二维有限元多尺度小波

本文利用有限元插值和多尺度分析理论构造出了二维有限元尺度函数及相应的有限元多尺度小波。构造出的尺度函数及小波函数具有许多良好的性质，如短支集、高阶消失矩、半正交性、正则性和对称性等。     

B-样条小波的构造

本文利用B-样条的函数和多尺度分析构造出了一类新的样条小波.首先,这种构造方法是非常简单而又易于操作的;其次,构造出的这些小波集许多优良性质于一身,如短文集,高阶的消失矩,对称性和反对称性、半正交性及正则性等.     

B—样条小波的构造

本文利用B—样条的函数和多尺度分析构造出了一类新的样条小波。首先，这种构造方法是非常简单而又易于操作的；其次，构造出的这些小波集许多优良性质于一身，如短文集，高阶的消失矩，对称性和反对称性、半正交性及正则性等。     

多进制样条小波及其在图像压缩中的应用

本文首先证明了样条尺度函数满足M(M为大于等于2的自然数)进制尺度方程,然后构造出了一类新的相应的多进制样条小波。构造方法简单灵活,且可根据需要构造具有高阶的消失矩、对称性、反对称性、光滑性、短支集等优良性质的小波,这些对信号处理是非常重要的。最后,将构造出的小波应用于图象的压缩,与一些常用的小波(如Daubechies小波、biorthogonal小波等)相比,具有更好的计算性能和压缩性能。     

基于多尺度分布式融合估计的GPS/INS组合导航系统的研究

针对如何融合多传感器的数据、提高数据处理的可靠性和精度的问题,将基于模型的动态系统分析方法与基于统计特性的多测度信号变换方法相结合,提出基于Kalman滤波的多尺度分解与估计联合的多尺度分布式融合估计算法.该算法首先建立系统的动态方程和观测方程,再利用小波变换将数据在不同尺度上进行融合处理,归纳出该算法的实现步骤.最后通过组合导航系统的仿真验证算法的有效性,结果进一步证明了该算法能够有效地提高多传感器数据的处理精度.     

基于自适应尺度小波网络的自动驾驶仪故障诊断研究

自动驾驶仪系统具有多维输入信号,且其训练数据在输入空间中非均匀分布,因而在熟悉了BP神经网络的局限性后,本文提出从多分辨分析的角度,运用构造了以非张量积尺度函数和非张量积小波函数共同作为激励函数的多维自适应尺度小波神经网络,将此网络应用于自动驾驶仪系统的故障诊断,仿真结果表明诊断效果良好.本文为自动驾驶仪系统的故障诊断提供了一种新的方法.     

基于小波变换的运动点目标检测方法

在运动点目标的检测问题中，当目标轨迹产生随机偏移时已有检测算法的效果很不理想。为解决这一难题，本文定义了一种新的小波变换——方向小波变换，提出了一种基于方向小波变换的多尺度点目标检测方法，能够稳定、有效地检测出各种作近似匀速直线运动的点目标轨迹     

多尺度小波变换在野值剔除中的应用

常见的野值剔除方法即卡尔曼滤波算法条件苛刻,不易实现。在分析了系统方程之后,利用小波变换的基本原理,将系统信号分解到各个尺度上,在各尺度上分别进行卡尔曼滤波,之后进行小波重构从而得到各尺度下的滤波估值。此算法将小波去噪与卡尔曼滤波算法结合起来,能够更有效地剔除野值。针对卡尔曼滤波算法的复杂性,还提出了一种有效的滤波算法,利用该算法进行小波多尺度分解和滤波和重构,信号野值也可以得到很好的剔除。经仿真实验验证,这两种多尺度小波变换算法都能够很好地剔除野值,效果明显。     

利用多尺度小波变换改进PS点目标探测

如何从SAR图像中自动识别出有效的永久散射体（PS）是PS干涉系统中的关键环节之一。小波多尺度积能够反映目标信号与噪声在各频带之间的关联性,可以通过小波多尺度积来凸显目标。小波模极大值法通过搜索尺度空间中的模极大值,并利用信号和噪声不同的尺度特性来定位和识别目标。文章对这两种识别方法进行理论分析和实验对比,使用南京地区ENVI—SAT卫星的单视复图像数据进行了PS点的提取。实验结果表明：基于小波变换的多尺度PS点识别方法能够有效地降低雷达噪声的影像,可以在各种复杂的背景情况下有效地识别PS点。其中,小波模极大值法具有更为稳健的抗噪能力。     

反对称双正交小波在红外图像小目标检测中的应用

在给出利用反对称双正交小波进行图像多尺度边缘提取的相关理论基础上,针对海空背景下远距离小目标的特点,提出了一种海空背景下红外图像小目标检测方法。首先应用反对称双正交小波变换的多尺度边缘检测方法,确定目标的潜在区域,进一步在潜在区域内采用形态学方法提取目标,从而实现了在小波塔式分解数据上的图像边缘特征提取和小目标检测。与采用二进卷积型小波的检测方法相比,具有图像处理数据量小,实现速度快的特点。实验结果表明,该方法能够有效抑制杂波干扰,准确检测出小目标。