图像压缩中Shannon正交小波变换的快速算法

分析了Shannon正交小波的频谱特性和信号变换的特点,借助快速傅里叶变换实现Shannon正交小波变换和逆变换。实验结果说明Shannon正交小波在联系小波变换和傅里叶变换方面具有特别重要的意义,有利于小波变换在信号的实时处理中的应用。     

小波分析在信号消噪中的应用

用小波分析进行信号消噪常用多尺度小波变换。多尺度小波变换是将信号分解成高频和低频成分，低频包含信号的主要性能，高频含较多噪声，将高频平滑后再重建即可消噪。消噪处理大致有强制、阈值两种方法。现场试验表明：此方法高效、实用。     

基于多尺度小波变换的边缘检测算法

提出一种用多尺度小波变换进行边缘检测的算法,并将该算法与经典的Sobel算子进行比较,结果表明用该算法进行边缘检测是可行的.在多尺度信号边缘检测中,考虑到信号的边缘不仅仅定义为信号奇异性的表现,而且也是视觉的一种反映,它与人的视觉特点,先验知识紧密相关.而信号的孤立奇异指数可以由小波变换在该点随尺度参数变小时的衰减速度确定.由于小波变换的上述特征,采用小波变换对图像进行边缘检测非常有效.实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等优点.     

基于小波分解的数字图像水印处理算法

提出了一种基于小波的隐藏数字水印的新方法。该方法将一幅二值图像作为水印来隐藏，基于JPEG2000标准，将水印和图像均进行多尺度分解，然后将分解的水印低频系数嵌入到具有相同尺寸的图像的低频系数中，重构得到水印图像；水印分解中的高频系数将被保留，并在水印检测过程中作为密钥使用。检测水印时，需要原始的未加水印的图像。实验结果表明，算法对压缩、加噪、线性滤波、剪裁等具有较高的鲁棒性。     

使用小波分析的图像融合算法

利用小波分析实现SAR图像与光学图像的融合和互补性。这种图像融合方法是利用SAR图像小波分解后的近似部分和光学图像小波分解后的细节部分,组成一个新的小波分解系数,再进行逆小波变换(重构),即可得到复合的图像,取得了较好的实验效果。     

拟序结构和孤立子——非线性科学的实质性范例

介绍拟序结构和孤立子研究的意义。拟序结构和孤立子已表现为非线性科学的一个实质性范例，它提供了一个统一的概念和理论、计算和实验各层次相互配合的一种方法论。     

基于小波变换的桥梁健康监测多尺度分析

针对桥梁结构健康监测具有实时性和数据量大的特点,提出了一种应用两个小波分别对实时测试数据进行分解和重构表达信号特征的方法,并定义了一个损伤指示系数,可按给定阈值在实时测试数据中搜寻损伤信息,确定损伤时刻,实现安全预警的目的.以一个发生损伤的两跨连续梁为例,对结构损伤进行了数值模拟,分析了在不同损伤位置及不同损伤率的情况下,损伤指示的敏感性.该实例表明对于梁中单元出现6%以上的刚度损伤有较好的损伤指示能力;由于多尺度分析方法具有较高的计算效率,能够在桥梁健康监测系统中在线完成损伤预警.     

基于小波变换的去噪方法

分析了信号与噪声在小波变换下的不同特点,提出了基于小波变换的去噪方法,且将该去噪算法用算子加以描述,给出了具体实例。小波变硬阈值去噪法和软阈值去噪法的性能比较及仿真实验,表明基于小波变换的去噪方法是非常有效的。     

拟左交错BCl—代数的序结构

讨论了拟左交错ＢＣｌ－代数的序结构,给出了其哈斯图,揭示了图中元素间的运算关系。     

基于小波变换的图像边缘检测算法

目的提出一种边缘检测改进算法，提高边缘检测精确性．方法从小波变换入手，将图像进行多尺度分解，在各个尺度下对图像各个高频的细节进行加权处理，然后对处理后的图像进行Laplacian边缘检测．结果噪声得到抑制，边缘定位精确度上升，识别率提高．结论理论和试验结果分析表明，在边缘精度、强弱边缘提取和噪声抑制方面，该算法是有效的．     

子波分析检测壁湍流多尺度相干结构及间歇性

用热线风速仪精细测量了风洞中平板湍流边界层不同法向位置的流向速度分量的时间序列信号,用子波分析对湍流脉动速度信号进行多尺度分解,提出了用子波系数的瞬时强度因子和平坦因子检测多尺度相干结构的条件采样方法,提取了不同尺度相干结构的条件相位平均波形,研究了多尺度相干结构的统计特征.计算了子波系数的概率密度函数,研究了多尺度相干结构对其的影响.研究发现,提取出的各尺度相干结构是子波系数的概率密度在小概率位置是非Gauss分布的原因.当这些相干结构被分离出后,概率密度函数就回到Guass正态分布.     

近壁湍流边界层相干结构形成的动力学分析

以壁面脉冲扰动来构建湍流边界层近壁区对称与非对称相干结构理论模式,采用直接数值模拟的方法,研究了湍流边界层近壁区对称与非对称相干结构形成的理论机制和演化规律.计算结果显示非对称相干结构比对称相干结构更容易增长,这是由于非对称型结构能在湍流边界层近壁区域诱导产生较大的展向扰动速度,且不同初始结构类型分布对湍流边界层近壁区相干结构形成的动力学机制不同所致,从而加深了对近壁湍流边界层单个相干结构形成的某种动力学机制的认识理解.     

