小波包变换及其在电力系统谐波电流检测中的应用

在此阐述了小波变换及小波包变换的基本原理。小波包变换是建立在小波变换的基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果表明,小波包变换方法能够正确地提取电力系统的谐波信号,将电流信号中的基波分量和高次谐波分量分离,验证了该方法的有效性。     

小波变换的快速算法研究及其在图像处理中的应用

文章通过对实序列快速傅里叶变换的算法推导及Mallat算法原理的分析，根据离散小波变换（DWT)算法结构特征，提出了一种离散小波的快速变换算法，给出了相应的算法步骤，从数学理论上进行了论证，并把该算法应用到静态图像处理中，得到了很好的快速和重建效果，具有一定的实用价值。     

小波变换在图像压缩中的应用

由于小波变换具有好的空间分辨率和好的频率分辨率的特性,同时还具有与人类视觉系统很相似的特性,因此在图像压缩领域受到关注。本文首先介绍小波变换基本理论,然后分析小波图像的分解与重构,最后在MATLAB中进行图像压缩仿真实验,并对结果进行了分析。     

基于小波变换的电力系统间谐波检测

间谐波是电力系统中一种特殊的谐波,它大量存在于电网中。间谐波对电网危害大,所以对它进行监测和分析具有重要的意义。针对基于傅里叶变换（DFT）的间谐波分析方法易受噪声干扰和对间谐波分辨率低的缺点,提出了一种基于小波变换的间谐波分析方法。仿真结果表明,该方法具有高分辨率特性,可以很好地分析间谐波。在电力系统间谐波分析方面具有经典DFT方法无可比拟的优越性。     

小波变换在图像数据压缩中的应用

小波变换的图像编码方法,不仅拥有传统编码的优点,能够消除图像中的统计冗余,并且,其多分辨率的特性提供了消除非统计冗余信息的良好机制。基于离散小波变换(DWT)理论,介绍了DWT在数字图像压缩中的应用,使用零树编码实现了数字图像压缩,并同时保持原图像在各种分辨率下的精细结构,该方法对消除图像中非统计冗余信息提供了有效途径。     

谐波小波在TDLAS 信号分析中的应用

波长调制谱技术（WMS）在慢扫描信号基础上叠加上高频的调制电流,并加到半导体激光器的驱动电流上,于是激光频率在线性扫描的同时受交流调制。频率调制的激光束在通过吸收气体以后,其吸收线的强度也受到相同频率调制。采用谐波小波方法作为数据解调的手段,对WMS技术产生的信号进行处理并实现了2f信号的提取。采用这种方法对波数为7185.6 cm-1的水蒸气谱线进行测量实验,调制频率达到180kHz,对数据进行谐波小波处理后获得了高质量的2f信号,该2f 信号的峰值中心辨识度高,其数据光滑度、信号的抗干扰能力方面均优于数字锁相方法。     

基于小波变换的电力系统谐波检测的研究

小波变换在电力系统谐波中的应用,与谐波本身的特性是直接相关的,要得到实时性和精确性都较高的检测效果就需要对电力系统的谐波特点,小波在这方面的应用原理有深刻的理解。文中对此在作了深入分析的基础上,还重点研究了采用小波变换研究谐波检测的主要因素,用仿真验证其影响效果。最后针对目前的研究成果论述小波在谐波检测应用中的发展,为小波变换在分析有效、精确、可靠的电力谐波检测方法提供研究思路。     

小波提升算法及其在图像处理中的应用

小波提升算法是一种新的双正交小波构造方法，通过预测算子，确定高频信息，并初步确定低频信息，然后通过更新算子，对初步确定的低频信息进行修正，从而确定低频信息。它在空域对信号进行变换，完成了对信号频域的分析。在图像处理中，基于离散小波变换的提升算法比传统的卷积算法运算简单，实时性好，易于实现，因而被新一代图像压缩标准JPEG2000所采用。文中简要介绍了小波提升算法的原理，分析了其特点，并介绍了JPEG2000标准中采用的W5／3、D9／7两种小波的提升格式和实现算法。     

基于FPGA的小波变换在交通量分析中的应用

当前道路交通量时间序列中舍有大量的杂散数据,增大了交通量统计分析中的误差因数,本文在阐述小波变换基本原理的基础上,提出了基于小波变换的小信号去噪方法。随着数字信号处理的发展,小波变换在工程应用方面显示出了广泛的价值,因此高性能离彀d、波变换的FPGA实现架构的研究就显得尤为重要。本文主要讨论小波变换在在工程及图像去噪方面的应用优势。     

基于谐波小波的电力系统谐波分析

电力系统中的谐波对电网危害巨大,对其进行监测和分析就显得非常重要.在谐波小波以及谐波小波包的基础上,提出谐波小波变换的表达式以及谐波小波算法,给出电力系统谐波分析的仿真示例.仿真结果表明,利用谐波小波变换分解,并通过最小二乘法拟合出的各次谐波频率和幅度的误差率完全符合谐波分析的精度要求.在电力系统谐波的分析中,谐波小波算法具有其他算法无可比拟的优越性.     

