类Haar小波与数字信号调制识别

调制识别在通信侦察和通信对抗中有着重要应用。为了利用小波变换进行数字调制的类型识别，提出了具有比Haar小波更好频率局域化特征的类Haar小波概念，从理论上论证了正弦型类Haar小波用于MPSK和MFSK信号调制识别的可行性，详细推导了小波系数幅度与相位跳变或频率跳变之间的关系，并对分类识别器进行了仿真。理论和仿真结果均表明，在一定信噪比条件下，正弦型类Haar小波不仅能用于通信信号的调制识别，且具有比Haar小波更好的抗噪性能。     

基于径向基函数网络估计密度函数的数据分类

针对样本总体分布已知的分类问题，提出了一种新的分类方法.通过非线性映射将训练样本映射到高维特征空间，基于向量投影法从训练样本中选择边界向量，运用多维二叉树搜索法确定每个边界向量同类中的k-近邻，运用统计理论中的大数定理估计样本的类条件概率密度函数，由边界向量与相应的密度函数构成新的训练样本对.对每一类数据建立一个径向基函数（RBF）网络，以相应类的边界向量作为中心，通过训练以RBF网络来估计样本的类条件概率密度，并采用基于最小错误率的贝叶斯决策来实现分类.对机器学习数据的仿真研究结果表明该方法具有与支持向量机（SVM）相似的识别率，并且能快速有效地实现多类分类.     

基于加权小波分解和PCA的人脸识别

小波分解可以大幅度降低人脸图像的维数,图像的基本信息不丢失,可以很好地表征人脸特征.用低频分量和加权高频分量分别结合PCA进行特征提取,分别计算待测试人脸与低频、高频训练人脸的欧式距离,加权计算出新的距离系数,然后利用k-近邻法分类.实验表明此方法的识别率高、训练的时间短.     

小波域的最大似然调制分类

针对电子战领域中的调制类型识别问题,提出了一种把通信信号变换到小波域下的最大似然调制分类算法．通过分析MPSK信号在Haar小波基下的小波变换系数同其相位参数之间的关系,把MPSK信号的小波变换系数用广义高斯概率分布进行建模来得到MPSK信号的最大似然分类函数．同常规的最大似然分类算法相比新方法所需的先验信息少．计算机仿真结果表明,这种算法在低信噪比下仍然能获得好的正确分类性能．     

基于小波变换的中药光谱图谱与色谱图谱分类特性研究

对中药光谱指纹图谱与色谱指纹图谱的分类特性进行了研究,针对同一种药品数据样品的光谱图谱与色谱图谱进行小波分解,得到其高频部分和低频部分,使用 k-近邻方法对4组经变换后的数据进行分类。结果表明,无论是原始数据还是经小波变换后的数据,光谱数据分类效果都明显好于色谱数据,同时也可以看出,无论是色谱数据还是光谱数据,原始数据经小波变换后再进行分类,分类正确率都要好于原始数据的分类正确率。     

基于小波变换的多分辨率高维图像检索方法

为解决传统索引方法对高维数据索引时存在的维数灾难问题,提出一种多分辨率向量近似方法．该方法通过小波变换得到一种多分辨率数据结构,在低分辨率上建立低维空间内的距离计算方式．进行近邻搜索时,从低分辨率开始计算候选向量与查询向量之间的距离下限,通过与当前的近邻距离相比较,可以在低分辨率上过滤掉大多数候选向量,避免在高维空间内对其进行距离运算,从而降低运算复杂度．在大型高维图像数据库上的实验表明,该方法可以显著提高向量近似方法的查询效率．     

基于Haar小波变换的无失真图像压缩

提出了一种利用Haar小波进行图像无失真压缩的算法。对线性预测后的图像进行Haar小波分解,将各子带小波系数根据大小分解成两部分,其位置信息分别通过自适应算术编码进行了有效的压缩。试验结果表明,该算法实现简单,达到了很好的压缩效果。     

基于支持向量机的时序周波波形分类方法

针对电力系统输出的周波波形多的特点,提出一种基于小波分析和支持向量机（SVM）的时序周波波形分类方法,实现三相电压源型逆变器的故障分类.利用离散正交小波变换(DOWT)将周波序列变换成小波系数矩阵,利用奇异值分解(SVD)的方法获得系数矩阵的奇异值向量,作为周波序列的特征值.建立基于新的Huffman树来实现支持向量机策略的多类分类模型.将奇异值分解得到的特征向量应用到该分类模型,判断逆变器的故障类型.仿真结果表明,该模型的平均期望准确率比基于普通二叉树的支持向量机多类模型高3.65%,分类准确率达到99.6%.     

