研究了对应于插值多尺度函数的两尺度矩阵符号的特殊形式,并将其代入逼近阶方程,推导出逼近阶方程的一种新的表达式。给出了构造具有高逼近阶的3尺度紧支撑插值多尺度函数的具体算法,应用该算法设计了几组例子,计算得到了含有一个或两个参数的滤波器的准确表达式,同时计算出了使多尺度函数具有最高正则性的参数值,并画出了相应的光滑的尺度函数图形。     

基于Haar尺度变换的连续分片线性逼近

为了获得非线性系统的连续逼近,提出一种基于Haar尺度变换的连续分片线性逼近算法。由非线性函数的Haar尺度变换获得尺度系数,用紧支撑连续分片线性基函数重构出非线性函数的连续分片线性逼近。理论分析证明这种逼近可以达到任意精度。仿真试验表明:相对于Haar小波逼近,连续分片线性逼近的误差收敛得更均匀。算法的一个显著优势是可以给出逼近的解析表达式。因为Haar尺度变换的计算复杂度低(相当于算术平均),紧支撑连续分片线性基函数的结构简单,所以算法易于推广。     

M带尺度相似逆变换的逼近阶

对M带多尺度函数的相似逆变换进行了研究.首先,得到了当0是变换矩阵T（0）的多重特征值时的逼近阶.其次,通过M带尺度相似变换,给出了多尺度函数加细面具的因式分解.     

M进制多小波尺度函数的逼近阶

在小波理论中，精度或逼近阶是刻划尺度函数最重要的特殊之一。就M进制多小波的尺度函数在时域里逼近阶条件进行研究，并给出尺度函数具有逼近阶m的充分必要条件。     

多尺度函数逼近阶的计算

多尺度函数由于具有高的逼近阶而成为小波分析的研究热点.本文给出了多尺度函数逼近阶的两种计算方法,并就尺度伸缩因子不同的情况给出了具体算例.     

多尺度函数时域逼近条件的讨论

根据具有m阶逼近的多尺度函数能够重构所有小于m阶的几何多项式逼近条件，采用数学归纳法，分析了重构方程中的系数之间的性质以及具体的结构，并对这一结构进行推导。以二阶有限元多尺度函数为例，验证了这一方法的正确性。     

高阶平衡的多尺度函数和高阶Armlet的构造

文章研究了多尺度函数平衡性与对应的Armlet多小波的构造,陈述了高阶平衡多尺度函数的定义与高阶Arm-1et多小波的定义,以及相关定理;并且证明了一个构造高阶多尺度函数的同时使得对应的多小波也是高阶Armlet的构造定理。最后,给出了一个多尺度函数是高阶平衡的同时对应多小波函数也是高阶Armlet的构造算法。     

多尺度函数逼近阶的计算

多尺度函数由于具有高的逼近阶而成为小波分析的研究热点．本文给出了多尺度函数逼近阶的两种计算方法，并就尺度伸缩因子不同的情况给出了具体算例．     

BP网络对小波变换轮廓术中提取相位的校正

在小波变换轮廓术中,采用一维小波变换去解调变形结构条纹包含的物体面形分布时,小波处理所带来的误差分布同被测物体的面形分布及其变化率存在联系.为了减小小波变换轮廓术中相位提取的误差,从小波变换的相关实质出发,提出了利用神经网络的强大学习能力和函数逼近功能来校正相位.该方法以提取相位的一阶和二阶差分、小波尺度因子等相关计算量作为多层前馈型反向传播网络的输入,通过对复杂样本的训练,实现了输入与误差之间的非线性映射.计算机模拟和实验验证了用神经网络校正相位方法的有效性.     

前向神经元网络的子波表示

基于函数逼近，对前向神经元网络中非线函数与子波变换中母函数的关系进行了分析，推出了前向神经元网络的子波表示，指出两种方法应用于Ｌ＾２（Ｒ）空间函数逼近时是一致性，最后给出了两个前向神经元网络的子波表示，函数逼近实例验证了本结论的正确性。     

基于分数阶样条小波与IHS变换的图像融合

该文提出用分数阶样条小波和Intensity-Hue-Saturation（IHS）变换结合的方法进行高分辨率全色图像和低分辨率多光谱图像的融合。分数阶样条小波由于具有良好的分数阶逼近性能，在分解图像时可得到更多的细节，而IHS变换在处理图像时会扭曲光谱特性，通过两者的结合，可得到高分辨率、多光谱图像。将该方法和传统‘Daubechies3’小波与IHS变换相结合的方法比较，实验结果证明了分数阶样条小波更多地保留了高分辨率图像的空间特性和低分辨率图像的光谱特性。     

条件数学期望及随机变量函数的三角多项式级数展开

获得了如下结果:(1)条件数学期望及随机变量函数的三角多项式级数表达;(2)一个随机变量关于另一个随机变量的三角多项式的最佳逼近;(3)随机变量函数被随机变量三角多项式最佳逼近的阶.