一种基于小波包最优基算法的图像压缩方法

小波包是近年来的一个研究热点，在图像处理方面有着很广泛的应用，本文提出了一种基于快速小波包算法的图像压缩方法，在一维情况下，它比传统算法提高2．67倍，在二维情况下，和具体的图像大小有关，但比传统算法还是提高了三至四倍，因此加快了图像压缩的进程，取得了很好的实验效果，将图像在小波包最优基下展开，利用小波包最优基极好的空间，尺度定位性，使得图像的小波包变换系数在小波变换域极可能的集中从而使在不降低压缩信号的视频质量情况下，提高了图像的压缩比。     

利用小波包最优基进行图像数据压缩

将图像在小波包最优基下展开,利用小波包最优基极好的空间、尺度定位性、使得图像的小波包变换系数在小波变换域尽可能的集中,从而使在不降低压缩信号的视频质量情况下,进一步的提高图像压缩比成为可能,并给出试验验证。     

基于小波和小波包的脉搏波处理

在脉象信号中,随机噪声严重影响有效信号的特征提取,必须进行消噪处理.通过分析小波变换和小波包的算法原理,用小波变换和小波包对脉搏波进行去噪处理.仿真结果表明,小波包算法具有良好的去噪性能,消噪效果明显优于基于小波变换的去噪算法.     

一种最优小波包基搜索算法

提出了一种最优小波包基搜索算法.信号奇异点的小波分解系数远大于其余点,利用这一特性构成有效的数据压缩方法.在小波包分解各节点中保留与信息有关的较大的系数,去掉其余干扰数据.由于有关的信息被保留下来,舍弃的是大量无关的干扰,一方面达到了消噪的目的,另一方面大大压缩了数据,便于数据的存储和传输.最后基于该算法给出了算法用例,并将该算法应用于分解压缩,得到了较好的效果,证明该算法在工程应用中具有一定的价值.     

虚拟仪器中基于小波包变换的信号去噪

阐述了小波包去噪的原理及算法,介绍了虚拟仪器中应用小波包变换对信号的去噪方法.在LabVIEW平台中通过Matlab Script节点的方式实现了小波包变换对信号的去噪.通过仿真对小波包去噪与小波去噪效果进行了比较,结果表明,小波包去噪效果较好.     

利用小波包最优基进行图像数据压缩

将图像在小波包最优基下展开.利用小波包最优基极好的空间、尺度定位性,使得图像的小波包变换系数在小波变换域尽可能的集中,从而使在不降低压缩信号的视频质量情况下,进一步的提高图像压缩比成为可能,并给出试验验证.     

基于小波包变换的信号去噪方法研究

为有效剔除信号噪声，得到没有污染的信号，便于进行信号分析，介绍了小波包变换的改进方法，给出了信号的小波包分解系数排序方法，将信号的相关性与小波包的多尺度时频分析及重构结合在一起，并用于信号的去噪研究中．通过仿真研究和与目前小波去噪方法进行对比，证明了该方法去噪的有效性．     

一种改进的雷达信号小波包特征提取方法

针对低信噪比下雷达辐射源信号分类问题,提出一种基于小波包特征提取的改进方法。首先对信号进行小波包分解,然后在小波域采用阈值收缩降噪方法对小波包系数进行去噪处理,并提取去噪后小波包能量的统计特征,最后设计支持向量机分类器实现对雷达信号的自动分类。实验结果表明,采用去噪小波包的特征提取方法能有效降低噪声对信号识别效果的影响,当SNR=-3dB时,信号的平均识别率仍能到达93．3％,在较低信噪比下能够得到较为满意的识别效果。     

小波和小波包变换在心电信号去噪中的应用

小波（包）变换软阈值去噪方法具有非线性和自适应性,特别适合非平稳微弱的生物医学信号的去噪,而心电信号恰具有该特征。利用MIT／BIH数据库中没有噪声的胎儿心电的信号作为有用信号并混合高斯自噪声作为干扰来验证小波（包）软阈值去噪的效果。验证结果表明小波（包）软阈值算法去噪效果很好,能有效去除干扰。     

变小波基的小波包电力通信消噪方法的研究

小波包变换是小波变换的进一步发展，能够提供比小波变换更高的分辨率。小波基函数的选择直接影响小波包变换对于信号的处理结果。电力通信中的噪音是影响其通信质量的重要因素。本文研究了一种利用不同小波基函数组合来进行电力通信消噪的方法，通过对实际信号的处理证明了该方法的适用性。     

