一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

一种小波树分类和合成编码结合的图像压缩方法

针对传统小渡变换过程复杂的缺点和SPIHT算法编码过程重复运算、存储量大的问题，提出了一种小波树分类和合成编码结合的图像压缩方法．该方法首先对纹理丰富的图像进行3级小波变换，再对高频子带通过小波树分类器分为低频树和高频树．最后对最低频子带进行差值脉冲编码调制（DPCM），对低频树和高频树分别进行SPIHT和多阶段矢量量化（MVQ）．仿真结果表明，该方法在峰值信噪比和编解码时间均优于SPIHT算法．在0．125b／s下，Boat图像峰值信噪比（PSNR）比SPIHT算法提高了0．8dB．     

两种智能高效预测方法及其在人机系统中的应用

提出了两种高预测效率、高泛化能力的数值计算方法,一种方法是小波神经网络（Wavelet NeuralNetwork,WNN）算法;另一种是基于小波尺度函数的WSK-SV（Wavelet Scaling Kernel-Support Vector）算法.WNN算法将小波函数与BP神经网络方法相结合,通过输入层、隐含层、输出层间的连接权重以及隐含层使用的激励函数构成了这种算法的关键技术;WSK-SV算法将小波的尺度函数与SV（Support Vector）方法相结合,使这种算法既保持了SVM（Support Vector Machine）的优点,又具有很好的泛化能力.上述两种算法都属于计算智能（Computational Intelligence,简称CI）方法并用于人机系统的性能预测.     

基于神经网络的小波域超声信号消噪技术研究

为了提高超声无损检测（UNDT）与无损评价（UNDE）基础数据的信噪比（SNR），提出了一种基于神经网络模式识别理论的小波域超声信号消噪技术.该技术在研究材料内部散射体引起的结构噪声产生机理，以及分析传统裂谱分析(SSP)算法局限性的基础上，利用小波变换方法将原始超声检测信号分解到小波空间，并通过径向基函数（RBF）神经网络所构成的信噪分离器对信号和噪声进行识别、分离来消除噪声，得到高信噪比的超声回波信号.实验结果表明，与传统裂谱分析算法相比，该技术提高了消噪性能的稳定性，增强了湮没材料内部各类散射体散射中的缺陷回波信号能力     

基于小波变换的包络分析

把小波理论应用于包络分析，介绍了小波包络方法，并把这一方法推广到组合小波包络分析，详细讨论了高斯平顶频窗组合小波的构造和参数选择方法。由于小波分析本身具有时、频域局部化特性，因此小波包络分析不需要配以滤波环节即可提取所需频率范围信号的包络；又由于可以通过改变参数来调节小波频窗的形状、位置和宽度，因此小波包络分析有着很大的灵活性，而且软件实现容易。     

基于尺度函数的插值小波构建方法

经典小波采样理论应用正交小波构建插值小波，然而正交小波的解析表达式通常比较复杂或难以获得，因此在实践中确定和构建插值小波，成为信号处理及调和分析领域研究的重要课题。为此，提出一种构建插值小波的新方法。该方法应用尺度函数构建插值小波，避免了对正交小波的求解，提高了构建插值小波的效率。以Daubechies和Coiflets多分辨分析为例，验证了该方法的正确性和有效性。     

小波分析在齿轮故障诊断中的应用

利用MATLAB语言编程检验了小波分析在齿轮故障诊断中的应用效果。利用双正交小波基（Bior2.4）将减速机箱体的故障振动信号分解到时频域，提取出了齿轮故障信号，同时结合传统的故障诊断方法进一步诊断了齿轮的故障模式，试验结果验证了上述方法结合应用的有效性。     

L20([0,1])的小波基底构造

利用一种简单的、完全在时间域上构造小波的方法－－提升格式构造出Ｌ＾２０（「０,１」）＝｛ｆ（ｘ）∈Ｌ＾２（「０,１」）：ｆ（０）＝ｆ（１）＝ｆ＾１（０）＝ｆ＾１（１）＝０｝的带边界条件的小波基底。     

