基于瞬态视觉诱发电位的识别算法研究

基于瞬态视觉诱发电位的研究是脑机接口研究中的一种方法,其核心在于瞬态视觉诱发电位的识别算法研究。采用累加平均和小波分解滤波从强噪声背景下提取微弱的视觉诱发电位,采用主成分分析提取诱发电位的特征,用K近邻算法对得到的特征信号进行模式识别。采集三名受试者的脑电数据作为处理对象,识别准确率可以达到95%。实验结果表明:该方法可以比较准确地识别瞬态视觉诱发电位。     

小波变换技术及其在图像压缩中的应用分析

小波变换是一项重要的变换编码技术,它采用多分辨率分析方法,克服了傅氏变换的缺点,解决了时间和频率分辨率的矛盾,具有很好的局部化时频分析特性。多分辨率分析及Mallat算法为小波基的构造和快速变换提供了理论基础。该文阐述了小波变换原理,并实现了在MATLAB环境下图像小波变换压缩的模拟仿真。     

基于小波变换的诱发电位信号去噪研究

基于一维小波变换的方法对诱发电位信号进行了去噪研究。采用小波多分辨率分析方法来处理信号的高频———即噪声部分,分别对仿真信号和实际信号进行消噪处理,比较了去噪前后信号的信噪比等性能指标。实验表明,小波变换方法能较好地消除诱发电位信号的噪声。     

基于小波变换的电网谐波电流检测研究

电网谐波电流检测是电力系统质量分析和谐波补偿的关键技术,对小波变换在电网中的谐波电流检测原理进行了研究.根据小波变换的多分辨率分析,采用Mallat算法对电网谐波电流检测进行实现,将电网电流中的基波电流和谐波电流分离,并对小波变换谐波检测小波基的选取原则进行了分析,在基于TMs320F2812DSP的实验装置上进行了小波变换谐波检测实验.实验结果表明,该方法具有较高的检测精度.     

小波变换的计算机实现

小波变换是傅里叶变换的改进,在工程领域中得到了广泛应用。本文主要结合MATLAB介绍小波变换的计算机实现,包括三种类型的小波变换。文中首先介绍了连续小波变换的数值积分实现,接着介绍了多分辨率分析和Mallat算法,最后用滤波器组实现了离散网格上的小波变换和离散序列的小波变换。     

利用MSP430芯片实现小波变换对涡街信号的去噪测量

利用Mallat算法对涡街信号进行多分辨率分析和去噪,相对于传统滤波器组的直接分解,具有品质因数恒定、运算量小、分解尺度可灵活变化的优点,且去噪效果好。利用MSP430单片机进行实现,完成涡街信号检测的整个系统功能,达到了功耗要求低、可利用工业现场4～20mA电流环直接驱动以及滤波效果满意的目的。     

基于小波变换Mallat算法的电网谐波检测方法

针对传统的傅里叶变换方法在分析非平稳运行电网的电量信号时误差较大的问题,提出了一种基于小波变换Mallat算法的电网谐波检测方法。该方法根据不同的分辨率将电量信号分解到不同的子频段,然后分别对子频段进行多次重构,得到原始信号的基波,最后将采样得到的原始信号与重构的基波信号相减,得到谐波信号。Matlab仿真结果表明,该方法能够有效地将电量信号中的基波与谐波成分分离,谐波检测精确度较高。     

基于Ma lla t 塔式算法小波变换的多故障诊断方法

提出一种用Mallat金字塔算法的小波多分辨率分析技术对系统进行多故障诊断的方法,首先利用小液交换的多分辨率分析的特点,对系统的状态信号进行多尺度分解;然后根据其在不同尺度下的高频分量的小液系数模极大值和不同尺度的模极大值所在小波系数序列的对应关系进行多故障诊断,同时对故障的信息提取给出了相应的方法,仿真结果证实了该方法的有效性和可行性。     

小波分析及其应用

小波分析是传统傅里叶分析发展史上里程碑式的发展，近年来成为众多学科共同关注的热点。文章在小波变换的基础上，介绍了小波变换的一种快速算法-Mallat算法。在此基础上将其应用于信号分析与处理，对故障信号进行分解与重构，通过分析实验结果可知，高频部分能够清晰地反映信号的转折点，而这些点正是故障诊断所需的重要信息，通过对这些信息的分析可以得出故障点的位置。因此，可以推断小波分析在信号的奇异性位置检测方面是有效的。     

