基于小波变换的人脸特征定位

文章在小波分析的基础上,提出了一种在图像的小波分解数据域中实现对称变换的方法,并把这种方法运用于人脸特征的定位,这种方法可以提高人脸特征定位的效率。     

基于单小波的多重小波子空间的采样定理

由r重小波构造出两种单小波，利用这两种单小波分别构造出多重小波子空间上的Shannon型规则和非规则采样公式；提供了一种算法用于重构信号的误差估计。     

基于提升小波的多路径效应减少方法

数据后处理技术是解决高精度定位多路径效应的一个有效办法，而基于小波分析的多路径提取和消除技术是其中的一种正在发展中的有效手段之一。提出了一种基于提升小波技术的多路径高频噪声的消除方法。实验证实了该种方法是有效的，同时也证明了该方法实现的简单性和计算的高效率。     

对图像压缩中的SPIHT与SPECK算法的研究

在众多的图像压缩算法中，SPIHT和SPECK具有较好的性能，文中对这两种算法进行了深入地研究．首先介绍了小波变换后系数的分布特点，然后从算法思想、集合定义、分裂过程、排序过程、量化以及编码后的码流等方面分别介绍了SPIHT（多级树集合分裂）和SPECK（集合分裂嵌入块）算法，最后总结了他们的异同之处．     

基于小波矩特征的小波神经网络目标识别

提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.     

基于短时傅立叶变换和连续小波变换的先天性心脏病心音比较分析研究

介绍了将短时傅立叶变换(STFT)和连续小波变换(CWT)用于先天性心脏病(房间隔缺损、室间隔缺损、动静导管未闭)心音信号进行时频分析、特征提取的研究.两种方法都能较好的识别先天性心脏病人,总有效率为85%.论文对两种方法的优缺点进行了比较.小波变换比短时傅里叶变换能更有效的识别正常人与病人的心音信号的特征,可分性更好.但是短时傅里叶变换能量范围更集中,动态范围变化也更小一些.     

基于小波分析的多类型实时故障检测系统

介绍了一种可以针对不同故障信号进行检测的系统．该系统以小波分析为核心，实时检测信号的异常现象，并实时报警．通过设置异常信息的特征参数来实现多类型的故障检测．     

小波变换方法去除体表子宫电信号中母体心电干扰

母体心电干扰严重影响了EHG信号的质量，为了解决以往算法中不能有效区分MECG干扰和EHG信号的问题，利用MECG干扰的波形特点，采用了基于小波变换的奇点检测以及模型极大值信号重建的方法去除EHG信号中的MECG干扰．该方法对EHG信号无影响，经临床实验取得了很好的去噪效果．该算法计算简单，可以实现EHG信号的实时处理，该研究的结果还可以用于被ECG信号污染的其它生理电信号的去噪。     

基于切换多模型小波网络的非线性动态系统控制

为了提高非线性动态系统的性能，提出了多模型小波网络方法，并详细介绍了多模型小波网络的结构．用多模型小波网络对非线性系统进行建模与控制，在仿真试验中将其与单小波网络进行对比，结果显示多模型小波网络控制的均方差为0．158，单小波网络控制的均方差为0．374．试验结果证明多模型小波网络方法控制精度高，响应速度快，其控制性能优于单小波网络。     

医学图像小波变换系数的统计分析

通过利用小波变换对医学超声图像进行分解，研究其小波变换系数的均值、标准差、图像的能量等统计特征，为医学图像压缩编码和图像去噪进一步研究提供参考．