基于小波变换的图像压缩技术

详细阐述了连续小波变换和一维，二维离散小波变换理论，分析了小波变换的优点以及小波变换用于图像编码压缩的特点和实现方法，并对一些改进的小波图像编码压缩方法作了简要介绍。     

小波分析及其在化学分析中的应用

分析了小波理论的特点，讨论了小波理论在化学分析中的应用，以进一步扩大小波分析的应用范围．     

动态载菏识别的小波正交算子交换法

在动态载菏识别动力学方程中引入离散正交小波（即Haar小波正交基），从而得到了一种新的动态载菏识别方法-小波正交算子交换法，此方法对高阶模态信息能有效地提取，克服了傅立叶变换的缺点，从而提高了动态载菏的识别精度，用一简单质量弹簧系统验证了本方法的正确性。     

基于小波分析的边缘检测

中主要讲述了小波分析和边缘检测的基本理论，以及小波分析在边缘检测中的应用，力图反映出小波理论在边缘检测中的特点。     

基于小波包分析的结构损伤定位方法

提出了基于小波包节点能量（WPCE）相对变化量的结构损伤定位方法，采用其斜率向量和曲率向量2个指标作为损伤定位的依据，从而做到对于结构损伤的无模型定位，最后通过数值算例验证了该方法的可行性。     

焊接缺陷信号的小波去噪方法研究

针对摩擦焊接头‘伪结合’缺陷信噪比低，难以准确检测的特点，利用平移不变量小波方法对缺陷信号进行去噪，该方法通过多次对所分析的信号进行循环平移，再将平移后的信号进行软（硬）闽值小波消噪处理，然后将消噪后的信号进行逆平移，最后平均所获得的结果。实验证明：该方法能够有效地消除软阈值小波去噪过程中出现的pseudo—Gibbs（伪吉布斯）现象，提高了信噪比，使去噪结果更加逼近于真实信号。该方法在摩擦焊检测信号降噪处理方面具有广泛的应用前景。     

基于改进的嵌入式零树小波变换的图像压缩算法

经过对嵌入式小波零树编码（EZW）算法的基本理论分析,对原图像EZW算法进行了改进,提出了一种把小波系数向下取整后并将出现频次较多的系数置零的改进方法,从而减少了EZW算法中扫描次数,节省了存贮空间。实验仿真结果表明,此算法一方面提高了编码效率,另一方面重构图像的质量也并无明显下降。     

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。     

多小波变换在图像压缩编码中的应用与发展

小波变换及量化思想的发展产生了优于现有图像压缩标准（如JPEG算法）的新算法。为了获得图像压缩的最佳性能，小波变换要求滤波器具有众多期望的特性，如正交性和对称性等。但由于很同时满意所有这些期望的特性，小波的设计受到了限制。而与之相关的新领域－多小波则显示了解决小波部分局限性 的可能。多小波提供了更多的设计参数，并能综合多种需要的变换特性。多小波在理论上所表现出来的优势以及它在图像处理方面所具有的潜力，使其受到高度重视，迅速成为新的研究热点。文中介绍了多小波变换有关的基本知识及其近来在图像压缩编码方面的新发展，并对其研究前景进行了评价。     

由小波变换极大值重构信号的一种简单算法

在Ｈｉｌｂｅｒｔ空间多个凸集迭代投影（ＰＯＣＳ）方法中，本文根据压缩映射原理构造迭代投影算子，实现由小波变换极大值重构信号。算法形式简单、不需要小波逆变换，易于计算机（和ＤＳＰ芯片）实现。仿真结果理想。     

小波分析在检测探地回波奇异信号中的应用

本文基于Mallat的研究成果信号在突变点的奇异性表示（局部李氏指数）可以通过观测信号小波变换的模极大值随尺度变化的规律来刻画。将该理论应用到探地声波回波信号的处理中，通过追踪信号小波变换模极大值在不同尺度间的变化规律，来判断探地声波回波信号奇异点的位置，取得了较好的效果。     

基于小波分析的汉语语音识别

将小波分析这一崭新的理论工具应用于汉语语音识别中，并提出了一些应用于语音处理的方法。