小波变换与中值滤波相结合图像去噪方法

为了很好地保持图像的边缘细节,在对二维图像去噪平滑的过程中,采用基于小波变换和中值滤波相结合的图像去噪处理方法.将含有复杂噪声的图像首先进行小波分解,对各频带的子图像采用不同的阈值(软阈值和硬阈值)进行中值滤波处理,在去除图像噪声的同时,较好地保持了图像所包含的边缘信息.经实验证明,对二维图像的处理效果优于单一的小波变换去噪或中值滤波等方法.在由相干切片数据形成的二维地震图像处理中得到了应用,提高了地震解释的效率.     

Recognition of vortex structures in turbulent refractive index field using wavelet transformation

When the light wave propagates through the hypersonic flow field,the aero-optic distortion happens.It is necessary to recognize the vortex structure for studying the light propagation model.A new vortex structure recognition method is proposed in this paper.Firstly,the refractive index field,which is transformed from the turbulent density field,is changed to gray scale images with abundant texture information equivalently.Then,wavelet transform is performed to decompose these images and the entropy values of the wavelet base coefficients are calculated.Comparing the entropy value to a given threshold,the modules with lower entropy are considered to be the large-scale vortex modules while those with higher entropy are small-scale vortex modules.The computer simulation results show that the proposed method is valid to recognize the vortex structures.This paper provides basis for investigation on the optics propagation model in terms of the turbulence vortex structures.     

弱腔场的偶/奇压缩相干态及其保真度

利用原子场共振相互作用制备弱腔场的偶倚压缩相干态，并计算了偶／奇压缩相干态的保真度．结果发现腔场的压缩对保真度无影响．     

应用黄金比Haar小波实现图像加密

探讨了Fibonacci序列,给出一些重要的相关性质.在此基础上研究了Fibonacci正交变换,进而将Fibonacci序列中的黄金比引入Hadamard变换,产生一种正交变换矩阵.为使正交变换矩阵的物理意义更加明确,提出一种基于黄金比（GR）的Haar小波变换,对所提出的黄金比Harr（GRH）小波在时、频域进行分析并将GRH应用于图像加密.实验结果表明,GRH变换不失为一种有效、便捷的可用于图像加密处理.与现有的图像加密算法相比,本文给出的方法具有图像加密所采用的矩阵构造便捷、加密算法简单、频域特性优良等特点;同时,加密矩阵正交、解密运算也简单.     

基于遗传算法的小波神经网络交通流预测

城市交通流的运行存在着高度的复杂性、时变性和随机性,实时准确的交通流预测是智能交通系统,特别是先进的交通管理系统与先进的出行者信息系统研究的关键. 基于交通流预测的特点,给出了基于遗传算法的小波神经网络的交通预测模型GA WNN,用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练,部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法,克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷. 仿真实验验证了GA WNN预测模型对短时交通流的预测的有效性.     

基于遗传算法的小波神经网络交通流预测

城市交通流的运行存在着高度的复杂性、时变性和随机性，实时准确的交通流预测是智能交通系统，特别是先进的交通管理系统与先进的出行者信息系统研究的关键．基于交通流预测的特点，给出了基于遗传算法的小波神经网络的交通预测模型GA-WNN，用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练，部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法，克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷．仿真实验验证了GA-WNN预测模型对短时交通流的预测的有效性．     

On coherent structures in a three-dimensional transitional plane jet

Direct numerical simulation of coherent structures in the three-dimensional transitional jet with a moderate Reynolds number of 5000 was conducted. The finite volume method was used to discretize the governing equations in space and the low-storage, three-order Runge-Kutta scheme was used for time integration. The comparisons between the statistical results of the flow field and the related experimental data were performed to validate the reliability of the present numerical schemes. The emphasis was placed on the study of the spatial evolution of the three-dimensional coherent vortex structures as well as their interactions. It is found that the evolution of the spanwise vortex structures in three-dimensional space is similar to that in two-dimensional jet. The spanwise vortex structures are subject to three-dimensional instability and induce the formation of the streamwise and lateral vortex structures. Going with the breakup and mixing of the spanwise vortex structures, the streamwise and transverse vortex tubes also fall to pieces and the mixing arranged small-scale structures are formed in the flow field. Finally, the arrangement relationship among the spanwise, the streamwise and the lateral vortex structures was analyzed and their interactions were also discussed. Supported by the National Natural Science Foundation of China (Grant No. 50506027)     

基于混沌小波网络的交通流预测算法研究

实时准确的交通流量预测是实现智能交通诱导及控制的前提与关键,也是智能化交通管理的客观需要.结合交通流预测的特点,提出了一种基于小波网络的路段交通流预测方法,把混沌优化算法引入小波网络的拓扑构造,结合提出的相似时段的预测思想,给出了一种基于混沌优化算法的小波网络交通流量预测模型.实验结果表明,引入相似时段的预测思想可以有效提高交通流的预测精度,基于混沌优化算法的小波网络在交通流预测的精度和收敛速度方面明显优于常规BP网络