基于小波基函数的语音增强研究

小波分析理论是一种新兴的信号处理理论，在时间上和频率上都有很好的局部性，小波变换可同时进行时域和频域分析，具有多分辨特性，特别适合于处理非平稳信号。小波基是由小波函数经过平移和伸缩得到，具有简单、灵活、随意的特性和多分辨分析的功能。通过计算机仿真小波基函数对语音去噪的实现，并分析了不同阀值函数在语音处理中的效果，仿真结果表明，这些方法的运用能有效改善语音的失真程度，具有一定的实践指导意义。     

基于不变矩和小波神经网络的标志识别方法

对交通标志实时识别应该满足平移、旋转、比例变换具有不变性以及识别精度高等要求.首先采用不变矩来提取标志图像特征,然后利用小波神经网络作为分类器对标志进行识别,该方法很好地满足了上述要求.和常用的BP神经网络标志识别算法相比,小波神经网络算法的训练速度更快和识别精度更高,在车辆自主导航系统中的应用价值更大.     

非高斯非平稳背景噪声中的信号检测方法

在非平稳非高斯背景噪声下,使用经典信号检测理论对信号进行检测往往难以达到理想的效果。文中利用小波包变换,通过将信号及噪声变换到小波包系数域,使得噪声在某些尺度及子空间上的小波包系数成为近似乎稳高斯噪声,从而运用信息融合的思想和经典信号检测理论的分集检测方法,对非平稳非高斯噪声下的确知信号检测问题提出了一种新的检测算法。仿真实验表明该方法是经典信号检测理论的有效推广。     

对称-反对称正交多小波滤波器序列的参数化设计

多小波由于它具有良好的性质已成为小波研究者们研究的热点．在多小波的研究中多小波基的构造是它的一个重要研究课题．由于单小波经过十几年的发展理论非常完善，并且已经构造出具有不同特点的单小波基．因此，从单小波基出发来构造多小波是一种简便而有效的方法．给出了利用单小波基将一类对称-反对称正交多小波滤波器序列参数化的设计方法，可使得多小波的应用更广泛，使用更灵活．     

基于射频数据的道路交通流路径识别优化模型

针对非RFID(Radio Frequency Identification)覆盖道路交通流路径识别误差较大等问题，本文提出基于FCD(Floating Car Data)校核下RFID道路断面交通流路径识别优化组合模型。首先， 利用平移不变小波变换将RFID初始数据切分为可追溯交通流、非追溯交通流及随机项；然后，根据统计路段中浮动车数量将路段分为Full、Defect、Null这3类，并建立FCD-RFID追溯路径模型识别可追溯交通流路径构成，同时，提出考虑出行时间、道路等级和驾驶偏好因素的综合成本阻抗效用函数，通过路径感知随机用户平衡分配模型估算非追溯交通流与随机项路径；最后，通过路径叠加识别断面交通流最终路径构成。结果表明：相较于单一RFID交通流路径识别，组合模型具有更高精度，MAE(Mean Absolute Error)为 72 辆，较单一 RFID 算法下降 62.5%，MRE(Mean Relative Error)为9.5%，下降72.2%；在非RFID覆盖校核道路中，组合模型MRE为13.3%，较单一 RFID算法下降82.0%，有效验证了本文模型的可行性及适用性。     

多小波的多分辨率分析在电力信号处理中的应用

简要介绍了多小波的多分辨率分析方法．以电力系统故障电压信号为原始信号，探讨了多小波在故障检测、故障数据压缩以及故障信号去噪方面的应用，并与传统小波进行了详细比较．仿真算例表明，选择合适的预处理方法，多小波总体上能比传统小波取得更好的效果．     

基于小波和Kalman滤波的交叉口流量组合预测

为更准确地预测动态变化的道路交叉口流量，根据城市道路流量分布的特点，提出了在小波分析和离散Kalman滤波的基础上进行组合预测的方法．这种方法将路口的流量数据构造成几个相关序列，对每个序列分别进行小波变换和Kalman预测，然后将各序列的预测值组合成最终结果．这种预测方法可用于其他动态流量预测，如路段流量预测、路口流量分配预测等．实验表明，该方法可以有效地减少预测误差，并具有较好的鲁棒性。     

基于样条小波的多传感器图像融合

与正交小波相比，样条小波构造简单，对信号的重构具有更好的稳定性．将样条小波用于多传感器图像融合，并对同一目标的不同聚焦含噪图像进行了仿真实验．实验结果表明，对于图像融合，样条小波对噪声具有鲁棒性，优于正交小波．     

小波域子空间滤波法研究

将时域子空间法和小波变换结合在一起,推出小波域子空间滤波算法.具体地讲,把整体观测信号小波系数子空间划分为信号加噪声小波系数子空间和噪声小波系数子空间,根据尺度内时间估计准则,由信号加噪声小波系数子空间重构信号小波系数,从而获得估计信号.实验表明,当用于恢复高斯噪声中Ricker子波时,小波域子空间滤波法相对于传统软、硬阈值法具有明确优势.     

