Log Gabor小波性能分析及其在相位一致性中应用

对Gabor函数与log Gabor函数进行比较，构造了log Gabor小波，从人类视觉系统认知特性的角度分析了该小波的性能，并与Gabor小波进行了比较，最后将log Gabor小波应用在相位一致性的图像特征检测中，实验证明，使用log Gabor小波不但可以提高特征的定位精度，而且在检测效果相似的情况下，log Gabor小波比Gabor小波可以节约一半的计算量。     

小波分析在我国地球物理测量中的应用

介绍了小波理论在地震数据压缩、航空重力测量中扰动加速度的滤波处理、重力固体潮的调和分析等地学方面的应用现状，归纳了小波理论在地学应用领域的一些共性，分析了小波理论在地学领域的应用特点，探讨了小波理论在地学中新的应用方向，旨在为形成新的交叉研究方向或系统理论起一些抛砖引玉的作用。     

结构时变模态参数辨识的时频分析方法

应用线性和二次时频变换方法，即短时傅里叶变换和魏格纳—维尔分布，进行了时变结构模态参数的辨识．通过对刚度突变和刚度连续变化的单自由度系统时变参数辨识的仿真，论述了两种时频辨识方法的特点．仿真结果表明，时频变换辨识方法是辨识时变模态参数的有效工具，而且魏格纳—维尔分布二次时频表示能得到比基于短时傅里叶变换的谱图更好的辨识结果．     

基于小波模糊神经网络的陀螺仪故障诊断技术

为了提高陀螺仪故障检测灵敏度，分析了陀螺漂移特性，指出随机漂移是影响陀螺仪精度的主要漂移误差，也是影响性能可靠性的主要因素．针对此，提出了一种小波模糊神经网络故障诊断模型．此模型运用串联方式将小波分析、模糊逻辑和神经网络融合在一起，充分发挥它们各自的优点，并对陀螺仪实测数据仿真．仿真结果表明，采用小波分析提取陀螺的常值漂移，简单有效；运用神经网络对陀螺的误差和故障建模，使故障诊断具有自适应、自学习的能力，并互增强了故障诊断的容错能力；将模糊逻辑用于判决中，使判决结果更加可靠．     

微波测量中的频域特性分析

分析了微波测量中回波信号的时间变量函数 ,确定了时间变量函数和频率变量函数之间的变换关系     

基于小波分解的痕迹灰度图像边缘检测

针对痕迹图像边缘检测的特征，给出了一种新的基于小波多尺度分解的分层图象边缘检测方法，其基本思想是先对源图像进行小波多尺度分解，其次在不同尺度的子带图像上进行基于局部区域特征的软阈值滤波。最后再进行小波重构，以提取图像的边缘。实验结果表明，该算法比其它算法提高了痕迹图像边缘的检测精度，是十分有效的。     

基于二维提升方案的可逆双正交小波变换在渐进性无损图像压缩中的应用

分析了一维(基于行、列分解和重构)提升方案的特点，从理论上指出了一维提升方案的不足之处，提出了二维(基于子带分解和重构)提升方案，并给出了CDF(1，3)双正交小波二维提升方案的具体形式，改进的提升方案弥补了一维提升方案的不足之处，不需作‘√2’因子和归一化处理，整个小波变换是可逆的、基于整数运算的、能量守恒的，减少了误差传递的机会，用该小波变换实现了快速的、渐进性的直至无损图像压缩。     

火箭飞行数据的两种滤波方法对比

传统的火箭飞行数据处理方法是使用α-β-γ数字滤皮离线处理，对飞行数据采样信号的第1点、第2点不进行滤波估值，第3点开始逐个进行估值、预测、校正。该方法需要消耗大量的时间，并且滤波后信号的残留噪声仍然较多。针对此问题，经过大量的数值实验和理论分析，发现用小波方法实时处理火箭飞行数据效果较好，比较两种结果，证明无论是滤波后信号的残留噪声还是消耗的时间上小波方法都优于α-β-γ滤波，且实现了数据的实时处理功能，应用前景好。     

连续小波变换在中医脉象信号处理中的应用

小波变换具有良好的时频局域化性质，适合于非平稳信号的处理。脉诊是中医诊察疾病的重要手段，脉象反映的是人体的生理与病理信息，脉象信号具有随机性和非线性等特点。应用连续小波变换分析了15例海洛因吸毒者和15例正常人的脉象信号，提取了吸毒者脉象信号中的异常信息，为戒毒治疗的评估与改进提供客观依据。在尺度0.1、0.2、0.3和0.4下，对每一例脉象信号分别进行了处理，发现在0.2-0.4s时间间隔内，海洛因吸毒者和正常人脉象信号的连续小波变换系数间存在显著差异，并提出了用于划分海洛因吸毒者一正常人的临界参数。研究结果表明，连续小波变换是处理脉象信号的有效方法。     

基于Matlab的多尺度主元分析在过程监控中应用

提出一种新的基于Matlab的多尺度主元分析方法(MSPCA)，即综合主元分析去除变量间关联、小波分析提取测量决定性特征和可去除测量自相关性的优势，用于多变量统计过程的监控，用MSPCA进行过程监控，不仅能提高侦察决定性交化的能力，而且能提高自相关测量监控的效率，同时还可以提取反常操作特征信号，算例测试表明，与普通PCA方法相比，MSPCA方法在过程监控中比较有效。