Haar小波变换在图像处理中的应用

简述了小波变换的基本思想,着重叙述了使用Matlab软件小波工具包中的Haar小波对原始图像进行分解,并对不同分辨率的子图系数进行相应的运算,从而实现对原始图像的压缩、消噪、增强等处理的过程.得出了Haar小波变换用于图像处理具有速度快、处理方便、图像压缩比高、去噪效果好、图像特征保持性好等优点的结论,为进一步研究基于小波变换的图像处理技术提供了一定的依据.     

采用Haar离散小波变换的彩色图像水印算法研究

提出一种基于Haar离散小波变换的彩色图像水印算法,将载体图像分解为88的图像块,对载体图像块的R、G、B分量和水印图像进行Haar离散小波变换,析出水印图像的低频小波系数。将低频系数隐藏到两个相邻的载体图像块中的R、G、B分量。实验结果证明了算法的有效性,表明算法对抵抗多种攻击具有较好的不可见性、较高的安全性和较强的鲁棒性。     

广义Haar子波

研究了最简单的规范正交子波——Haar子波的简单广义化问题,首先提出尺度系数函数新概念,并引进时移因子,将Haar子波进行拓展而得到一类新的规范正交子波:广义Haar子波;从理论上论证这种简单广义化方法的合理性与广义Haar子波的一些基本性质;给出了广义子波系在时域和频域的闭式表达。     

基于双Haar小波软阈值去噪的阈值选取

基于双Haar小波提出了一种新的去噪方法 .尽管Donoho对软阈值去噪提出了一个计算阈值的公式 ,但它并不适合双Haar小波 .针对这一问题提出了一种适于双Haar小波变换以及其它非正交小波基的阈值选取方法 ,实验证明此阈值的选取是有效的 .     

基于小波阈值的图像压缩

提出了一种基于小波阈值的图像压缩方法,研究了Haar小波在图像压缩中的应用.先对图像进行小波分解、重构,然后与Haar小波相结合,通过设定不同的阈值进行压缩,并将此方法与直接采用Haar小波和Sym5小波的压缩图像进行比较.实验结果表明,本文方法对图像的压缩比及峰值信噪比都有所提高.通过小波工具箱可以实现简单的设定阈值的图像压缩,但是为了达到更好的压缩效果,就需要对压缩方法进行改进.     

基于Haar小波求解第二类Fredholm积分方程

给出Haar小波族,函数逼近并建立Haar积分算子矩阵,该矩阵将积分运算转化为矩阵运算.采用Haar小波函数基作为基底,将积分方程转换为代数方程组求解.通过Matlab模拟获取数值解,并与积分方程的精确解进行比较,表明该算法具有较高的精确度.     

一种基于双Haar小波的图像去噪算法

在小波域实现信号噪声的滤除是近年来图像处理领域中的研究热点,尤其是三通道双Haar小波的提出,使噪声抑制更加有效. 基于双Haar小波变换,并根据Lee滤波的局部统计特性,考虑到小波变换的高频部分涵盖大量的图像边缘等细节信息,因此在滤波窗口选择上提出了具有方向性的新算法,实现了在小波域中平滑噪声的同时还可以保护图像边缘细节不受损失. 实验表明新窗口的模型与Donoho的软门限方法相比较,可以给出更好的去噪效果.     

一种基于双Haar小波的图像去噪算法

在小波域实现信号噪声的滤除是近年来图像处理领域中的研究热点,尤其是三通道双Haar小波的提出,使噪声抑制更加有效.基于双Haar小波变换,并根据Lee滤波的局部统计特性,考虑到小波变换的高频部分涵盖大量的图像边缘等细节信息,因此在滤波窗口选择上提出了具有方向性的新算法,实现了在小波域中平滑噪声的同时还可以保护图像边缘细节不受损失.实验表明新窗口的模型与Donoho的软门限方法相比较,可以给出更好的去噪效果.     

a尺度Haar小波基的构造

对伸缩因子a为大于1的正整数的Haar小波基进行了统一构造，并给出了分解和重构算法。指出只需对一实对称矩阵求特征向量，便容易得到相应的a-1个母小波。     

基于小波变换的遥感数据融合

采用Haar小波方法,对遥感图像进行尝试性的数据融合,实验证明Haar方法和传统的方法相比,具有精度高、效果好的优势。     

基于小波包信息熵和小波神经网络的异步电机故障诊断

采用一种基于小波包信息熵和小波神经网络的方法对异步电机进行故障诊断。将故障信号进行小波包预处理,并在此基础上提取信号的小波包能谱熵和小波包系数熵,构成信号的信息熵特征向量。训练小波神经网络使其在输入特征向量后能有效检测并输出故障模式,以实现对单一故障和复合故障的诊断。通过内嵌的方式把小波变换融入神经网络,具有良好的自适应分辨率和容错能力,可以有效避免局部最小值以及收敛速度过于缓慢的问题。试验表明,基于小波包信息熵和小波神经网络的方法能很好地进行异步电机的故障诊断,且该方法优于同参数下的BP神经网络模型。