利用运算矩阵数值求解常微分方程的改进方法

给出一种基于Haar小波积分运算矩阵求解常微分方程的改进方法,称之为区间分段法.在相同误差条件下,该方法计算速度更快,同时,对于不同的子区间,可根据精度的要求来设定离散点数,增加了应用的灵活性.     

框架和Riesz基的稳定性

从两方面讨论了Hilbert空间中框架和Riesz基的稳定性：在满足一定条件Bessel序列的扰动下，框架和Riesz基在Hilbert空间中的稳定性；把框架和Riesz基与小波结合起来，在母小波、采样序列的扰动下，小波框架和小波Riesz基在L^2（R）空间中的稳定性．对有关文献的相关结论进行了推广，目的在于可以根据框架的稳定性，设计或者选择一个更优的框架来精确地逼近信号．     

基于小波变换的能量和方差分析图像压缩方法

在对图像进行小波包分解的基础上实现图像压缩.根据小波系数的分布特点严格推导得出:可以用能量和方差作为衡量小波系数重要性的标准,并据此对系数矩阵块进行选择分组,自适应地进行量化,而且不同的量化方式可以共用码表;对低频部分扰动足够小的区域取均值,结合提出的存储方法,在不引入误差的情况下减少了编码负担,在保证图像质量的同时有效提高了压缩比.     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声,在进行故障特征提取之前必须加以消除.首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比,然后将奇异值分解技术用于信号降噪,最后提出了一种将小波包和奇异值分解相结合的降噪方法.该方法将输入信号进行一次小波包分解,利用奇异值分解方法对分解后的幅值量化系数进行降噪.实例表明,小波包和奇异值分解相结合的方法降噪效果最好.与其他方法相比,用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高,且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号,大大提高了特征提取的准确率.     

神光Ⅲ原型装置能源模块150路放电电流异常性检测方法

为了快速判断神光Ⅲ原型装置能源模块150路放电电流的异常性,采用MATLAB小波工具箱提供的一维离散小波变换的分解函数编程和自创的逐点比较算法相结合,对波形异常情况进行判断。经工程应用,该法切实可行,缩短了神光III原型装置故障判断所消耗的时间,为主机装置中千余路波形的快速判断奠定了基础。     

采用小波域α稳定分布的图像去噪

基于统计模型的图像去噪的关键是统计模型的选取.α稳定分布能很好地表示具有严重拖尾的数据的统计分布.该文采用α稳定分布来对图像小波域系数进行建模,并采用贝叶斯估计来对无噪图像进行估计.通过将该算法与近来的一些方法进行比较,仿真结果表明该算法具有好的去噪效果.     

小波变换在图像压缩编码中的应用

介绍了小波变换的基本概念和基本理论及其在图像压缩编码中的应用技术，小波变换应用于图像压缩编码的优点。     

基于图像变换域的双重数字水印方法

基于变换域的双重数字水印方法,通过嵌入鲁棒水印和脆弱水印实现了图像内容版权保护和完整性认证的双重目的.其优点是利用小波变换,分块、适应性嵌入鲁棒水印,在图像的高频和低频中分别嵌入鲁棒水印,使鲁棒水印更加强壮;同时它利用离散余弦变换,在图像的高频部分嵌入脆弱水印,使脆弱水印在遭受攻击或篡改时更易被损坏.     

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.