基于平移不变离散小波的多普勒血流信号杂波抑制

针对由血管壁和慢速运动组织产生的杂波会严重影响超声多普勒低速血流成分频谱估计的准确性问题，根据超声多普勒血流信号及杂波的特征，提出基于平移不变离散小波变换的抑制杂波方法，分别对仿真和实际超声颈动脉血流信号进行实验，并与高通滤波和离散小波变换方法进行比较，结果表明：经过平移不变离散小波变换方法抑制杂波后，信号的声谱图质量及性能指标均有明显改善，其中低速血流相对误差仅为4．86％，与高通滤波方法的相对误差10．28％和离散小波方法的相对误差7．26％相比，相对误差分别减小了5．42％和2．4％，低速血流成分频谱估计的准确性得到了提高。     

利用小波变换分析心音信号

心音信号可以用于诊断一些心脏瓣膜和心肌的疾病，心音信号是一种非平稳信号，而小波变换中数字信号处理技术适合于分析非平稳信号。文章阐述了一种利用小波变换分析心音信号的方法。通过对计算机模拟的心音信号的分析实验，分析利用小波变换可以有效地分析心音信号，从而为利用心音信号诊断心脏疾病提供了一种新的方法。     

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 。     

正交小波变换的残余相关分析

构造了正交小波变换矩阵，分析了平稳模型和非平稳模型下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，应使用正交小波变换与其它经典变换相结合的编码方法     

小波变换的时频分析及其在实际中的应用

由于小波变换自身的特性,它非常适合对非平稳和时变信号进行分析及处理。本文介绍了小波变换的时频分析,具体将小波变换应用于几个非平稳及时变信号的处理,并将小波变换和其他信号时频分析方法做了比较,得出了小波变换的优势和适用特点,最后给出了小波变换应用于信号去噪的例子。     

基于短时傅立叶和小波变换的时频分析

介绍了短时傅立叶变换和小波变换两种时频分析方法.通过对仿真信号的分析,阐述了两种方法在分析非平稳信号时的优势和优缺点.     

小波-傅立叶变换综合法的车桥耦合振动分析

将小波变换与傅立叶变换相结合,提出一种处理非平稳信号的新方法小波-傅立叶变换综合法。并用于分析不同车速下桥梁跨中挠度的动力响应曲线,得到完整的时频信息。分析结果表明了该小波-傅立叶变换综合法在非平稳信号时频分析领域有良好的应用效果。     

两种时频分析方法在心音信号处理上的比较研究

在介绍小波变换（WT）和希尔伯特一黄变换（HHT）时频分析的基础上,通过非平稳信号实例对比分析了小波变换和Hilbert变换,并将其应用于心音信号的处理。通过比较和分析小波变换和Hilbert变换在心音信号处理上的特点,最后得出结论：HHT变换有较好的计算效率以及较好的时域和频域分辨率,在分析非平稳信号时比小波分析更具适应性,在心脏疾病诊断等研究中有着广阔的应用前景。     

离散小波变换在电力系统故障检测中的应用

传统的傅立叶分析难以处理电力系统故障时产生的暂态信号.小波变换具有良好的时频局部化特性,为分析非平稳、突变信号提供了有效的途径.通过多尺度分析,将连续小波变换离散化,得到适合数字信号处理的快速算法——离散小波变换.最后给出了应用离散小波变换进行输电线路故障测距的实例,通过仿真分析证明该方法可以极大地提高测距精度.     

非平稳随机激励下线性系统模态识别的小波方法

通过对非平稳随机激励下的线性时不变系统的响应x(t)进行小波变换.利用各级小波系数的正交性,对其中的某些平稳小波系数进行合成,得到满足结构动力学方程的新平稳信号y(b),用其代替原始的结构响应x(t),结合其他各种平稳随机激励下的模态识别的方法,进行非平稳随机激励下系统参数的识别.仿真结果表明,该方法可以在一定程度上消除非平稳随机激励所引起的响应信号的非平稳性.     

小波变换在跳频通信中的应用研究

小波变换是信号的时间一频率分析方法,它具有多辨分析的特点,它能有效地检测和识别跳频信号,在跳频通信中有极其重要的作用.按照跳频信号的数学模型分析,小波变换(WT)与快速傅立叶变换(FFT)、短时傅立叶变换(STFT)相比较,具有明显的优越性.通过对中频信号的有限个采样点的分析处理,提取出跳频信号的特征参数,并运用Matlab语言设计出仿真程序,可以证明小波分析跳频信号具有可行性.     

