基于小波变换的X射线图像边缘检测方法

根据X射线图像本身的特点,利用小波分析将图像的边缘有效分离开来,用canny边缘检测算子提取图像边缘,实验证明它是一种检测X射线图像边缘的有效方法.     

基于小波分析与卡尔曼滤波的网络流量估计和预测方法

将目标状态的小波变换系数向量描述为卡尔曼滤波方法的状态变量,进而建立了网络流量估计和预测模型,能够实现周期内的实时跟踪和动态多步预测.利用CERNET华中地区主干网的实测流量数据对该模型进行检验,所有检验周期网络流量预测值的相对误差均值为4.58%,表明网络流量估计和预测模型具有较强的适用性.     

电子视网膜数学建模的研究

介绍了相关的视觉生理特性,分析了视觉信息提取的特征,在小波变换理论的基础上,提出了一种电子视网膜数学模型。该模型具有崩溃环节,可根据需要改变参数值。     

基于连续双正交样条小波的股价指数奇异点检测

针对噪声背景下股价指数曲线给出的一种小波硬阈值消噪和奇异点检测的有效方法,选择双正交样条小波作为基小波,运用小波分析消除信号噪声干扰;结合多尺度分析及奇异点的检测,揭示股价指数信息隐含的背景。     

基于遗传算法的频谱池ICI 优化算法

为优化基于小波的频谱池系统中的载波间干扰( ICI: Inter-Carrier Interference) ,提出了一种基于遗传算法的载波间干扰优化方案。采用遗传算法获得最佳权重向量,抑制认知用户子载波干扰能量。该算法可在不牺牲认知用户带宽的条件下,优化认知用户载波干扰能量。仿真结果表明,在满足认知用户目标误码率条件下,明显抑制影响授权用户的载波间干扰,使授权用户获得更好的误码率性能。     

向量值约化子空间超仿射小波对偶框架的构造

利用Fourier变换和周期化技巧,给出Fourier域上L~2(R~d,C~L)中约化子空间上的超仿射小波对偶框架的一个充分条件,从而将L~2(R~d)中约化子空间上的结果推广到向量值空间L~2(R~d,C~L)的约化子空间上.     

基于Haar小波运算矩阵的分数阶系统辨识方法

分数阶微积分因为其阶数可以是任意数,因此能够更加准确的描述动态系统。虽然分数阶系统受到了越来越多的重视,可是,如何建立分数阶系统目前仍处于积极探究阶段。考虑到分数阶微分的非局部性,利用小波运算矩阵为工具,给出了一种分数阶系统的辨识方法。其好处在于能够利用小波的多分辨特性对激励信号和响应信号进行数据压缩,从而降低运算矩阵的维数,可解决因矩阵维数过大导致内存溢出的问题。     

基于压缩感知的心电信号稀疏采样与重构算法

实时心电监测的数据量过大,给系统的传输和存储带来很大压力.为降低采集端的功耗,达到既减轻采样复杂度又降低传输数据量的目的,使用压缩感知技术对心电信号进行压缩采样及重构.以信号重构时间和重构误差为关键指标,研究不同重构算法和小波基的性能表现.结果表明,当压缩率在30%以内时,基追踪作为信号重构算法的百分比均方根差小于4%,同时其重构耗时最短;当压缩率在70%以内时,子空间追踪的误差小于10%,且始终保持较低的重构耗时.最优小波基往往和具体压缩率有关.     

基于CPS的相位误差估计算法

在基于星座相位特征（CPS）相位误差估计算法的基础上,对高阶QAM信号,利用循环相关函数的局部对称性,提出一种基于局部对称性检测的相位误差估计算法。此外,利用平稳信号相关函数小波变换后的性质,提出了两种基于循环相关函数小波变换的相位误差估计算法。最后详细分析了小波变换对高斯白噪声的影响。与CPS算法相比,基于对称性检测的算法在低信噪比下有一定的优势。基于Morlet小波变换的相位误差估计算法在低信噪比下性能最好,而基于Harr小波变换的相位误差估计算法在高信噪比下性能较好。     

粒子群算法在小波神经网络中的应用

利用粒子群(PSO)算法对小波神经网络(WNN)中的参数{am，bm，w(am，bm)}进行优化，取代了传统的梯度下降法。并将仿真结果与BP网络进行比较，仿真数据表明，PSO算法在叠代次数、函数逼近误差、网络性能方面均比BP网络有着显著的提高，且在粒子数目较大的情况下能有效避免BP网络无法避免的局部极小值问题。