基于频域带限数据提取雷达目标李氏指数的方法

由频域带限测量数据用连续小波变换提取雷达目标散射参数（Ｌｉｐｓｃｈｉｔｚ指数）．给出小波变换的影响锥，并分析小波变换的多通道滤波特性和局部傅里叶分析特征，以此直观地描述了用小波变换能够分析目标散射中心散射机理的原理．提出选择高斯函数的Ｍ阶微分函数作为小波，用截断高斯函数作为窗函数，并导出修正变换系数和尺度值的公式，消除带限数据的加窗处理对李氏指数估计的影响．提出直接在频域实现小波变换，以避免加窗处理，并给出选择最小尺度值的公式．仿真结果表明文中所述方法是有效的．     

小波变换应用于雷达信号处理的潜力和展望

着重讨论了小波变换在雷达信号中的潜在应用，特别是在宽带或超宽带雷达中的应用，进一步讨论了小波变换用于雷达模糊函数分析，信号检测与参数估计和雷达目标识别等问题，最后，展望了小波变换应用于信号处理的前景。     

基于小波和神经网络的目标识别方法

基于高分辨一维距离像，对雷达信号目标识别的小波分析和神经网络方法进行了理论研究和实验分析。小波变换起到了数据压缩作用，并且用不同的小波得到不同的结果。ISAR获得的三种飞机目标真实回波数据所形成的一维距离像作为实验数据，并且用神经网络对目标分类器进行了设计。     

近似小波变换的一种空中多目标分选方法

通过对由空中多目标间距引起的目标间多普勒频率的差异分析，基于Morlet小波变换，提出了一种空中多目标分选识别的新方法——小波变换谱分析法。此方法选用不同中心频率的Morlet小波，对信号进行小波变换，求取信号的功率谱，获得雷达目标的一维距离像，从而分选识别目标。     

基于双正交小波变换的介质目标电磁散射特性研究

推导了一种求解介质目标的PMCHWT方程,并应用到非均匀介质目标的电磁散射问题中.为了加速矩阵方程的求解,引入了db97双正交小波变换对阻抗矩阵进行稀疏化处理;对均匀介质目标与非均匀介质目标的电磁散射特性进行了分析,将结果与普通的电场积分方程以及体积分方程的计算结果相比较;数值结果表明,PMCHWT方程相比于普通的电场积分方程具有抗内谐振的优点,双正交小波变换的使用大大加速了方程的求解速度.     

基于多传感器单模型多分辨融合估计算法

用小波变换和多分辨分析的思想建立基于多传感器融合的目标状态估计算法。     

基于多传感器的多分辨机动目标跟踪

用小波变换和多分辨分析的思想建立了一个基于多传感器观测的机动目标跟踪新算法。     

基于距离分类准则的雷达目标识别方法

雷达目标信号是非平稳信号，对于这样的非平稳信号，用于分类的特征往往包含在局部的时一频信息中，用一般的变换提取有效的特征比较困难。利用小波包基的性质，提出了一种雷达目标识别方法。首先，对雷达回波信号进行小波分解，利用距离准则，选择最优小波包基，从被识别的信号中提取具有最大可分性的特征，得到目标识别的特征向量，由此进行目标识别。仿真实验结果表明，该方法具有高的识别率。     

小波神经网络的毫米波雷达目标一维距离像识别

将小波变换和反向传播神经网络理论结合，设计一种小波神经网络结构。由于小波变换在时间和频率空间所具有良好的定位特性，使小波神经网络可对输入输出数据进行多分辨的学习训练。介绍神经网络的数学框架和该网络的学习算法。根据毫米法频率步进雷达目标一维距离像所给出的信息，将所提出的小波神经网络用于3种实际雷达目标的识别。实验结果表明，小波神经网络收敛速度快、识别率高。     

人体软组织微观结构的超声散射分析

分别利用ＡＲ倒谱和小波变换的方法，研究脾脏组织超声散射元的平均间距．结果表明，离体和在体情况下组织散射元的平均间距不同．ＡＲ倒谱和小波变换相结合是确定组织散射元间距的有效方法．     

虚拟现实环境中运动复杂目标的图形电磁计算

利用NURBS曲面对虚拟现实环境中的目标进行几何建模。通过对入射场进行Lorentz变换 ,得到运动坐标系下的入射场 ,进而求得运动坐标系下的散射场。对运动坐标系下散射场再进行Lorentz反变换 ,就可得到静止坐标系下散射场。进而求出运动目标的雷达散射截面     

