基于离散小波变换与小波包分解的语音增强算法

提出了一种基于离散小波变换（DWT）和小波包分解（WPD）的语音增强算法.该算法首先将带噪语音进行离散小波变换,并分别对离散逼近信号和离散细节信号采用不同的基小波进行小波包分解,再按照不同的规则选取阈值进行去噪,最后对去噪后的语音信号完成重构.计算机仿真表明,在计算量相当的情况下,该算法优于离散小波变换法去噪和小波包分解法去噪.     

基于小波包变换和人类视觉系统的数字水印算法研究

针对多媒体产品的产权保护问题,利用数字图像为研究对象,采用小波包和人类视觉特性相结合的方法分析研究数字图像水印的生成、嵌入与提取过程,并通过实验对算法嵌入的水印进行攻击,结果表明:本文算法具有很大的嵌入容量,同时具有很好的鲁棒性和适应性。     

基于小波包变换检测电力系统谐波的研究

谐波对电力系统和用电设备产生了严重危害和影响。基于谐波，提出了两种检测方法，经过比较认为小波包变换对电力系统谐波的检测有一定的优势。同时通过仿真结果表明，该方法能够更加实时有效的检测谐波。     

基于小波包分解的数字图像水印

利用Shannon熵准则选取最优小波包基,分别对原始图像和水印图像进行小波包分解,把水印数据嵌入选定的原始图像小波包基中.实验结果表明,该算法水印信息嵌入量大,不可感知性好,对JPEG压缩有较好的鲁棒性.     

基于改进小波包变换的一种音频编码算法

对音频编码中基于自适应小波包分解在前人基础上作了进一步的探讨,对最优小波包的选择进行了优化,根据应兼顾实时计算复杂度和音频信号能量集中在低频的特点,提出一改进的自适应小波包分解算法,并采用基于心理声学模型的零树编码,使该系统对语音信号有较高的压缩比,同时能保持良好的实时性和客观恢复信噪比.     

基于小波包变换的信号去噪应用研究

小波包变换可以将不同频段的信号分离,信号和噪声经小波包分解后,其小波包系数将表现出不同的特性,通过对小波包系数进行阈值处理,可以有效地抑制噪声,很好的重构信号。在平均浮动阈值的基础上,通过计算机仿真,显示了平均浮动阈值下小波包变换信号去噪的效果,结果表明:此方法具有良好的效果。     

基于小波包变换的图像融合技术的应用

阐述了基于小波包变换的图像融合算法，并对基于像素的融合规则与基于区域的局部方差融合规则作了论述．在此基础上，发展了一类修正后的局部方差对比的融合规则．通过对一混凝土梁构件内模拟的缺陷进行红外探测并进行图像融合，结果表明：对于探测梁内部缺陷，采用小波包变换的融合算法图像不仅充分结合了融合前图像的信息，边缘信息也更为细腻．另外，小波包分解层数对图像融合效果有着重要的影响．通过对加噪声红外图像的融合算例表明：随着小波包分解层数的递增，融合质量却逐渐下降．当分解层数在1～2层时，融合效果比较理想．     

基于小波包变换的电力系统谐波分析的研究

为了防止谐波对电力系统和用电设备的危害,分别用小波变换和小波包变换对电力系统谐波进行分析.仿真结果表明二者都能将基波从电流信号中正确地提取出来.而小波包变换比小波变换能够分解出更加丰富的谐波信号,利用小波包变换分解的各次谐波频率和幅度的误差率完全符合谐波分析的精度要求.     

基于小波包变换的中波红外偏振图像融合研究

针对红外偏振图像的突显目标轮廓的能力及增强景物细节信息的特点,提出基于小波包变换法的红外偏振图像灰度级融合方法,对辐射强度图像及偏振信息图像进行有效融合.通过与常用的红外图像融合方法进行客观比较,表明通过小波包变换法得到的融合图像的对比度值、信息熵及互信息值均比较高,该方法有利于场景感知和目标识别.     

一种基于小波包变换的SPECK图像编码算法

为了解决基于小波包变换树形编码算法中产生小波系数之间的父子冲突以及标准SPCEK压缩算法中四叉树分裂产生的集合数目过多的问题,提出一种新的基于小波包变换的SPECK图像编码算法,改进算法在小波包分解产生的复杂子带结构中,改进标准SPECK算法的四叉树分裂策略,对重要系数位置进行更好的预测,把不重要系数集中到一个更大的区域使用一个符号编码。实验结果表明,改进算法编码效果在PSNR上较标准SPECK有所提升,主观视觉效果在纹理区域明显优于SPECK。     

基于小波包变换的一种降噪算法

白噪声的方差和幅值随着小波变换尺度的增加会逐渐减小 ,而信号的方差和幅值与小波变换的尺度变化无关。因此 ,文章提出一种以小波包能量为基础 ,以降低原始信号与降噪后信号之间的均方误差 (MSE)为目标的基于小波包的降噪算法 ,并与传统的 Donoho的硬阈值降噪算法作了比较。仿真结果表明 ,该算法可以有效去除白噪声干扰 ,并且明显优于传统的 Donoho的硬阈值降噪算法。     

利用小波包变换获得Radon变换的反演公式(英文)

拉盖尔超群K=[0,+∞)×R为海森堡群上径向函数的基础流形.文章给出了K上的小波包容许性条件,并获得了它的反演公式.最后,利用小波包变换,得到了Radon变换的逆算子公式.     

