变窗长自适应算法

基于快速横向滤波器结构，本文提出一种可变窗长自适应算法，该算法比滑动窗协方差算法具有更强的跟踪时变环境的能力。

中值滤波的神经网络实现

利用信号的阈值分解,导出适合神经网络实现的信号分解和信号恢复算法。二元信号的中值滤波函数是一对称布尔函数,可以用神经网络实现中值滤波。本文给出一种中值滤波的神经网络实现结构,它具有实时中值滤波特性。

堆滤波并行流水线实现结构

根据信号的广义阈值分解特性，获得了调整阈值电平的修正二叉树搜索算法，并提出一种堆滤波的并行流水线式实现结构。

快速加权滑窗RLS格型算法

在基本加权滑窗RLS算法基础上,利用投影几何方法,导出快速加权滑窗RLS格型算法。计算机仿真结果证实了算法的有效性。

自适应格形算法的并行实现

本文提出一种基于自适应格形算法的并行实现方法。它节省硬件,处理速度高,但不影响算法的性能,适用于高速、高性能的实时处理。

信号在有限维空间上的分解与变换

本文根据对偶原理及正交投影定理，给出了信号在有限维空间上的分解与重构方法。同时，给出了线性变换的相应表示方法。该方法便于数字实现。

小波理论与时频分析Ⅰ：基本理论与历史

小波理论与时频分析分为两个部分。本文是其中的第一部份。这一部分主要叙述小波理论及其发展历史。文中，从付里叶变换分析信号的局限性引出短时付里叶变换。从短时付里叶变换分析非平稳信号存在的问题导出了小波变换。对小波级数，连续小波变换和离散小波变换进行了深入地讨论。最后简要地给出了小波理论的发展历史。有关算法、实现及应用等问题则放在小波理论与时频分析的第二部分中讨论。

样条神经网络

用k阶B样条作为一组线性无关基函数，通过最小二乘准则，导出了一种函数逼近方法。基于该方法，我们提出了一种新的神经网络结构，并给出了相应的学习算法，同时也提出了实现该神经网络的方案。

小波理论与时频分析Ⅱ：算法、实现与应用

本文是小波理论与时频分析的第二部分。主要讨论小波变换的算法，实现及其在信号分析中的应用。首先，讨论了多分辨信号分析的基本理论；然后讨论了信号的多分辨率分解与重建算法及其相应的实现方案；最后就小波理论在计算机视觉、子带编码、数据压缩及滤波方面的应用作了较为详细地说明。