• 数据压缩 • 数字滤波 • 基线修正 • 小波变换和自适应系统

机器学习：基于IHS和小波变换的可见光与红外图像融合

【脑认知基础】脑电信号的小波变换和样本熵特征提取方法

2.1 边缘提取的经典方法 2.2 Canny边缘检测算子 2.3 多尺度边缘检测 2.4 小波变换与边缘检测

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类

6.1 概述 6.2 图像编码的基本理论 6.3 无损压缩编码 6.4 限失真编码 6.5 二值图像编码 6.6 小波变换及在图像压缩编码中的应用 6.7 图像压缩国际标准简介

由于轴承故障声信号的混响及临近的机械设备的噪声，造成声信号的频域分析很困难．通过小波变换原理，对滚动轴承故障声信号进行时频分析．通过对声信号的多尺度分解，分离出由故障造成的声信号突变．实验结果表明，较之以往的时域、频域信号处理技术，该方法对声音信号分解更趋合理，是一种可靠和有效的滚动轴承故障诊断新方法．

随着监测技术数字化和信息化程度逐步提高,获得的大尺度采空区围岩损伤演化过程,以及包括各种数据格式的图形、矢量等信息量呈数量级增加.将小波变换、固体断裂非平衡统计和神经网络理论用于对非线性采空区围岩断裂失稳信号进行数据挖掘以及综合分析,有利于正确认识和理解采空区围岩体损伤演化的全过程

◆6.1 概述 ◆6.2 图像编码的基本理论 ◆6.3 无损压缩编码 ◆6.4 限失真编码 ◆6.5 二值图像编码 ◆6.6 小波变换及在图像压缩编码中的应用 ◆6.7 图像压缩国际标准简介

6.1 概述 6.2 图像编码的基本理论 6.3 无损压缩编码 6.4 限失真编码 6.5 二值图像编码 6.6 小波变换及在图像压缩编码中的应用 6.7 图像压缩国际标准简介