隨著遙感影像數(shù)據(jù)量不斷增長，為了更加高效地組織與管理海量的遙感影像，研究并提出了改進(jìn)的基于小波分解的影像金字塔構(gòu)建方法。利用多分辨率分析和圖像的小波分解與重構(gòu)算法，參考影像金字塔構(gòu)建的一般方法，將圖像小波分解的不同級系數(shù)量化、編碼后，分別存儲于金字塔的不同層中。該構(gòu)建方法可以有效地降低金字塔各層之間的數(shù)據(jù)冗余，減少總數(shù)據(jù)量和瀏覽時(shí)的數(shù)據(jù)流量，并能更好地支持嵌入式碼流和漸進(jìn)式傳輸。
上傳時(shí)間： 2013-10-20
上傳用戶：1477849018@qq.com
數(shù)字水印是數(shù)字信息安全領(lǐng)域研究的一個(gè)熱點(diǎn)。小波變換算法以其多分辨率分析的特性在應(yīng)用數(shù)學(xué)方面取得了一定的發(fā)展。文中結(jié)合小波算法，在數(shù)字圖像的低頻域中采用分塊方法來嵌入數(shù)字水印，改進(jìn)了小波多尺度分解算法，通過實(shí)驗(yàn)說明，該數(shù)字水印算法對數(shù)字水印的穩(wěn)定性效果明顯
上傳時(shí)間： 2013-11-08
上傳用戶：199311
在魚雷技術(shù)發(fā)展中，低截獲概率技術(shù)（LPI）的采用大大提高魚雷的作戰(zhàn)能力，同時(shí)也對截獲信號提出了更高的要求。本文將基于小波分析的檢測方法，具體對有效的低截獲特征信號信號進(jìn)行檢測，相比于短時(shí)傅里葉變換的基礎(chǔ)上，采用Daubechies5小波對信號進(jìn)行分解變換，證明小波分析方法的有效性及優(yōu)越性。
上傳時(shí)間： 2013-10-22
上傳用戶：lht618
由于模擬電路的多樣性、非線性和離散性等特點(diǎn)，模擬電路的故障診斷呈現(xiàn)復(fù)雜、難以辨識等問題。針對已有方法的數(shù)據(jù)不平衡，提出了一種支持向量機(jī)集成的故障診斷方法。使用小波變換方法提取特征向量，在多類別支持向量機(jī)的基礎(chǔ)上，設(shè)計(jì)了模擬電路的最小二乘支持向量機(jī)預(yù)測模型，實(shí)現(xiàn)了對模擬電路的狀態(tài)的故障預(yù)測。將該方法應(yīng)用于Sallen-Key帶通電路進(jìn)行故障預(yù)測試驗(yàn)，結(jié)果表明，該方法比單一支持向量機(jī)、徑向基神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和APSVM有更好的分類和泛化性能，故障診斷準(zhǔn)確率更高。
上傳時(shí)間： 2013-10-31
上傳用戶：417313137
針對信號檢測中經(jīng)常存在的噪聲污染問題，利用小波分解之后可以在各個(gè)層次選擇閾值，對噪聲成分進(jìn)行抑制，手段更加靈活。本文介紹了小波變換的一般理論以及在信號降噪中的應(yīng)用，分析了被噪聲污染后的信號的特性；利用MATLAB軟件進(jìn)行了信號降噪的模擬仿真實(shí)驗(yàn)并在降噪光滑性和相似性兩個(gè)方面體現(xiàn)出小波變換的優(yōu)勢。本文分別使用了不同類型的小波和相同類型小波下不同閾值對信號進(jìn)行了降噪．仿真結(jié)果表明小波變換具有良好降噪的效果。
標(biāo)簽： 小波分析 信號降噪 中的應(yīng)用
上傳時(shí)間： 2013-10-19
上傳用戶：alex wang
小信號高頻晶體管放大器
上傳時(shí)間： 2013-10-18
上傳用戶：wangfei22
NI MultiSIM 10(V10.0.144)電子仿真軟件漢化文件
上傳時(shí)間： 2013-10-19
上傳用戶：saharawalker
提出了一種基于仿生小波變換和模糊推理的變步長自適應(yīng)濾波語音降噪算法。該算法首先用仿生小波變換法對包含噪聲的語音信號進(jìn)行小波分解，以分離出來的噪聲信號作為自適應(yīng)濾波器的輸入，選擇基于模糊推理變步長自適應(yīng)算法對帶噪聲語音信號進(jìn)行降噪處理，最終實(shí)現(xiàn)語音信號的信噪分離，去除語音信號中的噪聲。仿真結(jié)果表明，該方法對語音信號有較為明顯的降噪效果。
上傳時(shí)間： 2013-10-14
上傳用戶：戀天使569
為去除腦電信號采集過程中存在的噪聲信號，提出了基于小波閾值去噪的腦電信號去噪。以小波閾值降噪為基礎(chǔ)，首先利用db4小波對腦電信號進(jìn)行5尺度分解，然后采用軟、硬閾值與小波重構(gòu)的算法進(jìn)行去噪。通過對MIT腦電數(shù)據(jù)庫中的腦電信號進(jìn)行仿真，結(jié)果表明，采用軟閾值方法有效去除了噪聲，提高了腦電信號的信噪比。
上傳時(shí)間： 2014-12-23
上傳用戶：如果你也聽說
針對齒輪故障特征信號具有強(qiáng)噪聲背景、非線性、非平穩(wěn)性特點(diǎn)，提出采用形態(tài)梯度小波對齒輪振動信號進(jìn)行降噪。首先使用形態(tài)梯度小波把齒輪振動信號分解到多個(gè)尺度上，然后對各層的細(xì)節(jié)系數(shù)進(jìn)行軟閾值方法降噪處理，對經(jīng)過處理后的小波系數(shù)進(jìn)行重構(gòu)。對降噪后的齒輪振動信號采用S變換多分辨率時(shí)頻分析，能夠從具有良好的時(shí)頻分辨率的S變換譜圖提取齒輪故障特征。通過仿真試驗(yàn)和故障軸承的信號分析證明，該方法具有短時(shí)傅里葉變換和小波變換的優(yōu)點(diǎn)，不存在Wigner-Ville分布的交叉干擾和負(fù)頻率，能有效地提取隱含在噪聲中的齒輪故障特征，適合齒輪故障的在線監(jiān)測和診斷。
上傳時(shí)間： 2013-11-01
上傳用戶：AISINI005
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
