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.     

二代小波消噪在数字信号处理器中的实时实现

以数字信号处理器(DSP)为开发平台，提出了基于二代小波的一种新的信号消噪算法．它只需把信号分解一层，然后把分解后的高频系数和低频系数同时进行软阈值量化处理，再进行小波重构，就可以有效地消除信号中的噪声．相对于传统的一代小波，该算法计算简单，可有效节约内存，因此非常适合于DSP的实时实现．同时，为了提高计算效率，对程序的处理流程进行了并行优化，用仿真信号对该算法进行了验证，并应用于对实测信号的消噪中．研究结果表明，该算法可以有效地提高信噪比，降低原始信号中所含有的噪声．     

一种基于信号相关性检测的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法.该方法以第二代小波变换为基础,在小波变换时提供多组备选的预测器和更新器,用变换样本与相邻样本之间的相关性来检测信号的局部特征,并根据相关系数的大小来确定每一尺度上的每个样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.模拟实验和工程应用的结果表明,该方法克服了传统小波降噪方法丢失原始信号局部信息的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.     

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。     

红-黑小波变换

介绍一种新的第二代小波变换——红-黑小波变换，它是把矩形栅格的数字图像分成红块和黑块，利用二雏提升格式进行构造。并从理论上与张量积小波变换进行了比较。实验表明红．黑小波变换可以更有效地去除图像的相关性并得到更稀疏的图像表示，在图像压缩中红．黑小波变换比传统小波变换更有效。     

基于统计分布的小波分析对时间序列孤立点数据的识别与挖掘

针对时间序列中孤立点的挖掘．提出了基于统计分布的小波分析时孤立点数据的挖掘．首先对所采集到的数据进行排序得出经验分布函数，并估计出经验分布函数与总体分布函数之间的差异；然后利用再抽样的方法缩小子样分布函数与总体分布函数之间的差值，在允许的差值之下，利用子样分布函数代替母体分布函数；最后用小波分析对孤立点进行识别与挖掘．     

利用小波分析进行基于形状的图像检索技术

目的 解决基于形状检索方法中形状描述符的不稳定、缺乏平移、旋转、尺度不变性等缺点。方法 通过对图像进行小波变换，获得多尺度下的不变矩，得到图像的特征描述符，通过特征描述符的欧氏距离来表示图像的相似度。结果 通过小波变换进行形状特征提取具有很好的图像检索效果。结论 新方法获得的描述符具有旋转、平移、尺度不变性等优点，能够很好地描述图像的形状和空间分布信息。