神经网络在电磁场数值问题中的应用

针对目前电磁场数值处理中计算繁杂慢速和耗费资源过多的问题,本文提出了一种基于神经网络小波理论进行计算的新方法。文中着重介绍了利用小波变换神经网络的基本理论,结合电磁场数值计算的基本方法,推导变换进而得到一个通用公式和处理方法。在该方法中,神经网络学习内容少和数据处理简单,因此该方法具有计算速度快,占用资源少的优点,并有用硬件实现的前景。     

小波变换及其在图像编码中的应用

小波分析是目前许多学科共同关心的一个前沿领域。本文首先付里叶变换和窗口付里叶变换的局限性,从时域、频局部化的角度对小波理论作了简介,其次综述了小波在图像编码中的应用。     

一种基于小波──LBG的图像压缩研究

首先,研究小波变换产生的各子图像的统计特性,然后以此为依据选择编码算法,通过小波与传统的LBG矢量编码算法的有效结合获得了较好的编码结果。     

微弱信号提取中的小波方法研究

针对于实际应用中的小信号特别是完全被噪声淹没情况下的微弱信号提取的问题，本文依据白噪声信号的小波变换系数相对比有用信号的小波系数小的特点，利用小波变换对信号进行消噪来提取微弱信号，仿真结果表明：小波变换能够有效的消除噪声，将有用微弱信号从受噪声污染的信号中提取出来。     

基于小波分析的刨花板声发射信号降噪处理

应用MATLAB工具箱中小波函数对刨花板受压时产生的声发射信号进行了小波降噪处理,并比较了小波分析降噪和滤波器方法降噪的异同。结果表明:选取适当的小波分解级数,进行合理的阈值门限处理,可以大大提高重构后信号的识别度,对声发射信号采用小波方法降噪可达到较理想的效果。     

小波变换在医学图像压缩中的应用研究

分析了数据压缩的必要性，说明了利用小波分解和重构进行数据压缩的理论依据和方法，并利用Matlab软件对图像进行分解与重构，实现了对图像的压缩，对不同闽值下采用不同小波压缩的结果进行了比较和讨论。     

通信信号自动分类方法研究

提出增加信号的频谱作为信号的特征信息之一 ,并采用离散傅里叶变换 (DFT)和小波 (wavelet)方法提取信号的频谱、瞬时幅度、瞬时频率及瞬时相位 ,构成信号的特征向量。为解决运算速度问题 ,对特征向量提出了分类编码方案。最后利用神经网络的方法进行识别。实验结果表明 ,采用这种方法可以显著地改进分类的效果     

化学信号小波变换的本质分析

根据墨西哥帽小波的特点，提出两种新的函数，对化学信号进行n次小波变换，得到了信号的近似2n阶导数．由数值微分法和小波变换法对模拟信号计算的结果发现：对于含噪信号，小波变换法有效滤除了噪声，所得结果的信噪比明显高于前一种方法；同时还可分离重叠峰，提高谱图分辨率．该方法函数形式简单，易于编程，为处理化学信号提供了新的途径．     

小波包在可控震源地震信号时延估计中的应用

在可控展源地展勘探信号处理中，利用发射信号和反射信号之间的时频分布相似性，提出了用小波包变换时频分布的二维相关算法，估计接收信号中各个反射信号分量的时间延迟。该方法能从信噪比为-4dB的接收信号中难确地对反射信号进行检测和时延估计。     

基于渐进逆向小波变换方法的压缩同心拼图的实时绘制

研究了对小波压缩后的同心拼图数据进行实时解码绘制三维场景的方法．为了实现压缩场景的实时重建，提出了一种渐进逆向小波部分解码方法PIWS．基于上升型小波的渐进式运算特点，设计了一种混合的缓存结构，通过存储和索引上升运算过程中的中间结果进行计算，提供了对三维小波压缩数据的快速随机选择解码，实验结果证实PIWS方法能够有效的支持同心拼图压缩场景的实时绘制．