一种基于非降采样Contourlet变换的遥感图像融合方法

给出了一种非降采样Contourlet变换和HIS变换相结合的遥感图像融合算法.非降采样Contourlet变换是一种平移不变的小波变换方法,且具有良好的方向选择性,其对图像做多分辨率分析得到的高频子带,有效地表达了图像中的细节特征信息.结合HIS变换,非降采样Contourlet变换将细节注入到多光谱图像得到的融合图像,不但具有较高的空间分辨率,而且有效保持了多光谱图像的光谱特征.实际的SPOT全色图像和TM多光谱波段融合结果表明,所提议方法的性能优于目前广泛使用的小波域方法如离散小波变换和A Trous小波变换以及Contourlet变换等融合方法.     

基于小波变换的多普勒雷达目标识别

提出应用小波变换技术 ,以辨识不同目标回波之间的细微差异 ,并对连续波多普勒体制雷达的回波信号进行分析的方法 .采用本方法在雷达的一个距离波门内得到了地面目标的数量信息     

基于Morlet小波变换的振动特性参数识别

传统的振动系统特性参数识别方法对于非线性、非平稳信号的处理能力差,尤其对于阻尼比的识别精度较低.将Morlet小波变换和随机减量技术相结合识别振动系统的特性参数,首先利用随机减量技术提取振动的自由衰减响应信号,进而由Morlet小波变换对信号进行连续的小波变换处理得到小波能量谱,结合参数识别的基本理论及对时间-幅值坐标面曲线的半对数拟合结果得到振动系统的频率及阻尼比,数值仿真结果表明,提出的方法能有效识别系统的固有频率和阻尼比.将该方法应用于罐车模型流固耦合冲击试验研究,较好地识别出充液工况下振动系统的固有频率和阻尼比.     

应用小波变换进行信号消噪处理

小波分析在时域与频域同时具有良好的局部化性质,可以利用信息信号和噪声信号在小波变换下具有截然不同的奇异性来区分信息信号与噪声信号。根据信号与噪声在二进制小波变换随尺度参数减小时信息信号和白噪声信号的小波变换的模极大值点变化的不同性质做消噪处理,然后再重建消噪后的信号。采用本研究所给出的方法对实际数据进行处理,其结果表明应用小波分析可以明显地抑制噪声,提高信噪比。此方法具有很好的实用价值。     

基于IWT和HVS的彩色图像数字水印算法

针对目前大多数图像水印技术是关于灰度图像并且基于离散小波变换的。提出了一种基于整数小波变换(IWT:Integer Wavelet Transform)和人类视觉系统(HVS:Human Visual System)特性的彩色图像数字水印算法。本算法根据原始彩色图像的整数小波系数高、低频分量的特点,选择彩色图像的YIQ色彩空间的Y分量嵌入水印,利用人类视觉系统的特性,将二值水印图像加密后嵌入到Y分量的整数小波系数中。实验证明,该算法对锐化、JPEG2000压缩和旋转等图像处理均具有很强的抵抗能力,复杂度较低,实用性较强,更好地兼顾了水印不可见性与鲁棒性之间的矛盾。     

基于小波变换分析阻抗胃动力信息

研究了基于小波变换提取胃运动信息的新方法,运用小波多分辨分析对采集的体表胃阻抗信号进行分解,去掉呼吸阻抗信号和血流阻抗信号,提取近似成份作为胃收缩信号.该方法能够提取胃运动的信号和同步胃电信号,可对提取信号的主频进行不同频带的分类,计算功率谱参数、描绘动态谱,从而研究胃动力情况.应用小波变换可以有效消除叠加到阻抗信号中的各种干扰,通过与同步胃电信号共同验证,该方法能完成阻抗信号提取,为临床胃动力信息研究提供一种体表无创伤新途径.     

基于连续小波变换的系统分析

在连续小波变换的基础上，对线性时不变振动系统进行了小波分析，给出了系统输出信号的小波变换的脉冲响应和输入的关系，作为应用实例，计算了单自由度系统的输出信号的小波变换，并与输出信号的直接小波变换进行了比较，结果表明两者完全吻合。     

小波变换及其在图像处理中的应用

小波分析是对傅立叶变换的继承和发展,在数字图像压缩,图像的边缘检测,信号分析,医学影像以及计算机视觉等领域有着广阔的前景,本文首先介绍了小波变换的基本原理,特别是多尺度分析理论,作为应用,分析了基于小波变换的图像消噪技术,并给出实例。     

应用于超声测距的小波变换滤波算法

有效的滤波算法是提高超声测距精度的关键之一。小波变换具有时频联合分析的能力,采样点处的各级小波系数反映了其频率成分的分布情况。该文提出了一种基于小波变换的超声回波滤波算法。对原始数据进行离散二进小波变换,然后将各点的小波系数同理想回波信号的小波系数进行相关运算,利用得到的相关系数区分噪声和回波所在区段,然后对噪声的小波系数进行收缩处理,从而实现滤波。利用该算法对自制的超声测距装置采集到的回波数据进行了滤波处理。结果表明:其滤波效果要优于经典的小波阈值法,信号信噪比提高了6～9dB,数据中混有的大幅值噪声得到了有效抑制。