基于Matlab的长序列快速小波变换实现

借助Matlab作为辅助设计工具,在Mallat算法的基础上,利用重叠保留法对长序列进行分段处理,并用圆周卷积代替小波变换中大量的线性卷积运算,有利于信号的实时处理。使用Matlab语言按算法流程编写程序,仿真结果验证了算法的正确性和有效性。     

一种长序列线性相关及卷积的快速算法

随着多媒体通信和数字信号处理技术的快速发展,各种信号处理的方法及相关理论不断完善,其中两种基本方法——卷积和相关得到了广泛的应用.鉴于多媒体信号的数据量很大,如果直接用以上两种方法处理,计算量将会很大.文章通过对快速傅立叶变换(FFT)的算法原理分析,根据线性相关和卷积的数学特征及物理含义,针对长序列信号,提出了一种基于FFT的长序列快速相关及卷积算法,用C++进行了算法编程,在计算机上得到较好的实验效果,提高了运行速度,并结合算术傅立叶变换进行了改进.     

长信号卷积的快速运算及其语音处理的应用

通过对有限长信号卷积运算的快速算法分析，根据长序列信号的结构特点及卷积运算的数学特征，提出了一种长信号引速卷积及相关的算法实现，给出了相应的C 算法程序，结合算术傅立叶变换进行了改进。并把该算法运用到实际的语音处理中，得到了较好的快速和重建效果。     

利用循环卷积实现的素长度ＤＣＴ快速算法

提出了一种利用循环卷积（Ｃycli convolution)和扭循环卷积（Ｓkew cyclic eonvolution)实现计算机素长离散余弦变换（ＤＣＴ）的快速新算法,算法将ＤＣＴ系数分成三部分,ＤＣ分量,偶下标分量和奇下标分量,根据数论理论,本文定义了一种新的标变换算子,利用该算子进行下标变换,将偶下标ＤＣＴ系数的计算转化为一个循环卷积,根据不同长度,奇下标ＤＣＴ系数的计算被转化为循环卷 积或扭循环卷积,利用循环卷积和扭循环卷积的高效率和规则的算法,构造具有简单,规则的结构和较低的运算复杂性和奇素长度ＤＣＴ快速算法。     

一种快速Bilateral滤波器的设计与实现

本文提出了一种Bilatral滤波器的快速算法.在算法的设计上,首先对空间邻近度函数建立一组动态掩模,代替原始耗时的逐点运算,时间降至原有时间的三分之二;再离散化亮度相似度函数,使整个Bilateral滤波器计算公式形成卷积形式;在算法的实现上,引入了快速傅立叶变换FFT进行加速,时间复杂度由卷积运算的0(N2)降至O(Nlog2N),降低了一个数量级.     

一种基于多项式变换的快速卷积算法

文章通过分析一维卷积转换到二维后的快速卷积算法,并受基-2时分FFT算法的启发,提出了一维卷积转换为多维后的快速卷积算法.文中给出了该算法的推理过程,分析了该算法的运算量.结论表明,该算法能有效的降低卷积中的数乘次数.     

基于可分解的卷积核和快速傅立叶变换 FFT 的指纹图像增强算法

指纹识别系统在图像增强阶段涉及很多卷积运算,占用大量的计算时间.在不利用专门的 DSP 处理器进行指纹图像增强处理情况下,常规的卷积运算计算时间非常长.在指纹图像增强过程中,卷积运算主要集中在方向场估计和高波滤波两个阶段.为此本文提出了一种指纹图像增强算法,利用可分解的卷积核和快速傅立叶变换来替换常规的卷积运算,可减少算法的时间复杂度,快速实现指纹图像增强     

一种长序列小波变换的快速实现方法

在对Mallat算法结构进行改进的同时，将长序列快速卷积算法中的重叠保留法引入Mallat算法中，提出了一种适合长序列小波变换的快速算法，给出了数学推导过程和具体实现步骤。该方法大大降低了小波变换的计算量，且并行性很好。仿真实验结果验证了算法的正确性。且运算速度较直接线性卷积实现方法有很大提高。     

快速卷积算法的综述研究

卷积神经网络是深度学习算法应用最广泛的方向之一,目前卷积神经网络的应用不仅仅是停留在科技领域,已经扩展到医学、军事等领域,并且已在相关领域发挥着巨大的作用。卷积是卷积神经网络中最为核心的一部分,卷积运算占整个网络70%以上的时间,所以针对卷积运算的加速研究就显得十分重要。首先介绍近年来的卷积算法,并对其复杂度进行分析,总结了这些算法各自的优点和不足,最后对其理论研究和应用领域可能存在的突破进行了探讨和展望。     

基于FFT的离散卷积算法

卷积运算广泛地用于线性系统的仿真与分析及通信系统的设计等方面.但一般采用的算法的计算复杂性是O(n2)的,本文提出的基于快速傅立叶变换的算法,计算复杂性已优化到O(nlog2n),当数据规模较大时,有明显的优越性.