小波滤波的频率结构分析及其在表面形貌分析中的应用

分析论证了Ｍａｌｌａｔ快速小波变换和小波包数据分析的频率结构关系，为小波方法在工程中的应用提供了理论依据，并给出了小波变换及其频率结构关系在表面形貌分析中的应用方法和技巧。     

对称-反对称正交多小波滤波器序列的参数化设计

多小波由于它具有良好的性质已成为小波研究者们研究的热点.在多小波的研究中多小波基的构造是它的一个重要研究课题.由于单小波经过十几年的发展理论非常完善,并且已经构造出具有不同特点的单小波基.因此,从单小波基出发来构造多小波是一种简便而有效的方法.给出了利用单小波基将一类对称-反对称正交多小波滤波器序列参数化的设计方法,可使得多小波的应用更广泛,使用更灵活.     

素理想p在F(μ~1/7)中分解

设F为代数数域,准为其秩为1的非平凡、非阿基米德赋值,R为与其相对应的赋值环,P为R的极大理想(亦称为F中素理想,简称为素理想),本文用扩张平移的方法讨论了素理想P在域F的7次根扩张F(μ~1/7)(μ∈R)中的分解问题,并完全解决了该问题。     

素理想p在F（μ7^-1）中分解

设F为代数数域,Ф为其秩为1的非平凡、非阿基米德赋值,尺为与其相对应的赋值环,P为R的极大理想（亦称为F中素理想,简称为素理想）,本文用扩张平移的方法讨论了素理想P在域F的7次根扩张F（μ7^-1）（μ∈R）中的分解问题,并完全解决了该问题。     

基于小波变换在图像去噪中应用

基于噪声是影响图像质量的重要因素.噪声的存在导致图像的某些特征细节不能被辨识,图像信噪比下降.本文将小波阈值去噪与维纳滤波结合起来,在小波域进行维纳滤波.设计了双小波基维纳滤波器,采用两路小波变换,对静态图像和动态影像进行去噪实验,结果表明改进的小波域去噪方法相比其他方法能够获得较好的视觉效果和较高的信噪比.     

一种M带小波的构造方法及其应用

传统2带小波变换在高尖载波信息中提取暂态居分的应用中存在局限性,M带小波变换弥补了这一缺陷,在探讨M带小波基的构造条件的基础上,研究了一种基于余弦调制完全重构滤波器组的M带小波基的构造方法,仿真分析了局部放电暂态信号的6带小波变换的特点,展示了该M带小波基构造及其应用的优点。     

基于Curvelet变换阈值法的地震数据插值和去噪

成功的信号分离和去噪依赖于所用的变换能否足够稀疏地表达该类信号.事实上,信号在某变换域的系数越稀疏,阈值去噪的效果也就越好.Curvelet变换是一种非自适应的多尺度.多方向性变换,地震数据在Curvelet域有着几乎最优的稀疏表达.最近的研究表明,Curvelet阈值能够得到比小波阈值更好的随机噪声抑制效果,更高的提...     

拱桥三维建模方法

对拱桥结构特点进行分析,依据构造实体几何法理论,提出三维图形变换结合二维面域推移生成三维实体的建模方法,利用Visual C++和ObjectARX工具,通过建模参数,创建封闭图形区域和推移路径,由推移表示法形成桥梁等截面或变截面结构立体,运用平移和镜像等变换方法组装整桥,并以拱桥建模为例实现参数化三维建模,为桥梁三维建模提供新的思路.     

小波分析的应用及其MATLAB程序实现

主要介绍几种常用的小波函数及小波分析的特点，在此基础之上又介绍了一维小波、二维小波及小波包的应用，并给出一个用MATLAB程序实现一维小波在信号奇异性检测例子。     

基于矩不变量的图像目标识别

形状识别在计算机视觉中具有十分重要的意义,理论上矩不变量特征在图像平移、伸缩、旋转时均保持不变.文中提供了针对光学图像上的飞机、汽车目标识别方法的研究,此方法的特点是采用五个不变矩的指数和两个二阶矩为特征,采取直接根据特征值范围进行分类的方式,对18种类型飞机的235幅图片和2种类型汽车的13幅图片进行了识别,识别准确率达到了94%.     

BP小波神经网络模型及其在交通事件检测中的应用

将小波变换和BP神经网络进行紧致型结合,提出了基于BP小波神经网络的高速公路交通事件检测算法,即采用小波函数代替BP神经网络的隐层节点函数,相应的输入层到隐层的权值以及隐层阈值分别由小波函数的尺度参数和平移参数代替,以上下游检测器的速度、流量和占有率作为算法的输入,采用梯度下降法进行网络训练,构建适合于交通事件检测的小波神经网络模型。最后在Matlab中实现了对新加坡AYE仿真数据的实例分析,并将其与现有的经典算法进行了对比分析。结果表明,BP小波神经网络算法在检测率和平均检测时间方面具有明显的优势。