基于连续小波变换的湖底回波特征提取

提出了以多尺度连续小波变换值矩阵的奇异值作为识别特征矢量的方法,并利用该方法对湖底回波实测数据进行特征提取与分类。理论分析与仿真试验结果表明,相对于时间-小波能量和尺度-小波能量特征提取法而言,该方法可得到更好的类内紧致性和类间可分性,以及更佳的分类效果。     

基于小波变换的信号去噪应用

讨论了一种基于小波变换的信号去噪方法，从3种不同的去噪方法比较中看出小波变换在信号去噪中的优越性，数值实验及实际运用都证明了该方法的有效性．     

基于小波变换和形态学的机织物经纬密度检测

探讨了小波变换和形态学在机织物经纬密度自动检测中的应用。提出先对机织物图像进行预处理,然后进行小波变换,重点研究了相关系数法在最佳重构层次选择中的作用,从而区分出经纱和纬纱信息,并运用数学形态学对二值化后的图像进行修正。最后探讨了平滑后条纹自动计数算法,并由此推导了经纬密度的计算方式。结果表明:该综合方法对平纹织物经纬密度检测的精确度较高,具有一定实用价值。     

小波变换在时间序列信号长程预测中的应用

讨论时间序列信号长程预测的原理和卡尔曼滤波预测模型及其改进模型的应用,及小波变换在时间序列分析长程预测中的应用,通过小波变换将时间序列信号分解,再重构低频信号,从重构后的信号中进行重采样提取时间序列子序列用于信号长程预测的方法.     

基于小波变换的心电信号的分析与处理

本文分析了小波变换与窗口傅里叶变换的时频特性,以及小波变换下信号的奇异特征,研究了基于小波变换的心电信号的特征提取与心电信号的消噪处理,研究结果表明,心电信号中ＱＲＳ波的平均检出率可达９９％以上;经消噪处理后的重建心电信号的信噪比可由原来的５．１ｄＢ提高到１２．８ｄＢ,因此,小波变换技术是生物医学信号分析与处理的又一可行有效的技术方法。     

基于傅立叶变换和小波变换的信号处理

介绍了傅立叶变换、小波变换等几种常见的分析处理信号的方法,并对一个实例信号分别利用这两种方法进行了分析处理,阐明了这两种变换在对信号处理上的不同特点。     

水文时间序列多时间尺度分析的小波变换法

以长江宜昌站近100年（1890～1987）年平均流量过程为例，利用Marr小波和Morlet小波变换对水文序列的多时间尺度演变特性进行了分析，研究结果表明，其年际及年代际时间尺度在时间域中分布很不均匀，具有明显的局部化特征，小波变换法分析了水文水资源系统多时间尺度是优越的。     

基于小波变换的边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起着非常重要的作用。本文在简要介绍小波变换的基础上,给出了小波变换的边缘检测理论。边缘检测采用3次B样条小波。实验证明,利用小波变换提取的图像边缘效果明显优于sobel、canny等传统的边缘检测方法。     

结合小波变换的结构风险最小化空时均衡器

提出了一种结合小波变换的结构风险最小化空时均衡器(WSRM STE),WSRM STE采用小波变换技术可提高收敛速度. 该方法在多维小波基上张成的空间中,综合利用通信信号中的学习信息和滤波器自身的结构信息,可自适应调整最佳小波系数和容量控制作用. 通过仿真实验,并与结构风险最小化空时均衡器(SRM STE)和结合小波变换的支持向量机空时均衡器(WSVM STE)比较,得出结论：WSRM STE收敛速度快,跟踪性能好,在复杂环境下的无线移动通信中具有一定的应用前景.     

