提出基于脑电信号（EEG）的睡眠分期研究。利用离散小波变换（DWT）的db8小波分解得到的细节分量作为信号新的表达，把各个细节分量能量作为特征，建立带高斯径向基核函数（RBF）的非线性支持向量机（SVM）模型。研究发现，其对睡眠分期研究的方案是可行的，满足模型对泛化能力的要求。
2021-11-23 22:54:42
367KB
1
讨论了传统的LM S 在信号处理中的不足, 研究了小波变换自适应算法(WLM S)的滤波器结构
和实现, 并将其应用于主动噪声控制。仿真结果表明, 与传统的LM S 算法相比,WLM S 算法的收敛速度
和稳定性得到显著的提高。
2021-11-19 11:06:38
281KB
1
这是一份完整的设计报告，用MATLAB做二维灰度图象的统计分析及DWT变换处理
① 采集一幅像素大于64*64灰度图像；
② 常规的数学统计数据处理：计算图象各象素点灰度值得均值、标准差、方差，并绘出灰度直方图；
③ 采用DWT（离散小波变换）对图像进行分析
2021-11-17 19:19:23
345KB
1
在这段代码中，提出了一种使用离散小波变换 (DWT) 的新混合技术。 我们展示了使用功率信噪比 (PSNR) 作为质量度量的评估，我们展示了具有阈值、量化以及 RLE 和霍夫曼组合作为编码阶段的 DWT，在 PSNR 方面提供了比 JPEG 更好的性能，我们可以获得重要的CR。 我们的算法是这样的： 读取图像-->DWT 变换-->阈值化-->量化-->RLE 编码--> 霍夫曼编码--> 将压缩图像保存在文件中（*.Hdwt） 在解压步骤中我们应该打开文件（*.Hdwt）之后的步骤是这样的：霍夫曼解码-->RLE解码-->量化逆-->IDCT变换-->打开图像为Bmp图像文件： compdwt.m: 压缩图像的主要代码我们只运行 compdct.m decompdwt.m: 为了重建我们的图像，我们在这里的意思是如果我们想解压缩之前获得的文件（.Hdwt），只有我们运行此代码并选择感兴趣
2021-11-16 12:16:43
233KB
1
DWT心电图处理
硕士学位论文-使用DWT进行ECG处理
2021-11-15 16:26:28
45KB
1
为提高水印鲁棒性, 将离散小波变换DWT、奇异值分解SVD和斐波纳契Fibonacci变换结合, 提出一种新的算法。首先, 用Fibonacci变换对拟嵌入的水印进行置乱处理; 然后, 对宿主彩色图像R、G、B三个分量进行二级小波变换和基于4×4分块的奇异值分解, 并用混沌序列选择若干对子块; 最后, 根据人类视觉系统HVS特性对三个分量分配嵌入量、确定嵌入强度, 并通过修改每对子块最大奇异值来实现水印嵌入。实验结果表明本方案具有良好的水印不可见性和鲁棒性。
2021-11-14 10:42:18
1.25MB
1
用于快速小波变换（通过滤波或提升的1-D，2-D，3-D）的软件包。 该软件包包括离散小波变换，逐列离散小波变换和小波包变换。
第一代小波使用滤波器组（周期性和正交）。 包括以下类型的过滤器：Haar，Daubechies，Coiflet，Symmlet，Battle-Lemarie，Beylkin，Vaidyanathan。
通过提升的第二代子波（周期性和普通类型，包括正交和双正交）。 目前，仅针对Haar和Daubechies（正在开发中）的升降方案。 用户可以轻松构建新的提升方案。 提升变换的当前实现比滤波器变换快2倍。
阈值，最佳基础和降噪功能，例如TI通过循环旋转进行降噪，WP
2021-11-10 18:37:41
675KB
1
传统的离散小波变换(Discrete Wavelet Transform，DWT)卷积算法通常采用延拓方法来解决边界效应，处理速度会受到一定影响。为了进一步提高使用DWT的实时性，提出一种新的离散卷积快速实现算法。该方法利用前后端卷积结果对边界小波系数进行校正，有效地解决了卷积运算中的边界效应问题，并减少了计算量。仿真试验和工程应用结果表明该算法能用于分析平稳信号和非平稳信号，具有很高的分解和重构精度以及很好的边界处理性能，并且计算速度比传统方法有较大提高，具有显著的工程应用价值。
2021-11-07 21:21:02
1.67MB
1
信号的突变性常携带有重要的信息，它是信号的重要特征之一。此文分别利用离散小波变换和平稳小波变换对信号奇异点进行检测，论述了二者突变性检测的MATLAB仿真实现，分析了信号奇异点的定位方法和检测效果。将二者的定位方法和检测效果进行比较，得出平稳小波变换（二进小波变换）比离散小波变换（正交或双正交小波变换）能更精确而且快速的对信号奇异点进行定位。
2021-10-31 14:29:54
1.63MB
1