小波变换及其在信号去噪中的应用

介绍了小波变换和基于小波变换的信号去噪原理及一般方法，并应用MATLAB软件实现了小波去噪的计算机仿真。     

基于最佳小波包基的边海防声目标识别

针对于将声音识别技术应用于边海防目标的识别,提出了一种新的基于最佳小波包基的特征提取方法。具体方法是首先根据边海防声音信号的频率分布特征,对这些信号进行有选择地多尺度小波包分解,获取最佳小波包树,然后将相应的最佳小波包基的能量值归一化后作为特征向量,再将这些特征向量输入BP神经网络训练,用训练好的神经网络对边海防声音信号进行识别。仿真结果表明:在噪声条件下,利用此特征提取方法,识别率达到94%,比基于小波包分解的特征提取方法的识别率高出6个百分点。     

基于小波变换的信号消噪

采用一种新的阈值确定方法：二次平方损失函数法（QSLF法）,通过对待信号进行小波变换,在小波变换域中,把小波系数进行阈值处理,即：增强属于信号的小波系数,减弱或去除属于噪声的系数,然后进行小波变换的逆变换,虽然会造成在小程度上丢失了一些细节,但只要考虑到抑制干部噪声与所保留信号细节之间的权衡问题,仍能恢复出所期望的待分析信号,计算机模拟实验结果表明：该方法能有效的消除噪声。     

基于小波变换的脉搏波信号去噪

利用Mallat算法对脉搏波信号进行多分辨分析和去噪,具有品质因数恒定、运算量小、分解尺度可调的优点,且去噪效果好,整个系统基于MSP430单片机实现,完成了对脉搏波检测的功能,效果较好,有一定的实际应用价值。     

基于小波包的SPIHT算法图像压缩

富含细节、纹理和边缘的图像中,重要信息大量集中在中、高频部分,基于小波变换的压缩方法只对低频信息进行多次分解.针对这个问题,以SPIHT算法为基础,研究了基于小波包分解的图像压缩算法.仿真结果表明,采用小波包分解的SPIHT算法与传统SPIHT算法相比,在同压缩比情况下,峰值信噪比提高了0.35~1dB,适用于纹理丰富的图像的压缩.     

基于小波分析的信号滤波方法研究

论述了小波分析的基本原理,研究了应用小波变换进行信号滤波的方法,通过正交小波包对信号的分解,把频率成分复杂的信号分解到互不重叠的频带,根据需要删除某些频带的信号（噪声）,然后用小波包生包重构算法对信号进行重构,可实现对信号的滤波。给出了应用小波包变换对振动信号进行滤波的实全坷有效地滤除信号中的确定必噪声和随机噪声,可进取出淹没在信号中的非常微弱的特征信息,与传统的信号滤波方法相比具有明显优点。     

小波阈值降噪在岸桥小车轨道振动信号处理中的应用

针对测量时振动信号易受噪声干扰的特点,采用小波降噪法对原始信号进行降噪处理。小波具有“变焦距”、较好的时频局部分析能力等特性,适合非平稳信号振动噪声处理。分别通过小波阈值降噪法对仿真信号并口岸桥小车轨道铰点振动信号进行降噪处理。试验表明,小波阈值降噪法能够较好的消除噪声,能有效提高信噪比、降低均方误差,为进一步分析振动信号奠定了基础。     

基于小波变换的阈值语音信号去噪

介绍了小波变换在语音去噪方面的应用概况.详细阐述了阈值法中的软阈值和硬阈值方法及它们的不足之处,并针对其缺点提出了软硬阈值折衷法去噪算法.最后,通过实验证明了该算法的优越性.     

小波变换信号消噪技术研究

通过对信号与噪声奇异性分析，给出信号与噪声的小波变换模极大值在各个尺度上的表现截然相反的结论，并给出了一种非线性的消噪方法。该方法与传统的消噪方法不同，即不同于低通滤波器滤波，而是根据信号与噪声的奇异点性质不同进行滤波。实验结果表明，这种方法在改善信噪比的同时，又保持相当高的时间分辨率，并且计算简单，有很好的去噪效果。