搜索资源列表
xiaobofenxiyingyongshili
- 文章介绍了小波分析在图像处理应用领域的几个实用的例子，分析详细，有源程序和仿真结论分析，有很强的学习性，值得一看
xiaobobianhuanzaixinhaojiancefangmiandeyingyong.ra
- 文章是自己编写的一个现程序，关于小波在信号趋势检测方面的应用，有很强的学习性，有完整的程序和仿真图形
Wavelettuxiangxiaozao
- 文章关于小波图像消噪应用，有源程序和仿真分析，学习价值很强，欢迎大家下载
Watermarkbasedonwavelet
- 基于小波变换域的数字水印实现，程序编写有分析，很容易学习，并且有仿真过程，能够很好的理解
data
- 数字信号处理的Matlab实现的随书光盘，有时谱分析、小波变化、地震观测系统仿真与地面运动恢复等几个数字信号前沿课题，有实用价值
bfunction
- 在matlab环境下，实现用Ｂ样条函数构造小波函数的源程序，经仿真，正确
waveletnnnpid
- 基于小波神经网络的PID控制Matlab仿真,有代表性,值得研究
xiaobofenjie
- 这是小波分解与重构的仿真程序，希望对研究这方面的同志有用！
powerline_db3_noiseclean
- matlab用于电力线消噪，用小波分析的方法，分别给出不同的阈值下的仿真结果，经过调试能生成仿真图
gaijinxiaobojixiansuanfa
- 改进小波脊线法算法分析和仿真-pdf文档
xiaobotuxiangzhenqiang
- 将小波分析融合到数字图象地增强技术中，matlab7.0环境下对基于小波变换地图象增强进行仿真，对传统地增强方法与小波增强方法进行比较。
suanfa
- 给出了一种基于小波变换的图像融合方法，对小波分解后的低频分量通过度量其图像块空间频率和对比度来确定融合图 像的低频分量，对分解后得到的高频分量，选择高频系数时，基于绝对值最大的原则，并对选择结果进行一致性验证，最后重构得 到融合图像。从仿真结果可以看出，给出的方法很好地保留了多幅原图像的有用信息，融合图像清晰度和对比度都较好，是一种有 效的图像融合算法
2121240
- ·程序，通过倒谱的计算能更好的提取 ·matlab代码，实现指纹图片的二值化、细化等功能 ·一款非常不错的国外图形图像处理软件源代码包，可执行 ·s3c2410的中文手册第1.2.3.6.8. ·用VC++实现数字图象的行变换，列变换，小波变换的 ·集成了CListBoxCn、CComboBoxCn ·关于linux下Pthread的使用教程，共有3个 ·实现多人聊天,一人做服务器,其它人做客户端,主要用 ·关于合成孔径雷达信号仿真中匹配滤波
e
- 虚拟仪器代表着目前测试仪器领域的发展方向，LabⅥEw语言是一种功能强大的仪器开发平台。对淹没在噪声中声发射信号的有效提取(去噪)是声发射信号处理技术的第一步，也是声发射信号处理的关键所在。本文介绍了基于小波变换的阈值去噪方法。在LabⅥEw平台上，通过仿真试验，对声发射信号的几种阈值法的去噪结果进行比较，选出一种适合声发射信号去噪的阈值准则。
BPwnn
- 讨论了BP 小波神经网络在训练过程中减小误差函数时最优方向的确定和自适应调整学习率的方法。 首先论证了小波神经网络的数学基础,然后讨论了BP 小波神经网络的学习过程,重点讨论了减小误差函数最优方 向的确定方法,即如何保证步长方向与负梯度方向一致,由此得出了自适应调整学习率的简便方法。该方法具有 普遍性,有广泛的应用价值。仿真结果表明,采用最优梯度下降方向可以大幅度提高BP 小波神经网络的学习速 度。
zhengjiaoWNN
- 基于多分辨分析的递阶逼近思想,采用正交小波网络研究了输入样本空间分布非均匀时非线性系统的 辨识问题. 重点讨论了样本非均匀时网格系的设计问题,并给出了基于该网格系的在线递阶辨识算法. 最后利用正 交小波网络分别对非线性静态和动态系统进行了仿真辨识.
AKindofNon-orthogonalComplexWaveletKernelFunction.
- 指出了非线性动态信号参数辨识的重要性；分析了目前采用的方法的不足；对非正交复Morlet小波满足Mercy条件和再生性的命题作了证明；用复Morlet小波构建出一种核函数，与主分量分析方法相结合，对非线性动态信号进行参数辨识和预测；仿真结果验证了该方法的正确性和有效性，表明该方法具有较好的理论价值和实用价值。
wave
- matlab 小波分析源代码 仿真的程序
imagefusionlunwen
- 基于多小波分析的多光谱遥感图像矢量融合及其仿真的论文，多小波方面写的很详细，对研究多小波的很有帮助！
DWT_1D_and_DWT_2D.m
- 内共有两个程序：1.用Mallat算法实现一维小波变换；2.用DWT实现二维小波变换。 从仿真图可以加深对小波概念及小波变换的原理。