结合小波变换和RBF神经网络进行光谱自动分类

本文提出了一种基于小波变换和RBF神经网络的天体光谱分类方法。首先利用小波变换除去谱线中的噪声、提取特征谱线；然后使用RBF神经网络分类，RBF网络的输入为提取的特征谱线。实验结果显示该方法具有良好的鲁棒性，算法效率很高，正确分类率(CCR)远远高于经常采用的主成分分析特征提取方法，因此特别适合于低信噪比的光谱数据分类。     

平衡多小波在图象融合增强中的应用

平衡的多小波变换无需预滤波，保持了多小波的特性。据此，本文提出了一种基于平衡多小波变换的图象融合方法。多光谱图象融合增强实验表明，该方法在提高多光谱图象的空间细节表现能力和保持地物光谱信息上都具有很好的效果，优于基于非平衡多小波变换的融合方法。     

连续小波过程神经网络及其仿真研究

在小波分析和过程神经网络理论的基础上，提出了连续小波过程神经网络模型，其隐层为过程神经元，隐层激活函数采用小波函数．该网络结合了小波变换良好的时一频局域化性质及过程神经网络可以处理连续输入信号的特点，因而学习能力强，精度高．给出了小波过程神经网络学习算法，并以航空发动机滑油系统状态监测为例，分别利用传统BP网络和小波过程神经网络进行预测．结果表明，小波过程神经网络收敛速度快，精度高，优于BP网络的预测能力，同时也为航空发动机滑油系统状态监测问题提供了一种有效的方法．     

基于小波神经网络的人脸识别

利用最近在小波变换、人工神经网络和证据理论上取得的进展来进行人脸图像的识别。由于小波变换在时间和频率空间具有良好的定位特性，使小波神经网络可对输入、输出数据进行多分辨的学习训练。将小波变换和反向传播神经网络理论结合，设计一种小波神经网络结构，介绍了神经网络的数学框架和该网络的学习算法，把此算法用到人脸识别中，实验结果证明小波神经网络在人脸识别中收敛速度快、识别率高。     

一种推挽式电路故障诊断方法的仿真研究*

提出了基于小波变换和神经网络的推挽式电路故障诊断方法。先仿真得到各种故障状态下的输出电压信号,然后对输出电压信号进行Daubechies小波变换获取多尺度低频系数和高频系数,并对小波系数进行处理提取故障特征量,最后利用故障特征矢量训练神经网络确定了推挽式电路故障诊断的神经网络模型。仿真结果表明基于小波变换和神经网络的推挽式电路故障诊断方法取得了较好的效果。     

应用分形几何学与小波理论对成像光谱数据进行地物识别的模型研究

以地物的混合光谱曲线为主要的研究目标，利用小波变换对混合的光谱曲线进行分解，将混合地物甚至地物内部组成成分的光谱特性曲线分解出来；根据已知的标准光谱特征曲线的自相似性指标，利用分形几何学方法将分解出来的不同光谱特性的曲线进行自相似性指标测量，以实现地物或者地物内部组成成分的识别。将分形几何学和小波变换理论有机地结合起来，为利用成像光谱数据进行地物识别，尤其是解决混合光谱的地物识别提供了一个值得进一步研究的方法。     

小波模糊神经网络在非线性函数逼近中的应用

将前馈神经网络与T-S模糊模型相融合构造了一种模糊神经网络,进一步利用小波变换的压缩特性与模糊神经网络相结合构造出一种小波模糊神经网络模型,并应用在非线性函数逼近上。通过仿真,结果表明小波模糊神经网络是最优的。     

基于小波和余弦变换的神经网络人脸识别法

提出了利用小波变换和余弦变换与 BP 神经网络相结合的人脸识别方法。将人脸图像归一化后进行小波变换,再用余弦变换对低频信号提取特征向量,达到降维和去除干扰的目的,并把特征向量送进 BP 神经网络训练。识别时,对人脸图像进行相同的变换后,送入神经网络进行辨别。实验结果表明,该算法优于传统的人脸识别法。     

二进离散小波神经网络在传感器逆向建模中的应用

给出了快速收敛的离散二进小渡神经网络的初始化．构造和权值确定的详细方法。并将这类小波神经网络应用于传感器的非线性校正，并给出了仿真实验结果。相对使用随机贪心算法训练的神经网络，快速收敛小波神经网络利用离散二进小波变换的便利，采用启发式的构造算法；具有构造过程复杂度低，构造完成后高度接近目标模型，训练次数少，并可有效避免陷入局部极小点的优点。有效解决了小波神经网络尺度和平移系数在训练时需对小波函数进行求导而影响网络收敛速度的问题。     

基于小波神经网络的光谱数据表征与分类研究

介绍了一种新的神经网络模型——小波神经网络，利用它并适当选取网络结构和小波基，实现了对化学物质红外光谱的压缩表征和分类，取得了令人满意的效果，说明小波神经网络在光谱处理方面有着光明的应用前景和优越性。     

小波变换用于FTIR光谱定量分析

傅里叶变换光谱学已经用于环境气体的定量分析中,为了保证高灵敏、精确可靠的测量结果,需要对实测光谱进行预处理。将小波阈值滤波算法应用于气体红外光谱分析中,以实际测量得到的气体透过率光谱为处理对象,首先完成了单组分测量光谱的小波去噪;其次,实现了多组分实测光谱的小波去噪与定量分析;最终可以获得气体浓度等重要的光谱分析结果。算法实现结果表明该方法具有良好的应用前景。     

