线性时变系统参数辨识的小波基函数展开

运用信号的基函数展开方法,以时变参数的AR模型为研究对象,采用具有时频局部特性的小波分解和重构滤波器作为基函数,获得对模型时变参数的辨识算法。利用周期延拓对信号边缘进行处理。忽略部分高频小波系数以克服小波重构层数对线性方程组求解的制约问题,获得模型阶数与最小重构层数的关系。研究发现,方法对时变参数的变化趋势及频率特征辨识有效,提高采样率可以改善被忽略的高频成分的影响,有助于辨识快变及瞬变参数的高频特征。     

脉动流条件下涡街信号瞬时频率的估计

研究脉动流条件下涡街信号的模型,提出频率测量的新方法.利用基于ⅡR滤波器组的小波变换,对信号进行二进制分解.根据实时性要求,提出基于ⅡR滤波器组的递归小波分解算法.对分解后的涡街信号进行Hilbert变换,估计出瞬时频率.仿真结果表明,该方法计算精度高、实时性好,可以准确反映脉动流条件下涡街信号的频率特征.     

以Meyer为基函数的剪切波对MRI医学图像的增强

针对小波变换在图像去噪中方向较为单一的缺点，采用Meyer小波与剪切波结合的方式，以控制奇异曲线的方向．选取Meyer小波作为剪切波的基函数，建立Meyer剪切滤波器对图像进行增强．Meyer小波的性质与S形函数有着紧密的联系，通过研究非多项式型S形函数的构造方法，构造出充分光滑的S形函数．通过MRI图像，将构造的S形函数与多项式型S形函数的去噪效果进行对比分析．结果表明，其去噪效果均较明显，能达到一定的图像增强效果．     

正交样条小波的周期化

本文对正交样条小波进行周化，给出了周期正交样条小波的分解与重构算法．用这种周期正交样条小波可方便地处理有限区间上的问题．     

信号消噪的小波处理方法及其应用

通过对噪声特性的分析并用小波的方法对信号进行消噪处理，利用Matlab软件演示信号消噪的效果，并总结出小波分析对信号消噪的优点．     

三元矩阵值双正交小波滤波器的构造和性质

研究三元矩阵值双正交小波滤波器的构造问题。当其中一个矩阵值尺度函数的矩阵序列的多项分解是关于δ_1、δ_2、δ_3的次数不超过1的多项式矩阵时,利用矩阵的多相位分解方法,结合提升思想,构造出对应于三元矩阵值尺度函数的矩阵值双正交小波滤波器公式。通过讨论三元矩阵值小波包的性质,得到了三元矩阵值小波包的双正交公式和三元矩阵值小波包基。     

双正交小波的谱半径及其应用

通过对双正交小波变换的误差分析,为双正交小波定义了谱半径这一新概念,并用它来衡量双正交小波的正交程度,提出了一个基于最小化谱半径的双正交小波类,并设计出了满足谱半径要求的具有偶数长滤波器的优秀双正交小波.研究表明,所设计的小波的图像压缩编码能力已超过了著名的9-7型小波.     

平衡多小波和多滤波器库

提出了根据多滤波器库的3种参数表达式来构造平衡多小波的方法,讨论了关于对称性的多小波系统的分类,研究了多小波系统的参数与多小波的各种性质(如逼近阶、正则性、平衡性等)之间的等价数学关系,实际上建立了对小波的各种性质有不同要求的不同领域的应用者可供选择的参数多小波库．     

基于小波域维纳滤波器的信号稀疏表示

经典小波分解对信号稀疏化效果不佳,为此设计了基于小波域经验维纳滤波器的稀疏表示算法. 该算法可自适应地衰减每个小波系数,增大系数的稀疏度及可压缩性,从而提高压缩感知算法对信号的恢复质量. 仿真结果表明,与传统的基于小波变换的信号稀疏表示及恢复算法相比,该算法较大地提升了对信号及图像的恢复质量.     

