红外光谱数据的小波压缩和重建

介绍了小波变换及多分辨分析理论，并利用Ｄａｕｂｅｃｈｉｅｓ的正交紧支集小波基和Ｍａｌｌａｔ算法实现了对红外光谱数据的压缩和重建。计算表明，即使对原始数据压缩５倍，仍能很好地重建原有图谱，重建光谱数据与原始光谱数据之间的均方差为０．２６０，这为光谱数据的存储、检索和处理带来了方便。

小波变换方法的比较──红外光谱数据压缩

介绍了小波变换和多分辨分析的基本理论以及常用小波变换压缩数据的３种方法：（１）只保留模糊信号；（２）全部保留模糊信号及锐化信号中的较大值；（３）保留模糊信号及锐化信号中的较大值．将紧支集小波和正交三次Ｂ－样条小波压缩４－苯乙炔基－邻苯二甲酸酐的红外光谱数据进行了对比，计算表明正交三次Ｂ－样条小波变换方法效果较好，而在全部保留模糊信号及只保留锐化信号中数值较大的系数时。

联用色谱数据的多尺度分析

引入基于正交小波基的多尺度分析，并将其用于色谱／光谱二维数据压缩和消除复杂背景影响的研究．结果表明，该法不但成功地消除了复杂的色谱／光谱背景干扰，而且能同时大幅度地压缩数据量．对模拟和实际体系的应用均获得满意的结果．

红外光谱特征参数对小波压缩比的影响研究

The thesis has profoundly studied the compression of IR spectra by wavelet transformation. The conclusion indicates: IR spectral characteristics themselves greatly influence the compression ratio(CR). The sampling length of IR spectra made the greatest effect on CR, but the increase of sampling points doesn’t have the same step with that of CR. Under the same reconstructed root-mean-square difference, the probable maximal compression ratio which to be decided by IR spectral complexity of simple spectra is greater than that of complicated ones.

小波变换与地震数据压缩

本文详细介绍了小波变换的基本理论及离散信号多分辨率分析的一种具体实现方法（即金字塔算法），并据此提出了一种基于小波变换的地震数据压缩算法。多个数据集的压缩／重建处理表明本方法效果很好，通常情况下压缩比可达8：1～16：1左右。