基于小波包分析的催化剂表面图象识别

二维图象可以通过小波分解来进行信号的多分辨率分析．本文讨论了小波包分析技术及其在催化剂表面ＳＥＭ图象识别上的应用．从小波包中抽取的能量和纹理熵特征，在催化剂的分类与识别研究中，充分描述了表面图象在多标度空间上的信息分布．实验结果表明，小波包分解树是一种很好的模式特征描述，为图象纹理识别提供了新的手段     

混合小波包与最佳基

混合正交小波基是一种包含多个正交小波函数的正交基，本文在混合正交小波基的基础上构造出混合小波包.传统的小波包可以细化频谱窗口以解决正交小波基在高频区频谱局部性差的缺点，混合小波包不仅具有传统小波包的特点，而且可以在不失正交性的情况下改变小波包函数的形状，从而获得更好的细节匹配.小波包的分解可以在频域上进行，通过使用FFT而达到快速的目的.     

小波图像压缩进展

小波分析由于具有多分辨分析特性而在图像压缩中得到了广泛应用,产生了许多行之有效的方法和技术。文中综述了小波图像压缩方法及其进展,如零树编码、小波包图像压缩和多小波图像压缩等,并对这些方法的优缺点进行了总结和对比。实践证明,小波包、多小波的压缩性能都比传统的单小波优越。但是,小波包、多小波图像压缩方法还很不完善,具有自己的不足之处,需要对其进行改进和完善以提高运算速度,改进的方法之一就是和其它压缩方法(如分形)相结合。     

小波图像压缩进展

小波分析由于具有多分辨分析特性而在图像压缩中得到了广泛应用,产生了许多行之有效的方法和技术.文中综述了小波图像压缩方法及其进展,如零树编码、小波包图像压缩和多小波图像压缩等,并对这些方法的优缺点进行了总结和对比.实践证明,小波包、多小波的压缩性能都比传统的单小波优越.但是,小波包、多小波图像压缩方法还很不完善,具有自己的不足之处,需要对其进行改进和完善以提高运算速度,改进的方法之一就是和其它压缩方法(如分形)相结合.     

小波包分解在虹膜识别中的应用研究

小波包分解是从小波变换延伸而来的一种更精细的信号分析算法，具有分析高频特征信息的优势。文中结合小波包分解的特点，提出了一种基于小波包分解的虹膜识别算法。该算法首先对虹膜图像实行分窗小波包分解，并对各窗口的子带图像作筛选处理；然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩，得到虹膜识别特征；最后利用加权欧氏距离分类器进行识别。实验结果表明了该算法的有效性。     

基于小波包变换的多聚焦图像融合

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像。多聚焦图像融合技术可有效地解决这一问题。在分析了小波包变换的概念和原理后,提出了一种基于区域统计融合规则的小波包变换多聚焦图像融合方法,先对不同聚焦图像分别进行小波包变换,采用低频系数取平均,高频系数根据区域统计值决定的融合规则,再进行小波包反变换得到融合结果。仿真试验表明,相比小波变换法,本文方法可有效综合多聚焦图像,获得了更好的融合效果。     

一种优化小波包多载波调制通信方案

本文对巳有的小波包多载波调制进行了优化，对最优小波包基的选择，提出一种易于实时实现的改进算法，更加支持多速率的话音通信业务，具有频谱利用率高的优点。     

小波包和多小波图像数字水印的研究与比较

介绍了小波包和多小波两种数字水印技术,比较了二者的应用特点和优越性,并对不同的图像进行了试验和对比研究。结果表明,在宿主图像、水印的嵌入位置和对水印的攻击类型相同的条件下,多小波水印在图像增强、添加噪声和滤波的攻击实验中抵抗能力要好于小波包。而基于最优基的小波包水印能够更好地抵抗剪切、JPEG压缩和马赛克等操作,具有更好的自适应性,并且从实用价值来看,小波包水印方案更易于操作,实用性更强。     

基于小波包变换的多光谱图像融合方法研究

小波包分析将频带进行多层次划分，对小波多分辨分析没有细分的高频部分也进行了进一步的分解。本文在研究了小波包图像分析法后，提出了基于小波包变换的象素级图像融合算法。通过把同一目标的多传感器获得的不同波段的图像数据利用小波包变换进行融合，得到融合图像。这种方法能够很好地将源图像的细节融合在一起，完好地显示了源图像各自的信息。     

基于卷积型小波包变换的信号消噪算法

提出了卷积型小波包变换，与传统小波包变换相比。在这种小波包变换中不管信号被分解多少层，每层分解得到的各频道序列长度始终与原始信号一致，利用这一性质本文进一步提出并实现了对小波包分解结果利用模极大值法进行消噪的算法。这一算法的思想来自于基于小波变换的模极大值消噪算法，但是由于小波包分解是对小波分解的结果作进一步细分，在小波分解中难于分离的高频噪声将被小波包充分分离与集中到后面的频道，因此基于小波包变换的模极大值消噪算法将会取得比小波消噪更好的效果。文中给出了信号的小波包消噪实例，并与小波消噪的效果进行了对比，结果表明小波包有更优良的消噪效果。     