基于离散小波变换的水稻生育期降水量多时间尺度特征分析

为深入分析水稻生育期降水多层次变化特征,运用小波分析理论,采用morlet小波函数对降水量序列进行离散小波变换,分析其多时间尺度特性,揭示降水量在不同时间尺度下的小波变换时频特征、丰枯交替变化的周期规律以及未来的发展趋势,为制定科学合理的灌溉制度提供一定的参考。研究结果表明,不同的时间尺度分辨率下,水稻生育期降水量序列会表现出不同的周期交替现象,主要存在5a、13a和32a的周期。     

小波变换的离群时序数据挖掘分析

针对时序数据进行离群数据挖掘方法的研究。通过对时序数据进行离散小波变换,将其从时域空间变换到频域空间,使时序数据映射为多维空间的点。该方法具有多尺度、时移不变性等特点,经离群时间序列进行离散小波变换后,不仅具有良好的保距性又达到降低维数目的。然后提出一种基于距离的离群时序数据挖掘算法。仿真试验表明了该方法的有效性。     

基于小波降噪的二次相关窄带时差估计方法

针对传统时差估计算法在窄带信号源环境中精度低的缺点,提出了一种基于小波降噪的二次相关时差估计算法。仿真结果表明,该算法在低信噪比下优于传统的相关算法以及二次相关算法,并且带宽越小,较相关算法的优势越明显,是一种适用于窄带信号源的高精度时差估计算法。     

基于小波变换和时域融合的图像去噪方法

噪声对后续图像处理的质量有严重影响，经典的去噪方法在抑制噪声的同时会丢失图像中的细节。文中分析了信号与噪声在小波域的系数之间的关系。信号系数幅值较大．数量较少，而噪声系数幅值较小．数量较多；此外，利用从同源的多幅图像中抽取的信息能够比任何单一图像所提供信息更为准确可靠的时域融合技术，提出了一种基于小波变换和时域融合的去除噪声方法。实验证明这种方法能有效去除图像噪声，最大限度地保存图像细节。     

合理延迟时间的理论分析和试验研究

先行理论分析建立岩巷掘进爆破合理延迟时间的计算公式,而后模型试验研究并优化,并据此进行工业试验．结果表明：５０ｍｓ的延迟时间可以改善破碎效果和减少抛掷距离,并能明显提高岩巷掘进速度．     

基于小波变换的X线图像消噪

在对智能整骨机器人中的骨折X线图像的特点和噪声来源进行分析的基础上，提出了利用小波变换的多分辨分析特性，采用时间窗和频率窗都可以改变的时频局部化方法，使图像内的有用信号集中在小波变换的少数系数上，而噪声信号集中到其他小波系数上．在提高图像信噪比的同时，保留了图像的位置信息，确保了临床中利用该智能整骨机器人进行基于模糊控制和神经网络的骨折自动诊断和自动整复的准确度．     

基于小波变换的去噪方法

分析了信号与噪声在小波变换下的不同特点,提出了基于小波变换的去噪方法,且将该去噪算法用算子加以描述,给出了具体实例。小波变硬阈值去噪法和软阈值去噪法的性能比较及仿真实验,表明基于小波变换的去噪方法是非常有效的。     

基于小波变换的MDoF线性体系地震响应分析

本文介绍了多分辨分析分频原理,将小波变换运用于地震信号的分频,推导出基于小波变换的MDOF线性体系地震响应计算公式。通过算例验证了MDOF线性体系各频带动力响应的叠加即为总地震响应的理论。同时也利用小波变换能够有效地去除非平稳地震信号的高频成分,并经小波重构后真实反映动力信号的主要特性,完成结构地震反应的高效计算。     

基于能量和小波变换的双门限联合频谱感知

传统的能量感知算法对噪声比较敏感,在较低的信噪比条件下检测准确性易受到影响,循环特征检测法计算复杂度偏高,为此提出了基于能量检测和小波变换(WT)感知的双门限联合检测算法.该算法对双门限区间以外的区域采用能量检测进行判定,双门限范围内的不确定区域进行小波感知,并根据信道中噪声不确定性自适应调整双门限值,当信道质量较好时,减小两门限之间的距离,否则增大两门限之间的距离,从而控制进行小波感知的概率.仿真结果表明,此算法有效地提高了低信噪比条件下系统的检测性能,降低了算法的复杂度.