基于多尺度阈值技术的小波去噪

多尺度阈值技术的小波去噪是根据小波变换下信号和噪声在多尺度空间中的不同特性,用软阈值函数确定的阈值对不同尺度上的小波系数进行处理,进而达到去除噪声的目的。运用这种方法对信号进行处理时去噪效果良好,并且能够很好地保留原信号的细节信息。     

基于DSP Builder的脑电信号小波处理

针对脑电信号非平稳性特点,利用小波变换对采集到的脑电信号进行滤波处理。然而小波变换巨大的计算量限制其在高速实时信号处理领域的应用,FPGA器件兼具并／串行工作方式,具有较高的并行计算能力,在现场数字信号处理领域具有较强的实时性。提出基于FPGA的小波变换系统设计方法,首先利用DB2小波对脑电信号按Mallat算法进行分解,然后采用小波重构算法去噪。试验结果表明,运用小波分解重构算法,可以对脑电信号进行实时滤波。     

基于小波变换和FPGA的心电监测系统设计

为了提高心电系统除噪效果和运算速度,提出一种基于小波变换和FPGA的心电检测系统。利用离散小波快速算法—Mallat算法,简化小波算法的复杂性。并合理选择母小波和阀值的计算方法,提高了重构信号对真实信号的逼近程度。通过FPGA实现小波算法,利用FPGA运算的并行性,提高了系统的运算速度。采用VHDL编写AD和LCD的控制程序,实现了信号采集和显示的功能。经过MIT/BIH数据对算法进行了仿真验证,表明该算法具有良好的除噪效果,其信噪比SNR可达122.6987,均方差MSE可达0.0023。     

图像小波变换VC程序实现

目前,小波理论应用已成为物理、数学和计算机等学科研究的热点,其中小波理论最成功的应用就是在图像处理中。在小波变换中,人们一般多运用MATLAB作为工具来进行图像处理的研究实现,但是在调用MATLAB小波工具箱的相关函数对小波进行构造时,往往忽略了对底层函数的理解,这对小波的进一步研究带来了不便。本设计重点阐述了二维离散小波变换的Mallat算法实现原理,并运用C＋＋编程实现,这改进了在MATLAB中不足之处,并且在MFC基础上进行了编程,得到一个可视化窗口,更加清晰地体现小波变换算法的核心。     

基于正交小波变换的图像去噪算法研究

提出了一种基于正交小波变换的图像去噪方法,首先利用离散小波对图像信号按Mallat算法进行分解,然后采用软闽值与小波重构的算法进行去噪。深入研究了小波变换中的图像分解与重构的Mallat算法,详细介绍了正交小波变换中阈值的选取,并进行了实验研究。实验结果表明,该方法可以有效去除噪声,并保留了图像细节部分的有用信息。     

基于小波分解的计算机图像去噪算法

计算机图像在形成过程中较易受到外界因素的干扰而形成噪声,对图像质量噪声较大的影响,小波分解可对图像信号在频域中进行细致的划分,选择合适的阈值可实现图像去噪的目的。文中分别对图像质量,小波分解、Mallat算法和小波阈值去噪进行阐述,并利用Matlab仿真软件对应用小波分解的图像信号进行去噪。仿真结果表明,该方法具有较好的图像去噪效果。     

用小波实现箔条噪声的消除

为了对抗反舰导弹的威胁,箔条这种具有多种优点的无源干扰技术被越来越广泛的应用,因此对其进行识别和消除的工作变得相当重要,而小波通过对信号进行多尺度细化分析,能有效地从信号中提取信息,并能放大雷达回波信号的局部细节,从而实现对舰艇和箔条假目标的识别和区分,并进一步去除箔条干扰。利用小波分析这种新兴的信号处理技术中的Mallat算法,完成对箔条噪声消除的计算机仿真。