高维小波变换的一般形式

利用小波变换是等距变换这一事实，推导出高维小波变换的一般形式，使通常的小波变换只是其中的一种特殊情形。在实际应用中，可以适当的选取参数α，β。这使小波变换的应用更广泛，使用更灵活。     

基于小波变换的弹射加速度滤波分析

根据小波分解与重构理论，对弹射加速度信号进行多尺度的小波变换，即用不同中心频率的带通滤波器对信号滤波，把主要反映噪声频率的那些尺度的小波变换去掉，再把剩余各尺度的小波变换结合起来，作小波重构变换，从而得到较好地抑制了噪声的信号。     

小波变换及其在图像处理中的应用

对小波变换的引出，正的以变换的实现，小波变换的变焦作用，以及在图像压缩，边沿检测中的应用作了详细途述，且应用小波变换处理图像，得到了满意的实验结果。     

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 。     

信号处理中的小波分析

介绍了母小波和完全小波系的概念，详述了它们的数字特征。给出了连续小波变换、离散小波变换和二进离散小波变换的定义并参考Ｒ＾２空间的矢量表达式导出了它们的逆变换。     

选取小波函数的方法研究

在利用小波变换轮廓术进行三维面型测量时，由于满足存在条件的小波函数很多，而以前的研究论文，很少有针对小波选择问题的讨论，使得我们在如何选择合适的小波函数的问题上存在困惑.通过选取几种不同的小波对同一图像进行利用连续小波变换（CWT），比较不同小波在小波变换系数“脊”处的幅值和恢复图像的效果，得出通过参考小波变换系数幅值表现的方法来选取合适的小波函数的结论.计算机模拟和实验也证实了该方法的正确性.     

连续小波变换中允许小波的对偶小波

研究了连续小波变换中允许小波的对偶小波，给出了对偶小波的等价条件以及允许小波的对偶小波的表示。     

小波变换的应用综述

小波分析是近年来迅速发展起来的新兴学科，由于它在时间域和频率域里同时具有良好的局部化性质，因而同时具备理论深刻与应用广泛的双重意义。小波分析已经基本形成了一个完整的理论体系，并且在很多领域内有了比较深入的研究。本文讨论了小波变换的特点，完整地总结了小波变换在各个方向的应用，最后对小波变换的应用进行了总结和展望。     

小波包变换叠前地震资料去噪方法研究

给出了一种不同常规的消除面波和高频随机干扰波的小波包变换方法。小波包变换是一种新的时频分析方法，优于小波变换和传统的Fourier变换，它能够对地震资料进行时频精细划分，准确描述具有相同频率的有效波与干扰波在时间—空间域的分布。利用小波包变换可以从叠前资料分离出面波、随机干扰等，再通过小波包重构，可有效地剔除干扰信息，保留有效信号。实际资料实验表明，小波包变换在去噪方面十分有效。     

基于改进二进制小波变换的图像边缘检测算法

针对传统二进制小波变换在图像边缘检测应用中的不足，提出了基于改进二进制小波变换的图像边缘检测算法．该算法首先按水平、垂直和对角方向对图像进行改进的多尺度二进制小波变换，提取三个方向的小波系数，然后采用相邻尺度小波系数相乘的方法去除图像的噪声．再对去噪后的小波系数乘积极大值点进行检测，最后将这3个方向上的极大点进行融合，形成图像的边缘．     

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。     

一种基于小波系数方差的语音端点检测方法

首先分析讨论了小波变换的原理,在此基础上提出了一种利用小波系数方差识别含噪语音信号中静音与语音的新算法。算法首先对含噪语音进行小波分解,观察各层小波系数的统计特性,提取它们的方差作为检测特征,从而进行语音端点检测。对该算法进行了仿真实验,并与传统的基于能量与过零率的端点检测算法进行了比较。实验结果表明:该算法在低信噪比条件下也能够有效分割语音。     

基于自适应的小波阈值和GTEO进行说话人识别

小波压缩是基于小波系数的阈值的一个简单去噪方法.它对于所有的含噪语音,都使用一致的阈值,不仅压缩了噪声,也压缩了部分语音成分,因此滤掉的语音感知质量会受到极大的影响.在小波去噪过程中采用了自适应阈值小波包方法.同时把小波去噪和推广的TEO结合起来,去提高系数的鲁棒性.为了进一步提高识别率,在识别阶段,采用改进的MCE算法.实验结果显示,提出的方法取得了较好的效果.     