地震高分辨率非线性反演在薄互储层识别中的应用

将地震高分辨率非线性反演方法应用于地震频带窄、主频低和信噪比低的鄂尔多斯盆地鄂北区块地震剖面的反演,获得了品质高和分辨率高的地震反演剖面(速度剖面).应用这种高分辨率反演剖面对鄂北区块的薄互层进行了有效而可靠的划分和精细追踪,并展示出砂体的分布特征和砂体厚度变化特征.在这种高分辨率反演剖面上可拾取出最小厚度为4.0 m的砂体,最小误差为2.3%.在鄂北区块的应用表明,地震高分辨率非线性反演方法及其反演剖面对详细研究薄互层具有独特的功效和作用.     

一种基于小波包变换的关联维数计算方法

为了方便、快速和有效地从时间序列信号中提取关联维数,提出了一种利用非线性时间序列的小波包变换模数代替混沌信号本身,在m维相空间中计算其关联维数的方法.用具体实例进行了仿真验算和噪声分析.结果表明,算法准确、可靠,可以有效克服采样过程中噪声对信号的干扰.     

基于小波包变换的船舶轴系轴心轨迹特征提取

为实现通过轴心轨迹识别船舶轴系的工作状态,在船舶轴系轴心轨迹测试实验台上测试各轴承处水平和垂直的位移信号,应用小波包变换对各轴承处的轴心轨迹进行特征提取及分析.结果表明:实测船舶轴系轴心轨迹混乱,无法用于船舶轴系工作状态的识别;利用小波包变换提取的轴心轨迹呈清晰的香蕉形、椭圆形及外“8”字形,其中香蕉形和外“8”字形轴心轨迹刻画了转子不对中工作状态,椭圆形轴心轨迹刻画了转子不平衡工作状态.因此,小波包变换可用于船舶轴系轴心轨迹的提取,实现船舶轴系工作状态的识别.     

基于小波包变换的超声回波信号特征提取

超声检测技术中,缺陷的定性分类这一技术难题至今尚未得以彻底解决。文章介绍了一种基于小波包变换的多尺度空间能量特征提取方法,并对实测的超声缺陷回波信号进行了特征提取;进而采用基于距离的类别可分性判据对提取结果进行了评价。结果表明:该方法提取的缺陷回波信号特征值,其可分性测度均值达91.7%,从而证明该方法对超声检测缺陷回波信号的特征提取是相当有效的。     

基于谐波小波包变换的脑电波基本节律分析

为了实现脑电图分析定量化、智能化以便为医学分析诊断提供客观有效的辅助信息,探讨了应用谐波小波包变换分析脑电波.通过谐波小波包变换提取用于临床诊断的,δθ,α,β等4种基本节律的波形,并引入反映基本节律变化的特征参量即基本节律的频带能量比例进行定量分析.经过对正常人和癫痫病人的脑电波进行分析验证,其分析结果与先验知识和确诊病症吻合得很好,可以提取得到精确的、量化的、直观的特征参数作为诊断依据.实验结果表明,应用谐波小波包变换分析脑电波是一种有效的方法,它为脑电图机实现智能化和临床分析诊断提供了有益的参考.     

小波包分析在信号压缩中的应用

着重介绍了将信号在小波包最优基下展开,利用小波包最优基极好的空间、尺度定位性,使得信号的小波包变换系数在小波变换域尽可能集中,从而使在不降低压缩信号的质量情况下,进一步提高信号压缩比成为可能.具体讨论了小波包分析及小波包最优基的选取,同时针对小波分析在信号压缩中的局限性,研究用小波包分析来进行信号的压缩,从而提高了信号的压缩比和重建信号的质量,并用于实际数据处理压缩.     

基于小波包变换的时间序列模型模态参数识别

提出了基于小波包变换的时间序列模型结构模态参数识别方法.该方法以线性的离散时间序列方程为基础,对结构的振动响应数据进行小波包变换分解,利用小波包函数的正交特性,建立量测点间的离散化运动方程,最后利用该离散化运动方程的系数矩阵,估算结构的模态参数(自振频率、阻尼比与振型).用数值模拟算例对此方法进行了验证,并与随机子空间识别方法结果进行了比较.结果表明,该方法可以正确地识别出结构的模态参数.     

基于小波包的变换域通信系统窄带干扰抑制技术

为了使变换域通信系统(TDCS)能够对窄带干扰频率进行精确定位,提高生成的基函数的频带利用率,提出了一种基于小波包变换的基函数生成方法.该方法采用树结构算法对信号进行分解,准确判断出窄带干扰的频率位置,改善了有用频带被过多剔除的情况.仿真结果表明,采用该方法的变换域通信系统比采用其他方法的变换域通信系统具有更强的干扰抑制能力和更好的自适应性.