Hilbert空间L~2(R)上的小波保持子

研究了小波的运算性质与保持小波的算子的性质。首先,研究了函数空间L2(R)中的全体小波构成的集合W(L2(R))的代数性质,证明了GW(L2(R)):=W(L2(R))∪{0}(0与小波之集)在数乘、加法及卷积运算下是封闭的,进而形成一个交换赋范代数;其次,讨论了Hilbert空间L2(R)上将小波映射为小波的有界线性算子(称为小波保持子)的性质,证明了这些算子的全体WP(L2(R))构成一个含幺乘法半群;最后,研究了L2(R)上将小波映射为小波或0函数的有界线性算子(称为广义小波保持子),证明了这些算子的全体GWP(L2(R))构成了Banach算子代数B(L2(R))的一个含幺赋范子代数。同时,还给出了L2(R)上有界算线性算子成为小波保持子的一个充分条件。     

应用Haar小波和算子矩阵求定积分的近似值

将Haar小波与算子矩阵有效结合,对被积函数进行恰当的离散,把一些不易求得原函数的定积分问题转化成计算常数矩阵的乘积。由于矩阵的乘积可以直接用MATLB来实现,从而使得计算简便,最后给出数值算例验证了方法的有效性。     

α尺度多小波正交尺度函数及其mallat算法

多小波解决了单小波不可能同时具有正交性、紧支性和对称性的困难,更具有研究的价值.在正交多小波理论的基础上,利用两尺度矩阵研究了一种特殊的紧支撑尺度函数构造成正交尺度函数的方法以及a尺度正交多小波mallat算法,得出了相应的分解和重构关系.     

基于声卡的水射流反射声信号采集处理系统

为了能够用较低的成本实现高压水射流冲击不同几何尺寸靶物时反射声音信号特征值的有效提取,采用基于LabVIEW和声卡的高压水射流反射声信号采集处理系统实现技术。通过对LabVIEW软件编程结合声卡和高精度传声器实现了水射流反射声信号的实时采集,应用MATLAB编制小波降噪和模极大值提取程序,通过调用MATLAB Script实现LabVIEW与MATLAB的通信,完成信号的降噪和有用成分的分离与提取。实验结果验证,本系统能实现实时有效地提取对应不同靶物几何参数的特征值。     

基于混沌遗传算法与小波多分辨率分析的岩心图像匹配

针对岩心图像尺寸大,特征信息不明显的特点,充分利用混沌遗传算法的随机性大大减少了传统搜索算法消耗的大量运算时间。利用小波多分辨率分析的方法在小波变换子图像上进行粗匹配,再在原始图像上精匹配,浓缩了岩心图象的特征信息在保证匹配准确度的同时提升了运算速度。将混沌遗传算法与小波变换多分辨率分析相结合,将其应用于大幅岩心图像的配准。实验表明,该方法能够快速而有效地进行图像配准,兼顾了匹配效果和匹配速度。     

基于小波分解和最大互信息的图像配准方法研究

研究了基于最大互信息图像配准的理论和实现算法,提出了将小波分解与之相结合的算法,证明了该算法优于基于最大互信息的图像配准。通过实验数据比较可以得出,提出的基于小波分解和最大互信息的图像配准的算法可以有效地提高配准的速度和具有较好的配准效果。     

双正交对称双向小波的构造

对任一双向加细函数φ(x)=Σk∈Zpk+φ(2x-k)+Σk∈Zpk-φ(2x-k),给出判断双向加细函数对称的简便条件,并得到由紧支撑双正交双向加细函数构造紧支撑双正交双向多尺度函数的方法,最后给出一类双正交对称双向加细函数对应的双正交对称双向小波的构造算法。     

基于改进的小波阈值去噪和二级判断模型的说话人识别

针对目前说话人识别系统中噪声使得识别率严重下降的问题,在特征提取前用小波阈值去噪方法对带噪语音进行去噪处理.对于小波阈值函数以及阈值的选取进行研究,提出一种改进的阈值函数,小波阈值中的噪音方差估计采用基于实际噪音方差估计的谱熵法,将改进的小波阈值去噪结合一种二级判断模型提高噪声环境下的说话人识别率.在不同信噪比条件下进行试验,改进的小波阈值去噪法优于传统小波阈值去噪方法,改进后的阈值函数与二级判断模型相结合的识别率比原始语音DTW模型提高了7.9%,比原始语音GMM提高了4.6%,对于短时语音有较好的识别率.     

四元双正交小波的构造与性质

讨论由四元双正交尺度函数构造四元双正交小波滤波器的矩阵扩充问题,运用插值函数和矩阵多相分解方法,给出一类四元双正交小波滤波器的显示构造公式.讨论四元双正交小波包的性质,得到三个双正交性公式.     

易混淆语音特征提取方法的研究

在语音识别系统中,易混淆语音是导致系统识别率下降的重要原因。汉语音节是由声母和韵母组成的,在易混淆语音中,其韵母部分的混淆度很大。针对易混淆语音的韵母部分,通过改进特征提取的方法来提高易混韵母之间的区分度,提出了一种基于小波分解和线性预测(WLPC)的特征提取方法,并用局部保持映射(Locality Preserving Projections)算法对提取的特征进行了特征变换。实验结果显示,与传统的MFCC特征相比,该特征能更好的区分不同的韵母。