基于模糊综合和最优小波包分解的信号多类分类

为了对音频信号进行有效地分类，提出了基于模糊综合和最优小波包分解的信号多类分类算法。首先，对音频信号进行窗化处理；其次，基于模糊集对信号进行最优小波包分解，并用最优小波包和信号感知特性来提取音频信号特征，在每一个小波子空间用支持向量机对信号进行多类分类；最后，用模糊积分将分类结果进行综合，得出最终类。试验采用不同的核函数和算法参数验证了本文算法的效果，结果表明本算法速度较快、精确度高。     

基于ARSIS概念的遥感影像小波包融合

研究了基于ARSIS概念的遥感影像的小波包融合方法。利用小波包分解高分辨率影像和多光谱影像,在融合影像的低频小波包系数重构时采用波段间交互构建模式,即包含了多光谱影像低频小波包系数,也包含了高分辨率影像低频小波包系数。融合影像的高频小波包系数以局部方差为规则进行择优选取。融合实验结果证明,新方法在对原多光谱影像信息的保持上优于IHS方法,同时在保持高分辨率影像的细节信息上有所改善。     

改进的基于小波包变换的语音特征提取算法

针对语音信号的非平稳特性,传统的应用短时分析技术容易丢失信息的现状,提出了一种利用小波包变换的技术对语音信号的共振峰特征（FDWPT）进行提取的方法。对整个语音信号进行多分辨分析的小波包变换,这样可以得到每个频带的小波分解值,结合共振峰的频率特性,选取适当的小波包分解结点,对这些结点建立共振峰参数,使用矢量量化模型进行识别,从而提高了说话人识别的效果。     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

基于多小波包变换的遥感影像融合

多小波变换以完善的小波基结构,可以在影像处理中获得比单小波变换更精确的处理结果;单小波包变换以精细的频域分割,进一步提高了单小波变换对影像的细节信息处理能力。多小波包变换将两者结合起来,综合了它们的优点,同时又弥补了它们的不足,使其在一些影像处理领域更具优势。在对多小波包变换分析之后,提出了一种基于多小波包变换的遥感影像融合方法,并将该方法与多小波变换融合方法（即基于多小波变换的影像融合方法）进行了对比分析。实验结果表明：由该方法所得的融合影像,无论是在视觉效果上还是在评价指标上都要优于由多小波变换融合方法得到的融合影像。     

小波包分析在刀具声发射信号特征提取中的应用

分析了刀具的切削状态,介绍了刀具的声发射信号检测系统和小波、小波包分析技术,以及小波包频带能量分解方法,提出了小波包分解功率监测特征量提取技术.通过在刀具声发射的一个实例信号中的应用,有效地区分了刀具的两种切削状态,验证了小波包分解功率监测特征量提取方法的可行性.     

小波包在故障诊断中的应用

主要研究小波包变换和神经网络相结合的故障诊断技术。首先利用小波包的多分辨率分析的特点,对故障信号进行多尺度的分解,正交和归一化处理后,根据主成份分析原理提取故障特征向量作为神经网络的训练样本,设计故障类型识别器。仿真结果证实了该方法的有效性和可行性。     

基于小波包变换的非线性信道均衡器

针对严重线性失真和轻度非线性失真的数字信道，为了提高基于最小均方误差算法的判决反馈均衡器的收敛速度，首先提出用一族正交小波包基函数来表示非线性信道判决反馈均衡器厦其输出，然后给出基于小渡包变换的非线性信道自适应均衡算法。该算法实现了小波包与非线性信道模型的结合，在计算量增加不多的前提下，利用小波包对小波空间的进一步划分以厦比小波变换更强的去相关能力来减小输入信号相关阵的条件数。对典型非线性信道模型的仿真结果表明，该算法可有效提高均衡器的收敛速度。     

基于小波理论的多分辨率多传感器数据融合

小波变换的多尺度特点非常适合多尺度信号的处理,可以用于多分辨率多传感器数据融合,本文研究了不波变换的特征,提出基于小波包变换的多分辨率多传感器的数据融合算法,算法不需要把小波系数当成白噪声处理,并一能够有效地降低向量和矩阵维数,减少运算,有较好的滤波性能,同时采用双正交小波包变换,这可以克服基于正交小波包变换的多尺度滤波中正交小波因不具有线性相而产生恢复失真的缺陷,进一步提高滤波性能。     

基于多小波包的齿轮故障诊断方法研究

提出了一种全新的基于多小波包的齿轮箱故障诊断方法。在机械故障诊断领域,小波分析已经被应用在利用齿轮振动信号进行的故障诊断中。由于小波函数空间在高尺度上频带较宽,因此隐藏在信号中的在较高频段发生的窄带故障信号的频率成分不能被精确地诊断。提出的多小波变换,通过划分小波变换不同层的频带克服了单小波(标量小波)系统的这种缺陷。通过多小波包变换,可以自动并精确地划分不同小波包结点的频率段,从而对频率段较窄的瞬变故障信号进行精确的诊断。对齿轮箱的仿真实验结果表明,应用多小波包系统,不但可以对齿轮系统中包含瞬变现象的故障信号进行诊断,而且可以精确确定齿轮中坏齿的位置。