谱图傅里叶变换与谱图小波变换基分析研究

卷积神经网络在欧氏数据上取得巨大成功之后,开始在图结构、几何流行等非欧数据上泛化.当前图卷积神经已成为研究热点.在数字图像去噪、压缩、增强、融合以及加密方面傅里叶变换与小波变换是不可或缺的处理手段,在图卷积神经中有卷积定理将傅里叶变换用于实现图上的卷积运算,谱图小波变换也只是实现了卷积的快速算法,都是围绕如何在图结构上...     

基于双树复小波的色谱重叠峰分解方法研究

针对色谱分析中重叠峰的分解问题,提出一种基于双树复小波变换的色谱重叠峰分解方法。首先深入研究了双树复小波变换相较于离散小波变换的优越性;然后利用双树复小波变换分解与重构模拟色谱信号,计算分离度、峰位和峰面积,与离散小波变换的结果对比,并对噪声信号进行测试;最后利用双树复小波变换分解与重构实验所测得的色谱信号。实验结果表明,双树复小波分解色谱重叠峰比一般的实数小波准确,能够有效地分离重叠峰,分解后峰形平滑对称未发生畸变,峰位相对误差与峰面积相对误差较小,适合定性定量分析。     

小波特征提取和随机森林模型解析色谱重叠峰

针对神经网络算法在当前色谱重叠峰解析领域存在易过拟合、网络结构复杂、学习效率低等问题,引入了随机森林模型。利用gausl小波模拟原始信号导数,选取合适的尺度并提取信号的特征拐点;以特征点作为模型输入、子峰面积比作为输出,使用随机森林模型拟合两者之间的映射关系;采用交叉验证的方式确定随机森林模型的参数,并使用CART算法进行模型的构建和训练;一系列实验与现有方法的对比,证明了本文方法不仅能准确对特征拐点和子峰面积之间进行拟合,在模型训练时间上还具有很高的效率。     

基于小波语谱图分析的语音去噪技术

由于不同环境下噪声特性不同,多种环境下的语音去噪成为研究难点。提出一种基于小波语谱图分析的去噪技术。该方法的特点在于：利用小波变换的多分辨性对带噪语音进行多尺度分析,利用语谱图列自相关函数的特性划分语音段和噪声段,利用点连续检测法去除语音段残留的噪声。实验显示,小波语谱图分析去噪法对多种环境下的宽带噪声,抑制效果显著。     

利用基于小波特征提取的网络模型解析色谱重叠峰

提出了一种新的色谱重叠峰解析模型——基于小波特征提取的RBF神经网络模型。首先利用小波变换奇异性的检测原理,从原始色谱信号中提取特征点,这些特征点蕴含了反映色谱峰形状的信息,包括重叠峰个数、保留时间等信息。由小波变换获得的特征点来确定RBF网络的隐节点数目和网络参数的初值,即将拐点对数作为隐节点数目,将峰宽估计值作为输出层连接权的初值,将峰高估计值作为隐节点宽度的初值。再用RBF网络来拟合原始重叠色谱信号,梯度下降法训练后获得的网络参数作为解析结果,实现了重叠色谱峰的分离。实验结果表明:本方法快速、准确、可靠,能有效解析未知组分数的重叠峰。     

一种基于小波去噪的DFT信道估计改进算法

针对小波去噪与DFT插值相结合的信道估计算法没有对循环前缀内的噪声进行去噪的缺点,提出了一种基于小波去噪与改进的DFT插值相结合的信道估计新算法。该算法首先利用离散小波变换对最小二乘(LS)法估计出的结果进行阈值去噪处理,并根据循环前缀内、外噪声方差的均值在DFT插值的过程中设置相应门限,然后对循环前缀内的噪声再次处理,以进一步减小噪声的影响。仿真实验结果表明,在复杂度基本不变的前提下,该算法能够较好地减小加性高斯白噪声的影响,并有效提升信道估计的准确度,其总体性能较小波去噪与DFT插值相结合的信道估计算法更优。     

应用小波系数GSM统计模型的混合傅里叶-小波图像降噪

提出一种混合傅里叶-小波图像降噪算法,该算法的主要步骤是：先在傅里叶域中降噪,然后在小波域中滤除剩余的噪声。小波域中要滤除的是有色噪声,为了考虑有色噪声小波系数间的相关性,采用GSM（Gaussian scale mixture）统计模型描述图像小波系数的统计特性。实验证明该算法能有效提高降噪效果。     

样条卷积用于气相色谱重叠峰的分辨

本文采用了样条卷积（SC）的方法用以分辨重叠峰，通过这个方法考察了有机氯类农药DDT中的2个同分异构体P.P‘-DDD和O.P‘-DDT气相色谱重叠峰，结果表明信号峰的分辨率由处理前的0.840提高到处理后的1.496。     

小波变换在油气预测中的应用研究

通过对小波变换算法的研究,实现了小波油气预测算法.首先对给定的数据进行小波特征参数的提取;其次进行小波参数值的分析和比较,优选油气识别之用的小波特征参数;然后进行小波特征参数的综合,并根据已知井位的油气属性,确定归类的门阀值.     

