基于小波变换的频谱细化分析方法

小波理论是傅里叶分析这一学科半个世纪以来的工作结晶，已成功应用于信号分析、图像处理及非线性科学等方面。本文基于小波变换可提取信号所需频率成分的特性，提出了小波变换频谱细化方法，文中介绍了小波变换频谱细化的原理和步骤，进行了计算验证，并与复调制ZOOM－FFT方法进行了比较，结果表明，小波变换细化谱方法，可得到比复调制ZOOM—FFT方法更细密的结果，小波变换细化谱方法实现起来更简单、容易，但计算量较大。     

数字水印中的正交小波基

该文主要研究了水印算法中小波基的选择和正交小波基的性质与水印稳健性的关系。研究结果表明:正交小波基的正则性、消失矩阶数、支撑长度以及小波图像能量在低频带的集中程度对水印稳健性的影响极小。同时也得到了一个有意义的结论:Haar小波比较适合应用于图像水印。该文还研究了在水印算法中,小波变换级数和嵌入公式的选取及其它一些问题。     

蓝绿激光对潜通信中的弱信号去噪算法

小波分析在近年来广泛应用于信号处理中。文章根据蓝绿激光对潜通信中接收信号的特点，利用小波变换的结果估算噪声的特性，设计了一种去噪算法，得到了较好的效果。     

小波变换在电磁场数值计算中的应用

本文从算子展开的角度将小波矩量法应用于解电场积分方程，分析了其系统矩阵的精确度、稀疏性及条件数等，并在以上几个方面同一般的分域基矩量法进行了比较。指出小波矩量法形成的系数矩阵是一个稀疏矩阵，但是它的条件数高。我们分析了系数矩阵的稀疏原理，并解释了矩阵性态不好的原因，给出了改善矩阵性态的方法。最后以一个无限长的薄导体片在ＴＭ平面波入射下的感应电流为计算对象，验证了我们的结论。     

小波变换在突变信号检测中的应用

本文介绍了小波变换应用于实变信号检测的原理，给出了实现小波变换的快速算法。语音的基音检测作为一个应用实例在文中得到验证。     

基于整数小波变换的运动物体阴影去除算法

小波变换具有多分辨率分析的特性,整数小波属于二代小波,其不仅延续了小波变换多分辨率分析的特性,而且在运算快速性方面具有自身独特的优势.将整数小波变换应用于交通场景的车辆阴影去除,不仅能够充分发挥整数小波变换的多分辨率分析特性,而且兼顾了交通监控实时性的要求.实验结果表明,将整数小波变换应用于车辆阴影去除在处理效果和实时性方面获得了比较好的折中,是一个有益的尝试.     

线性电路微分方程组小波配置法动态求解和仿真

小波分析能否应用于微分方程的求解和仿真一直没有统一的定论。本文成功地将小波配置法引入线性电路微分方程组的动态求解和仿真，研究结果表明，它与常规的时域和频域方法相比具有以下的优点：1)由于小波基函数具有紧支撑的特点，需要相对较少的配置点就可以得到很好的仿真结果，仿真速度快；2)小波配置法本质上是基于时域的仿真分析，因此能很好的反映出电路的动态特性，从而为线性电路微分方程组的动态求解和仿真拓展了一种新的思路，也将为小波配置法进一步应用于非线性电路动态求解和仿真打下研究基础。     

小波变换在雷达信号处理中的应用

本文结合雷达信号处理经典和新近的主要技术,探讨了小波变换作为一种新型有效的时－频分析工具应用于这些信号处理方面的价值和潜力。较详细地说明了随着小波变换理论的发展、完善及其在雷达信号处理中的有效应用,将促使雷达信号处理技术得到更新的发展。     

小波分析在煤矿胶带机滚动轴承故障诊断中的应用

本文介绍了小波变换理论及小波分析的特点,对小波变换应用于煤矿滚动轴承故障诊断的方法和滚动轴承故障特征频率的计算方法进行了研究。根据煤矿胶带机滚动轴承的振动特征,应用小波分解重构的方法对煤矿胶带机滚动轴承的现场故障振动信号进行分析,验证小波变换在提取滚动轴承早期故障信号特征方面的有效性。     

小波分析及其在视频编码中的应用

小波分析是当前数学中一个迅速发展的新领域，理论深刻，应用十分广泛。它被认为是傅立叶分析方法的突破性进展。作为一种技术工具和方法，小波变换在各个领域得到很好的应用。小波分析用于信号与图象和视频压缩是小波分析应用的一个重要方面。它的特点是压缩比高，压缩速度快，压缩后能保持信号与图象的特征不变，且在传递中可以抗干扰。本文就小波变换的概念、视频编码的基础知识以及小波变换视频压缩的基础理论作了简单的介绍。     

非平稳信号的快速傅里叶变换与小波分析的比较

在对通信系统信号进行分析时,非平稳信号是经常遇到的。采用快速傅里叶变换和小波变换对通信系统信号进行分析,比较了分析结果,证明小波分析更适合于突发信号的分析。最后给出了Matlab实验结果。     

紧致型小波网络在模拟电路故障诊断中的应用

提出了一种新的基于紧致型小波神经网络的模拟电路故障诊断方法。该法首先利用小波包变换对故障信号进行预处理,减少了紧致型小波神经网络的输入数目,简化了紧致型小波神经网络结构,然后对紧致型小波神经网络进行训练和测试。仿真试验表明,该方法比普通BP神经网络方法训练速度更快,诊断准确率更高,容错能力强,非常适用于模拟电路故障诊断。     

基于小波变换的汉字签字特征抽取的研究

针对目前汉字鉴别效率低、容易造成几何性质的丢失的现状,提出了一种利用小波分解与重构的技术对汉字签字进行特征抽取的方法.首先对整个签字的每一笔划进行通过多分辨率分析的小波分解公式进行复信号小波变换,这样可以得到每一个笔划的小波分解值;然后设计了一组新的小波重构公式,并利用该公式对各个笔划的特征进行了有机的整合,产生了整个签字的具有旋转、平移及尺度不变性特点的特征,从而使鉴别效果大大提高.     