小波变换在纹理提取技术中的研究现状

遥感技术的发展带动了图像处理技术的不断进步和发展.遥感图像因其特有的图像特点,使得地物在空间上的排列更加的复杂多变.目前,小波技术因其本身\"多分辨率\"的特性,能在时频两域都具有表征信号局部特征的能力和多分辨率分析的特点,因而被广泛地应用到图像处理的各个领域中去.本文将近几年小波在图像处理领域中应用比较多的三种处理方式进行了总结和比较,最终认为基于复小波的处理方式更加的精确,合理,在此基础上提出要更多的应用复小波方式处理图像,以及不再采用单一的处理方式,而是融合各种小波方式,结合各种方式方法的优点,使图像处理的更加清晰,准确.     

一种基于精确度的降分辨率视频转码运动矢量合成算法

针对现有的降分辨率视频转码运动矢量合成算法没有考虑输入运动矢量的精确度,从而使得合成误差较高的问题,提出了一种基于精确度的降分辨率视频转码运动矢量合成算法。该算法分为两次合成,首先基于绝对差值和（SAD）对转码输入流中的运动矢量进行平均合成,然后再基于率失真函数,对转码输出流中的相邻运动矢量和第1次合成得到的运动矢量进行选择合成。仿真结果表明,与现有算法相比,该算法在保持较低计算复杂度的情况下,显著降低了运动矢量合成的误差。     

边界镜像对称延拓双正交小波变换矩阵的构造

计算小波变换的Mallat算法需要进行逐级分解和重构,对于有限长信号的小波变换来说,为了保证其完全重构,有必要对其进行边界延拓。基于边界周期延拓的小波变换算法极易实现,也常见于文献,而边界对称延拓较周期延拓则更适合用于信号和图像的处理,但基于边界对称延拓的小波变换矩阵实现方法却很少出现在文献中。为了用矩阵-向量乘积实现信号的小波变换,给出了一种在信号镜像对称延拓方式下,任意深度小波变换矩阵的构造方法,并证明了该延拓方式下实现Mallat算法的完全重构条件。作为实例,绘出了B ior3.3小波的分解和重构矩阵的基向量及波形图。将构造的变换矩阵用于基于小波的图像处理中,不仅可以避免逐级迭代,大大简化运算量,而且边界效应也明显减少。     

采用小波变换的图像数据融合方法及实现

如何对同一目标的多传感器获得的不同波段的图像数据进行有效融合,提高对检测目标检测的识别率,抑制每个传感器的检测器声,降低检测信息不确定性,这是数据融合研究的重要课题之一,本文介绍了一种基于小波变换的融合方法,并应用于四幅不同波段的ＳＡＲ图像的融合,取得了良好效果。     

基于小波变换的医学图像压缩技术

分析了医学图像压缩的必要性,简要介绍了二维离散小波变换和Mallat算法,在此基础上探讨了基于小波变换的医学图像压缩技术。实验结果表明,小波变换算法具有较高的压缩比和较好的图像恢复质量。     

Mallat算法分析及C语言实现

本文利用C语言实现了一维离散小波变换算法。重点阐述了Mallat算法原理和实现步骤,对算法程序设计的几个关键问题进行了探讨,并给出了相关代码,算法代码均以函数形式给出便于移植和调用。C语言实现的结果和Matlab小波工具箱处理结果完全一致,程序具有良好的性能和实用性。     

小波分析在红外水分仪中的应用

小波分析是近年来迅速兴起的强有力的信号处理工具。利用小波分析理论建立了一种新的去除红外水分仪噪声的滤波算法。通过对红外水分仪实际采样信号的滤波试验，并与一般平均滤波算法相比较，证明其具有更好的滤波效果。     

离散小波变换算法剖析及其通用程序实现

针对小波变换工程应用软件开发需要,结合Mallat算法原理分析介绍了离散小波变换的主要功能步骤以及程序设计技术的关键问题.算法采用Delphi语言实现,大量数据验算表明,程序运算中间及最终结果和用Matlab小波工具箱编写的小波变换程序执行情况完全一致.主要算法均以子函数形式给出,便于研究人员把在Matlab中开发的小波变换应用算法成果转化为其它高级语言程序,构建独立的专用软件系统.