带噪语音信号小波去噪算法研究

去噪问题是信号处理中必不可少的问题。滤波作为传统的去噪方法,主要包括线性滤波和非线性滤波。噪声与信号频率重叠,传统方法要想取得良好的去噪效果必须牺牲部分信号。现有的小波模极大值去噪方法虽然有较好的去噪效果,但是该方法计算量大。小波阈值去噪方法更简单,但小波重构后的小波系数与噪声的小波系数存在恒定的偏差。在阈值去噪方法的基础上提出一种改进算法,仿真结果表明该算法在加性高斯白噪声污染下表现出较好去噪效果。     

分形噪声中BPSK信号检测的小波谱相关方法研究

小波变换作为一种新兴时频分析方法,其小波谱表征了信号的时频特性。对信号的小波谱以及与魏格纳-维尔分布之间的关系进行了较为详细地讨论。根据时频分析的理论,把小波谱扩展到了小波谱相关域,提出了小波谱相关分析方法,并应用到分形噪声和BPSK信号的分析上,探讨了它们的相应特性。根据探讨的结果,提出了分形噪声中BPSK信号检测的小波谱相关方法,并对讨论的结果进行了计算机仿真。     

基于改进支持向量机方法的影像分类和目标识别研究

利用卫星遥感影像进行土地利用变化监测的关键技术是影像分类与目标识别。本文提出了支持向量机的改进算法,基于小波核函数构建了小波模糊支持向量机。通过项目"集成卫星遥感与地形地籍数据进行土地利用变化检测"的研究和实验,力求在创新处理算法上取得突破,提高重点目标识别的准确性、可靠性。     

小波神经网络在农药荧光光谱识别中的应用

对于结构非常相似的农药,它们的荧光光谱也非常相似并且在很宽波长范围内相互重叠.传统的荧光光谱分析法很难对其进行分类识别.一种基于小波分析而构造的新型神经网络--小波神经网络是利用它并适当选取网络结构和小波基,实现了对卡死克、盖虫散和吡虫啉三种农药荧光光谱的分类识别.实验表明,小波神经网络对光谱间的细微结构差别具有良好的识别能力.通过比较发现,在分类识别方面小波神经网络比BP网络具有更高的分辨率及较少的训练次数.     

基于状态权的小波边缘检测算法

提出了一种基于小波变换和各向异性扩散的图像多尺度边缘检测方法。对噪声图像进行小波变换,得到高频和低频小波系数。对高频小波系数归一化后进行各向异性扩散得到状态权,把该权值作用在原高频小波系数上,得到了既去除噪声又保持结构不变的小波系数。对低频小波系数直接用小波阈值方法去噪,利用小波系数模极大值法对去噪后的高频和低频小波系数进行边缘检测,得到最终的边缘图像。实验结果表明,该边缘检测方法由于结合了小波和各向异性扩散方法,从而有效地抑制了噪声,得到了连续、清晰的边缘。     

基于多重小波变换与新阈值函数的去噪方法研究*

基于小波分析的特点,提出了一种对信号数据进行多重小波变换阈值去噪的方法。新的阈值函数的构造是在研究D.L.Donoho和I.M.Johnstone提出的小波阈值去噪方法的基础上完成的。与传统的软硬阈值函数相比,新阈值函数在整个定义域内统一定义,表达式简单易于计算,与软阈值函数一样具有连续性,而且是高阶可导的,便于进行各种数学处理,克服了硬阈值函数不连续、软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺点。仿真实验结果表明,采用新的阈值函数的去噪效果在信噪比增益和最小均方误差意义上均优于传统的软     

利用小波变换加权自相关的基音检测法

自相关函数法、平均幅度差函数法及小波变换法是经典的基音检测方法，本文简要分析了单独使用它们进行基音检测时存在的不足，提出了一种基于小波变换的加权自相关的检测方法。将多级小波变换的近似分量加权求和以突出基音信息，采用改进的平均幅度差函数加权自相关函数的方法以突出真实基音周期处的峰值，提高基音检测的正确率。实验表明，与传统的自相关函数法和平均幅度差函数法相比，本文方法减少了倍频和半频错误，提高了基音检测的精度，在信噪比为-5dB时仍能得到较准确的结果。     

小波支持向量机在SAR图像降噪中的应用

基于支持向量回归理论和小波支持向量核函数,提出了一种新的SAR滤波方法。首先对支持向量回归方法做了分析,通过对复杂信号进行逼近实验,验证了其应用于图像滤波的可行性和合理性。之后将SAR图像看成是一个二维连续信号,将对复杂信号具有更好逼近能力的小波支持向量核函数用于SAR图像滤波,小波核函数由Morlet小波构建。实验结果表明本文提出的方法能很好的降低SAR图像噪声,而且能比传统方法更好的保持边缘。     

一种半调图像的混合压缩方法

结合半调图像纹理特性和小波包更精细的分解方法,通过对小波包系数的扫描方式和阈值函数的选取进行改进,提出对半调图像进行基于最优基的小波包变换压缩编码。根据小波包分解后高低频分量各自的特性,采用不同的编码方法,提高压缩效率。仿真实验结果表明,该算法在获得较好的压缩效果同时,提高了解码图像质量。