基于小波变换和梯度矢量的人脸特征点定位

人脸特征点的定位是自动人脸识别系统和人脸表情识别的重要组成部分,小波变换是近年发展起来的一种有效的信号分析工具。在小波变换基础上,提出了一种基于多尺度梯度矢量的对称变换方法,将此方法应用于人脸特征点定位,不仅减少了计算量,而且提高了定位准确度,同时对光照变化和人脸表情变化也具有很强的鲁棒性。     

旋转机械振动信号中的小波滤波和特征提取

将小波方法应用于旋转机械状态检测中信号滤波与提取。利用小波Mallat算法对采集信号进行高频滤波，利用小波Packet算法对特征信号进行提取，并通过实验证明上述方法取得很好的效果。     

基于小波的惯导系统初始对准方法研究

目前远程武器系统广泛采用捷联惯性导航系统,该系统在发射前要经过初始对准。由于惯性导航系统中所采用的陀螺仪和加速度表的噪声很大,影响了初始对准,降低了打击精度,为减小噪声影响,提出了一种基于小波消噪理论的捷联惯性制导系统初始自对准方法。研究显示,小波分解滤波可以显著减小惯性器件的噪声,利用经过消噪的信号进行初始对准,滤波器的收敛速度加快,在相同对准时间内精度有明显提高。     

一种结合小波变换的UPF改进算法

文中在非线性贝叶斯理论的基础上介绍了粒子滤波（PF）算法及其改进算法UPF算法。利用小波变换良好的去噪能力，提出了一种结合小波变换的UPF改进算法，该算法将小波变换的去噪原理应用于粒子滤波，用于降低重要性权值的方差，从而达到提高粒子滤波的精度和稳定性的目的。仿真结果表明改进的UPF算法与原UPF算法相比，收敛速度更快，滤波精度更高，因而是一种新型的粒子滤波改进算法。     

Despeckling of medical ultrasound images using Daubechies complex wavelet transform

The paper presents a novel despeckling method, based on Daubechies complex wavelet transform, for medical ultrasound images. Daubechies complex wavelet transform is used due to its approximate shift invariance property and extra information in imaginary plane of complex wavelet domain when compared to real wavelet domain. A wavelet shrinkage factor has been derived to estimate the noise-free wavelet coefficients. The proposed method firstly detects strong edges using imaginary component of complex scaling coefficients and then applies shrinkage on magnitude of complex wavelet coefficients in the wavelet domain at non-edge points. The proposed shrinkage depends on the statistical parameters of complex wavelet coefficients of noisy image which makes it adaptive in nature. Effectiveness of the proposed method is compared on the basis of signal to mean square error (SMSE) and signal to noise ratio (SNR). The experimental results demonstrate that the proposed method outperforms other conventional despeckling methods as well as wavelet based log transformed and non-log transformed methods on test images. Application of the proposed method on real diagnostic ultrasound images has shown a clear improvement over other methods.     

基于双树复数小波变换的SAR图像噪声抑制方法

利用双树复数小波变换(Dual Tree Complex Wavelet Transform,DTCWT)的近似平移不变性和多方向选择性,提出了一种基于DTCWT变换的SAR图像噪声抑制方法。首先对无噪声污染图像的复数小波系数的统计概率分布进行建模;然后利用此先验概率模型,采用最大后验概率方法从含噪小波系数中估计出无噪声污染的小波系数;最后经重构得到滤波后的图像。实验结果表明,此方法优于其他一些相干斑抑制方法。     

Image Restoration by Lifting‐Based Wavelet Domain E‐Median Filter

In this paper, we propose a method of applying a lifting‐based wavelet domain e‐median filter (LBWDEMF) for image restoration. LBWDEMF helps in reducing the number of computations. An e‐median filter is a type of modified median filter that processes each pixel of the output of a standard median filter in a binary manner, keeping the output of the median filter unchanged or replacing it with the original pixel value. Binary decision‐making is controlled by comparing the absolute difference of the median filter output and the original image to a preset threshold. In addition, the advantage of LBWDEMF is that probabilities of encountering root images are spread over sub‐band images, and therefore the e‐median filter is unlikely to encounter root images at an early stage of iterations and generates a better result as iteration increases. The proposed method transforms an image into the wavelet domain using lifting‐based wavelet filters, then applies an e‐median filter in the wavelet domain, transforms the result into the spatial domain, and finally goes through one spatial domain e‐median filter to produce the final restored image. Moreover, in order to validate the effectiveness of the proposed method we compare the result obtained using the proposed method to those using a spatial domain median filter (SDMF), spatial domain e‐median filter (SDEMF), and wavelet thresholding method. Experimental results show that the proposed method is superior to SDMF, SDEMF, and wavelet thresholding in terms of image restoration.