基于小波域的三种信号增强算法研究

介绍了三种基于小波域的增强算法,即模极大值重构增强算法、空域相关增强算法、小波阈值增强算法,并且分别比较了各自的优缺点。利用上述的增强算法对带噪的语音信号进行去噪仿真,结果表明,小波阈值增强算法效果最好。     

基于小波变换的语音增强去噪方法

将小波变换应用到语音识别系统中,提出了在语音信号预处理阶段基于小波变换估计的维纳滤波算法,结合小波变换的阈值处理方法对语音信号进行去噪处理,模拟实验表明该方法去噪效果较好.     

基于小波分解的语音自适应压缩感知

根据语音信号经过小波分解后低频分量和高频分量的特点,提出分别对他们进行自适应压缩感知。首先对信号的低频分量用训练的过完备基进行稀疏分解,降低了稀疏分解过程中的计算量。然后详细描述了改进自适应观测矩阵的产生,以及对低频和高频分量分别进行自适应观测。最后通过OMP重构算法分别对低频和高频分量进行重构,通过小波合成还原出原始信号。实验表明,语音信号在基于小波分解的自适应压缩感知方案中具有良好的重构性能。     

基于小波变换的语音数据压缩的研究

语音数据压缩是为了提高信号传输和存储的效率.根据小波包变换时-频分析的特点,选取适当的小波函数将语音信号在正交小波包基下展开.由于语音信号的大部分能量集中在低频系数上,故对高频系数采用阈值量化处理,对剩余系数进行哈夫曼编码,从而完成语音数据的压缩.通过仿真分析,采用这种方法的压缩效果比较高.     

跟踪共振峰的小波包语音增强仿真研究

通过仿真实验,研究和分析了语音共振峰的子波时频特性,发现在各子带可跟踪并找到共振峰,结合听觉感知,提出了一种跟踪共振峰的小波包自适应阈值语音降噪新算法.该算法能拟合人耳听觉特性,紧密跟踪语音信号的能量变化,通过系数实时调节子带阈值,消噪同时能有效减少语音弱分量损失.仿真实验表明,相对较传统算法,新算法在低信噪比输入时,能有效提高增强语音的输出信噪比、保持较小的波形失真度、获得较好的听觉效果.     

自适应小波阈值语音增强新方法

针对单一小波闻值语音增强方法降低语音可懂度这一问题,提出一种基于自适应小波闻值的语音增强新方法．根据噪声帧频谱的平整度判断出噪声的类型,即是白噪声（合频响曲线比较平整的有色噪声）还是频响曲线不平整的有色噪声．由于不同类型的噪声具有不同性质的Lipschitz指数,对两种不同的噪声类型分别采用不同的自适应小波阚值对带噪语音信号进行增强处理．用计算机仿真和实际环境录制的语音数据对该方法的性能进行了测试,实验结果表明在两种实验数据情况下,该方法均具有较好的噪声抑制能力．     

语音压缩感知及其重构算法

在研究语音信号在小波域的稀疏性的基础上,提出双正交小波变换的方法,与一维小波变换方法相比稀疏度提高10%～25%.此外,提出基于自适应次梯度投影算法(ASPM)进行压缩感知(CS)语音信号重构的方案.ASPM算法首先根据压缩感知重构模型建立包含稀疏重构信号并具有随机属性的凸集,然后运用次梯度投影的思想将该凸集的投影转化...