球坐标系下的小波图像去噪方法

介绍一种新的小波图像去噪方法，该方法首先将图像二维小波分解后的3个高频分量进行球坐标变换，然后对其径向分量r进行收缩去噪处理，与传统的直接收缩去噪法相比具有算法简单、工作量少等特点．仿真结果表明，该方法去噪效果良好．     

一种新的连续小波变换

提出了一种新的连续小波变换.这种连续小波变换具有高分辨性和自适应性,并且可以减小由于参数在分母上所引起误差,数值积分离散时对参数的选择更具有灵活性,最后的数值实验表明了新的连续小波变换的有效性.     

基于无浮点小波视频压缩算法

将视频压缩和小波理论的最新发展——整数小波和二进制小波相结合，提出只需整数加法和移位的视频压缩算法，该算法所需的硬件成本比一般的基于三维小波变换的算法成本大大降低，而速度大幅度加快．     

孤岛检测中复小波变换与实小波变换的对比

孤岛检测是分布式光伏并网发电中的重要问题.为此,研究复小波变换和实小波变换在孤岛检测中的应用,提取并分析公共耦合点电压小波变换系数的幅值和相位的对比关系,以判断孤岛是否发生.仿真结果表明:基于复小波变换的孤岛检测可解决实小波方法特征信号分层繁琐和阈值选取过程复杂的问题.     

小波快速分解和重构的一般公式

小波分析有良好的时－频局部化性能,现被广泛应用于数字信号和图像处理等领域,但其在处理有限长信号时的实时性不太理想,在分析了基于Daubechies紧支收正交小波基的快速算法在实际使用中的局限性的基础性,本文推导出一般情况下的小波分解和重构公式。     

样条小波有限元法

用样条小波,有限元法解扁壳问题,并与级数解进行了比较。     

基于小波变换极大模算法的数字水印技术

提出一种新颖的在小波变换极大模域中嵌入的基于多尺度边缘的数字水印方法。利用小波变换极大模表示的几乎完全重构和奇异性刻画等优点来得到图像的一种稀疏表示,其中系数较大点表示了图像之中的感知重要的结构性边缘。因此,给定一幅图像,首先计算其二进小波变换,它的两个部分分别和该点处梯度向量成比例,则可以得到该点处的模和幅角信息,通过沿幅角给定的方向寻找模值的局部极大值来得到图像的多尺度边缘。通过取阀值和选择正Lipschitz指数的点来选取嵌入位置,将视觉可识别的图形冗余地嵌入到多尺度边缘中而保留幅角信息不变,经过逆小波极大模变换就可得到嵌入了水印信息的图像。实验结果表明该方法具有较高的保真度和极强的抗有损压缩的能力。     

基于小波神经网络的非线性函数的逼近

给出了一种基于BP神经网络的自适应小波神经网络的模型 .该模型根据逼近函数的特性 ,选择不同的小波函数作为网络隐层 ,输出层是一个线性神经元输出 ,网络参数通过自适应调整得到 .实验结果表明 ,这种网络不但可以精确的逼近一般的非线性函数 ,也能实现对混沌时间序列的精确学习 ,而且网络的收敛速率比BP网络更快 .     

应用整数小波变换的抗盲检测图像隐写

在分析通用盲检测方法原理的基础上,提出一种通过修改整数小波高频系数实现消息嵌入的隐写法. 该方法使用小波去噪门限作为消息嵌入的阈值,在大于该门限的小波高频系数中嵌入消息,并在阈值处引入直方图补偿策略使小波系数直方图近似保持不变. 由于通用盲检测方法大多利用概率密度函数的变化实现检测,因此该文提出的方法可以获得对通用盲检测算法的抵抗力. 实验结果表明,该方法在抵抗小波高阶统计量分析、直方图特征函数质心等盲检测法的能力方面,优于LSB匹配、像素值差分等隐写法.     

小波变换及其在语音信号处理中的应用

人们为了了解自然界的规律,或是为了解决工程中的一些问题,需要对各种各样的信号进行分析,在小波变换出现以前,应用最广泛的是傅立叶变换.但是在利用傅立叶变换分析信号时,存在着某些缺陷.小波变换基于海森堡测不准原理解决了局部时间信号分析的难题,发展了信号分析的方法,成为了当代信号分析的主要工具之一.由于语音信号的复杂性,以及在某些方面与小波变换的相似性,使小波变换在语音信号处理有着很广泛的应用.本文对小波变换及其在语音信号处理中的应用进行了简要的综述.