小波变换及图像压缩编码时小波基选择

阐述了小波变换的原理,分析了小波变换用于图像压缩时小波基选择与图像压缩编码效果的关系,并通过实例加以说明。     

基于小波与傅里时变换的一类短波盲信道自适应分离算法研究

在军事短波通信信息侦察方面,短波盲信道分离有着至关重要的作用。本文对截获到的短波通信信号在信道个数及信道带宽均不确定、信道频谱理论上不重叠条件下的盲信道分离问题进行研究,将小波分析与傅里叶变换相结合,提出了一种短波盲信道自适应分离算法。仿真试验表明,该分离算法能对短波盲信道进行有效分离,具有分离精度高,抗噪声干扰能力强的优点。     

基于子波变换的一种信号除噪新算法研究

针对Donoho去噪算法中阈值难以确定，通过分析白噪声的能量分布在于波变换域随尺度变化的规律，提出了一种采用子波变换来消除信号噪声的新算法。通过对含噪信号的求导运算实现信号与噪声在于波变换域约分离，以达到消除噪声的目的，算法的特点在于能够自动给出信号中噪声的阈值。经过测试，该算法在消除信号中的白噪声时，能够取得比较理想的效果。     

小波变换在医学图像边缘增强中的应用

小波变换是在傅立叶分析基础上发展起来的,它通过尺度参数和定位参数将时域和频域联系起来,通过伸缩和平移等运动对信号或图像数据进行多尺度的细化分析,其应用领域很广。提出了一种基于小波变换的图像边缘增强的方法,通过对小波变换产生的高低频信息进行相应处理,再进行图像重构,最后将生成的各个图像进行融合以实现图像边缘增强。使用Visual C＋＋6．0完成编程实验,其实验结果表明本文所提出方法的边缘增强效果较好。     

基于小波变换的CT和MR图像融合

在临床医学上,CT图像和MR图像分别从不同的角度反映人体信息,将两者融合到一张图像上全面反映人体信息有很大的实用价值.提出了基于小波变换的区域平均梯度最大值融合方法,用实验结果对该方法和其它常用的几个基于小波变换的融合方法进行了比较,并从主观和客观两个方面进行评价,结果表明运用该融合方法进行图像融合取得了良好的效果,融合图像的质量要高于其它几种方法的融合质量.     

快速傅立叶变换中的一种倒位序生成法

快速傅立叶变换是离散傅立叶变换(DFT)的一种快速算法,它的出现使DFT的计算大大简化,运算时间可缩短一、二个数量级,从而使得离散傅立叶变换在信号分析与处理领域中得到了广泛的应用。在应用软件和硬件程序设计中要实现快速傅立叶变换算法,均涉及到序列的倒位序排列问题。针对该问题提出倒位序生成法,直接计算各自然顺序位置的倒位序数值,然后通过变址运算完成原数列的倒位序的排列。该方法对任何满足N=2M点的快速傅立叶变换,能很快实现其变换中序列的倒位序排列。该方法只涉及倒位序十进制数和顺序十进制数,不用对二进制数进行转换,简单易行,仿真实验结果证明算法可靠有效。     

小波变换多尺度分析在地震资料处理中的应用

§1.引言 小波分析是一种时间-频率域分析方法,介于纯时间域的方波分析和纯频率域的傅里叶分析之间,同时具有时间域和频率域的良好局部化性质.不同频率成份在时域上的取样步长具有调节性,高频者小,低频者大.对于不同尺度成份采用相应粗细的时(空)域取样步长,能够不断地聚焦到对象的任意微小细节.本文,利用小波变换的性质,在提高地震资料的信噪比和分辨率方面进行数值实验,取得了良好效果.有关小波变换的定义、多尺度分析、Mallat     

基于小波变换和神经网络模型的数字调制识别方法

由于小波变换对瞬态信息具有较强的检测能力,数字调制信号在间断点呈现不同的瞬态信息。使用提取小波变换后包络方差与均值平方之比的特征参数,来实现3种信号(MFSK、MPSK和MQAM)的类间识别。然后提取经小波变换后的信号幅度层数N1,对MFSK进行类内识别,提取经归一化后的信号再经过小波变换后的尖峰数N2,对MPSK进行类内识别。最后利用人工神经网络作为分类器,仿真结果表明在低信噪比下具有良好的正确识别率。     

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。