搜索资源列表
Ch1799
- 小波工具箱的应用基础 395 16.1 一维小波分析的应用 395 16.1.1 小波分解在普通信号分析中的应用 395 16.1.2 小波变换在信号特征检测中的应用 411 16.2 二维小波分析的应用 417 16.2.1 小波分析在图像平滑中的应用 417 16.2.2 小波分析在图像增强中的应用 418 16.2.3 小波分析在图像融合中的应用 420 16.3 小波包分析的应用 422 16.3.1 小波包在信号时频分析中的应用 423 16.
小波包块编码
- 提出一种基于小波包分解的块分割图像编码算法
compressive-sensing-for-CR
- 多天线压缩宽带频谱感知在认知无线电，多级加权小波包分解在宽带频谱感知用在认知无线电上。-Compression of broadband multi-antenna spectrum sensing in cognitive radio, multi-level weighted wavelet packet used in the broadband spectrum sensing in cognitive radio on.
neuralandwavelet
- 对采集到的电压信号进行小波包分解提取特征向量，再进行BP神经网络训练-On the acquisition of the voltage signal to the wavelet packet decomposition to extract feature vector and then BP neural network training
xx
- 本文详细描述了基于小波包的纹理图像去噪方法： 噪声对图像的后续处理影响较大，常用的去噪方法虽然可以去除变化平缓的图 像中的噪声，但对细节较多的纹理图像的去噪效果却不太理想, 文中基于信号和噪声在小 波分解中呈现出来的不同特性，提出了一种新颖的小波包去噪算法, 采用该算法对纹理图 像进行最优小波包分解，并计算每个子频带的两个范数，然后根据范数值区分信号和噪 声，从而达到去除噪声的目的, 实验结果表明，该算法对皮革图像具有较好的去噪效果，不 仅可以去除纹理图像中的大部分
41
- 基于小波包的信号瞬态成分检测与提取方法及其应用,提出基于小波包分解特征表示和瞬态特征重 建方法并应用于汽车变速器齿轮的故障诊断,结果表明基于小波包分解的信号特征表示方法能有效检测信号中瞬 态成分的存在,瞬态成分的重建结果有效地表示了齿轮的故障状态。 -The detection and extraction of signal transients through wavelet packets decomposition are studied and signal trans
Novel-approach-for-texture
- 为提高基于内容的图像检索系统中纹理特征提取的有效性,提出了又一种纹理图像检索方法。该方法 利用非下采样 Contourlet变换对图像进行分解, 提取不同子带和不同方向变换系数矩阵的均值和方差为特征向量, 作 为数据库中纹理图像的索引,并利用两种不同的相似度函数计算图像之间的相似度,建立了一套基于示例查询图像 的纹理图像检索系统。实验结果表明,与小波包等特征提取方法相比, 该方法不仅能降低特征向量维数,而且能取得 更高的检索准确率和检索速度。-To i ncrease t he
wavelet-packet-decomposition-
- 有关小波包分解和介绍的PPT，适合于初学者快速掌握小波包分解相关问题。-the PPT of wavelet packet decomposition and the introduction , suitable for beginners to quickly master the wavelet packet decomposition.
85
- 论述了小波包分解及其能量谱处理发动机连杆轴承故障的原理与方法, 结合传统断火诊断法的思想,应用小波包能量谱直观地识别出故障的特征频带, 并进行量化分析, 结果证明了这种方法比传统的付立叶分析方法具有更大的优越性及现实的应用价值-Discussed and wavelet packet energy spectrum processing engine connecting rod bearing failure principles and methods, combined with trad
wavelet-packet-
- 小波包分解Welch平均法在焊接电弧声功率谱估计中的应用-Application of wavelet packet Welch method in the welding arc sound power spectrum estimation
421
- 针对齿轮滚动轴承等的早期损伤类故障, 提出将小波包分解作为包络分析的前置处理手段以提取振动信号的故障信息特征 。 在简述小波包基本原理的基础上, 通过仿真信号, 对振动信号的具体处理过程进行分析, 并对可能遇到的问题, 提出处理办法, 然后应用于诊断实例 。 -Early damage fault for rolling bearings and other gear, the proposed wavelet packet decomposition as pre-processing mea
zhendongxinhao
- 关于信号分析，小波包分解的程序以及应用方法-The program about signal analysis, wavelet packet decomposition and its application method
xiaobo
- 一个小波包进行边缘检测的代码，是利用分解图片实现的边缘检测-A wavelet packet edge detection code, the use of decomposed image edge detection is achieved
Study-on-compound-fault-diagnosis
- 针对滚动轴承复合故障信号特征难以分离的问题， 提出将双树复小波变换和独立分量分析( ICA) 结合的故障诊断方 法 该方法首先将非平稳的故障信号通过双树复小波变换分解为若干不同频带的分量 由于各个分量存在一定的频率混叠， 对 故障信号特征提取有很大的干扰， 进而引入 ICA 对各个分量所组成的混合信号进行盲源分离， 从而尽可能消除频率混叠 最后 对从混合信号中分离出来的独立分量信号进行希尔伯特包络解调， 即可实现对复合故障特征信息的分离和故障识别-Aiming at the diff
dual-tree
- 首先将非平稳的故障振动信号进行双树复小波包分解，得 到不同频带的分量；然后对每个分量求其峭度值和相关系数并进行比较；最后选取峭度值和相关系数较大的分量 进行软阈值降噪和双树复小波包重构，即可有效地消除振动信号中噪声的干扰，同时保留信号中的有效信息即实 现了故障特征信息的提取。-In view of the above situation, a new fault diagnosis method is proposed based on dual-tree complex wa
energy-leakage--dual-tree
- 首先根据高斯白噪声频率充满整个频带的特性，通过双树复小波包变换对高斯白噪声进行分解，利用频带能量泄漏的定量分析方法，验证了双树复小波包变换具有较低的频带能量泄漏特性；其次利用双树复小波包变换逐层分解信号，对每层分解所得分量求其FFT谱的峭度，得到基于双树复小波包变换的谱峭度图，根据图中峭度最大的原则，可以自动准确的选择信号分解最佳层数和最佳分量；最后将基于双树复小波包变换的谱峭度图的故障诊断方法应用于实际工程中，对齿轮故障振动信号进行分析，选择最佳分解层数和分量后利用希尔伯特包络解调，有效准确地
gege
- 小波包分析提取振动信号中的分解小波包分析提取振动信号中的分解-Wavelet packet analysis vibration signal decomposition wavelet packet analysis vibration signal decomposition
Smal-l-Target--Detection
- 提出了一种新的基于小波包变换 和偏斜度的检测方法。该方法利用小波包对图像进行多尺度分解，解决了高频段分辨率低的问题； 并提出了一个基于偏斜度的高斯判别准则，用于对小波包分解系数进行高斯性检验，最终得到了 小目标的精确检测-The wavelet packets were applied to decompose the image into pyramid subbands at different scales and solve the problem of the high
HARR_DWT2
- 图像尺度为2的全分解小波包，Harr小波变换，一个主程序，两个附程序。-2 full-scale image wavelet packet decomposition, Harr wavelet transform, a main program, two additional programs.