二维离散小波变换的FPGA实现

提出了一种二维离散小波变换的FPGA实现方法．并对设计结果进行了功能和时序仿真。本设计方案不仅可以满足实时性的要求，而且采用模块化设计，可以实现多级小波变换。     

小波变换在光谱特征提取方面的应用

人们在处理高光谱图像时一般要对一些典型地物进行光谱分析、特征波段的提取,以便提取出最大量的有效信息,剔除无用或冗余的信息,然后再进行分类识别.采用小波变换的分析方法,选用合适的小波进行分解,根据分解后的高频分量中包含的重要信息,利用局部相邻的正负极值点找出对应于原始光谱曲线上每个吸收带的左右边界;利用局部过零点,即可比较精确的提取出各个吸收带的中心波长.该方法比传统的光谱特征提取方法更简洁、有效,实验证明为一种比较理想的光谱特征提取方法.     

电力系统谐波检测的现状与发展

准确、实时地对电力系统谐波进行检测有着重要的意义。本文根据电力系统谐波测量的基本方法，对近年来电力系统谐波检测的新方法进行了分析和评述。最后对电力系统的谐波测量进行了总结并提出了看法。     

小波变换分离太阳射电频谱图中的纤维结构

太阳射电爆发纤维精细结构是太阳射电爆发活动中一类重要的观测现象,利用二维小波变换对纤维精细结构动态频谱图进行处理,分离频谱图中的纤维结构。首先对原始频谱图实行多层小波变换,由低频分量重构原始图像,就可得到爆发的背景信息,令原始频谱图减去背景并经过阈值处理后,便可将原始频谱图中的纤维结构很好地分离出来。     

图像拼接的小波加快算法研究

本文采用有限正文小波变换方法进行图像拼接，同时，采用向量化的并行处理技术，得到了图像拼接的并行算法，并在银河机上完成了两幅图像的快速拼接。     

碳素材料超声检测的信号处理方法

针对碳素材料超声无损检测存在信噪比较低的问题,从自相关性出发分析了典型超声检测信号的组成成分,提出了在自相关分析的基础上的小波去噪思想,探讨了自相关分析和小波分析相结合的信号处理方法。利用此方法进行实际超声信号分析效果良好。     

基于小波神经网络的信号识别

信号的分选和识别技术在当今信号处理的系统中占有相当重要的地位.小波分析和神经网络是近年来兴起的一种分析信号方法.文中对二者的结合问题进行了研究.小波空间可以作为信号分类的特征空间,进而可以通过神经网络对信号进行特征识别.小波神经网络是基于小波分析而构造的神经网络模型.在信号调制类型识别中,利用小波伸缩平移把信号分解到不同频道上进行特征提取;把提取的特征信息输入神经网络进行分类.仿真结果表明,利用此方法可以较好的对信号进行分选和识别.     

MALLAT算法快速实现方法及其应用研究

MALLAT算法是小波理论中的重要组成部分，根据MALLAT算法的原理，提出了该算法的一种快速的、实用的实现方法；并把该方法应用到噪声主动控制中，实验结果表明：该快速实现方法是有效的、实用的。     

小波分析估计冲击信号之间时间延迟的方法

本文首先分析了小波变换对信号突变的敏感性，并以此来检测跌落零件冲击信号到到达时刻，从而估计不同传感器所测的冲击响应信号之间的时间延迟，模拟铁路冲击的实验数据验证了该方法的有效性。     

基于小波变换的医学图象压缩编码

本文研究了医学图象小波变换系数的统计特征。根据医学图象的特点，提出了基于小波变换的医学图象编码方法。实验表明，这种方法具有较好的压缩编码性能，优于JPEG标准。同时，它支持逐次浮现式传输，从而能满足医学图象存储、通信、检索的需要。