基于小波变换及分形特征的目标检测与识别

提出在对图像进行小波变换的基础上提取图像的分形特征，即通过小波变换对图像进行频域上的分割，使得对图像的描述更丰富，对各频段上的细节图像分别求分形维数组成联合特征矢量，有利于迅速准确地将目标从复杂的自然背景中分离出来，实验结果表明，这种方法能够有效地区分人造物体和自然背景，但计算量较大。     

小波分析在视频检测中的应用

针对复杂背景下机器视觉系统中运动目标的检测,提出一种基于小波分析的运动目标检测方法。首先,利用双Haar小波软阈值法,去除视频图像的噪声。然后,建立了一种基于小波变换的运动目标检测算法,直接在二进小波变换域提取运动区域,从而检测出运动目标。实验结果表明,本文方法可以有效地从图像序列中检测出完整的运动目标,而且在平滑噪声的同时还可以保护图像边缘细节不受损失,效果要好于传统帧差法。     

小波变换在光学中的应用

讨论了傅里叶变换的缺点及小波变换的定义和性质，分析了加窗傅里叶变换和小波变换的特点，用4f空间滤波系统实现了二维小波变换．     

基于Daubechies小波和证据理论的声目标识别

根据战场环境复杂多变的特点,提出采用小波变换对目标声信号进行特征转换,用基于Daubechies小波和证据理论(即D-S证据理论)对基于多传感器的声目标进行融合识别。其步骤为:首先,针对Fourier分析在处理目标非平稳随机信号方面的不足,运用Daubechies小波变换对信号进行处理,即将256个数据为一组的采样信号在Daubechies小波第三尺度上进行变换处理,在保留信号的峰峰值位置、个数等原始特征的前提下,数据处理量由256个减少到32个,从而减少了后续数据的处理量和处理难度;其次,对经过Daubechies小波变换的数据采用FOBW编码进行特征提取,并建立常见声目标的特征信息库;最后,分析并研究数据融合在声目标探测识别中的应用。研究结果表明:与单一传感器识别和多传感器融合识别效果相比,采用D-S证据理论的声目标识别,系统的识别率提高,系统的误判率降低,达到甚至超过了预定的技术指标。     

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。     

运动目标地震动信号的时频特征分析

该文对由典型地面车辆目标－－轮式车、履带式车引起的地震动信号进行了实时探测，对实验所得的信号，应用短时傅立叶变换、小波及小波包分析方法对信号进行了处理，得到了时频分布矩阵奇异值分布特征（SVD）和小波及小波包分解能量分布特征（WWDD）。采用改进的BP网络，对远距离目标的地震动信号进行目标识别，应用WWDD对远距离信号的识别率可达85％以上，说明WWDD具有更好的可分性。     

基于小波变换的红外成像弱小目标检测方法

研究红外目标图像中弱小目标的自动检测和定位方法,将弱小目标看作是红外图像中灰度和位置均未知的暂态信号,通过对图像信号作多尺度的小波变换,可以在低信噪比条件下检测出弱小目标,实验结果表明,小波变换能很好地增强目标,掏背影杂波,从而提高目标检测概率,降低误检测。     

基于小波变换的弱小目标检测

研究了天空、海面或野外地面背景下运动弱小目标的检测,对图像进行了小波分析,使用小波反变换将背景中低频分量和杂散噪声去除,并采用自适应阈值处理,用最大非零像素数分割方法进行分割,最后经过插值、填充得出检测结果.实验结果表明,该方法能有效地检测和定位弱小目标,并具有较强的抗噪声性.     

小波变换与高斯粗糙表面的电磁散射研究

研究小波变换在粗糙表面电磁散射的应用。在用矩量法研究电磁散射问题的时候，基函数的选择是一个非常重要的步骤。不同的基函数对问题的求解规模影响很大。在此，我们利用小波变换中二尺度方程关系，通过对大尺度基函数和小波基函数求解相应的矩阵方程，然后由小尺度基函数与大尺度基函数和小波基函数的合成关系，求出对应于小尺度基函数的矩量法解。这个方法的优点是减少了矩阵方程求解的规模。