一类小波基函数的构造及其在测量数据处理中的应用探讨

Shannon函数有很好的滤波性能,但向两端衰减速度缓慢;Gauss“窗”函数有很好的控制小波衰减的特性,但其低通滤波效果较差。根据这两个函数各自的优点构造了一类新的小波基函数,分别为满足低通的父小波和带通的一阶、二阶母小波,讨论了它们的正交性、完备性和紧支集性等性质,以GPS资料为例,分析其信号平滑和压缩效应、边缘效应和奇异点检测,得出一些有益的结论,为大地测量数据处理提供一种小波分析方法。

一种基于δ函数的图象边缘检测算法

提出了一种基于δ函数的图象边缘检测算法 .首先提出了正则化的 Shannonδ函数 ,它是低通滤波器 ,且其傅立叶变换是无限可微的 ,接着推导了正则化的 Shannonδ函数及其一阶导数的时域和频域公式 ,研究了正则化的 Shannonδ函数及其一阶导数与参数 s和 t的关系 .然后根据正则化的 Shannonδ函数及其一阶导数 ,提出了两种边缘检测算法 :一种是用于精细地检测边缘的 D算法 ;另一种是用于从含噪图象中检测边缘的 C算法 .D算法用正则化的 Shannonδ函数的一阶导数检测边缘 .C算法用正则化的 Shannonδ函数平滑噪声 ,用正则化的 Shan-nonδ函数的一阶导数检测边缘 .最后进行了仿真实验 ,仿真实验表明 ,D算法的性能由其参数决定 ,且该算法优于Sobel算法和 Prewitt算法 ;C算法优于 Sobel算法和 Prewitt算法 ,且与 Canny算法的性能相当 .总之 。

基于光学理论的数字水印嵌入算法研究

针对以往点对点的数字水印嵌入方式会使信息的一致性遭到破坏,给水印提取带来一定难度的问题,提出一种基于光衍射特性的点对面的数字水印嵌入算法。该算法用小波函数代替透镜来实现点对面的映射,得到小波系数,再将水印嵌入到系数中。在Matlab中进行仿真实验,结果表明,所构小波函数能够实现点对面的数字水印嵌入算法,在其它领域具有通用性。

基于小波神经网络的时变谐波信号检测

电力系统中存在大量的由于非线性器件对电网电压电流整流、逆变而产生的时变谐波。该文提出使用小波神经网络(wavelet neural network,WNN)算法对这一类谐波进行检测。利用小波变换的时频聚焦特性可得出信号的时变信息;将小波对信号的自适应时频分割特性引入神经网络,提高神经网络的逼近和收敛性能;给出网络参数的选定方案;确定网络的训练算法;分析算法的时效性;并与其它检测方法做出比较。经仿真试验表明,该文所述的方法提高了检测的精度和效率。

小波变换在模型参数拟合中的应用

本文介绍了利用小波变换对实验数据进行预处理,然后根据去噪后的数据来建立更合适的数学模型并求解的新思路.文章以高阶亚正规熔体模型[1]的参数拟合问题为例,说明了小波变换在信息数据处理中的又一重要应用.