提出了一种神经网络的SVM(支持向量机)呼吸音识别算法，将通过小波分析得到的呼吸音特征输入神经网络，作为SVM方法的特征输入，对训练样本进行训练，再对测试样本进行分类识别。对于呼吸音反映的3种状态（正常、轻度病变和重度病变）进行了识别，同时与K最近邻(KNN)方法进行比较。实验结果表明，SVM方法具有较高的识别精度，能够对呼吸音状态进行识别，同时在此领域也验证了在神经网络方法中无法避免的局部极值问题。提示基于 SVM 方法的神经网络呼吸音识别算法有较好的精度，可为身体局域网技术提供信息处理的有效算法。

墨西哥帽子matlab代码小波分析 一维小波分析。 Matlab代码执行一维小波分析。 注意：调用wavelet_run_script，它将依次调用所需的子函数。 基于来自Geoff Spedding的二维小波代码以及来自科罗拉多大学的Christopher Torrence和Gilbert P. Compo的小波代码。 致谢''小波软件由C.Torrence和G.Compo提供，可通过以下网址获得：'' 支持的小波：-莫雷特-墨西哥帽 -普拉布·塞拉潘（Prabu Sellappan）

针对脑电信号的注意力识别精度问题，本文应用深度森林的算法进行仿真研究。首先对原始脑电信号通过小波分析进行预处理去噪，然后采用深度森林的方法进行分类识别。实验分别对6位受试者在注意和非注意两种状态下的脑电信号进行分析，结果表明，对注意力状态识别的准确率达到了95%以上，同时对通用数据库中清醒和睡眠两种状态下的脑电数据进行识别，也取得了较高的识别率，结果证明了该算法对脑电信号注意力识别的准确率是可靠的。

这本书主要介绍了用Matlab7实现小波分析理论的用例，很使用的啊（对于搞数值计算的啊）

书上的代码都有，很有参考价值，每个程序都有题号说明，程序大部分可直接运行

 对脉搏波信号进行分析之前，对信号的去噪非常重要，本论文利用Mallat算法对脉搏波信号进行多分辨分析和去噪，分别对阈值法、平移不变量法、模极大值法的降噪原理进行分析，通过大量实验对比，比较了它们在处理脉搏波信号方面的优缺点。通过对一段含噪脉搏波信号降噪，得到了满意的去噪效果。

sunny_xty文章：python小波分析，频率普分析——代码修改 中的自用数据precip.dat

图 5.57 带有加密设置的程序结构图 加密程序的实现部分在 LPC1700 系列 Cortex-M3 的启动代码 vector_table.c 文件中，如程序 清单 5.19 所示。程序首先使用 IF 伪指令判断是否已定义 CRP_LEVEL 全局变量，若已声明，则 编译CRPx数据到向量表__GpvVectorTable[]（或__GpvVectorRom[]）中，进行加密设置。在Target.c 文件中 targetInit()函数会将向量表挂接到 VTOR 上。 注意：将带有加密设置的程序下载到芯片内部 Flash，在下一次系统复位后加密生效。 程序清单 5.19 LPC1700 系列 Cortex-M3 程序加密实现代码 #if VECTOR_TABLE_IN_FLASH == 1 void *const __GpvVectorTable[] = { #else void *const __GpvVectorRom[] = { #endif /* 中间段代码在此省略，详细请参看例程 */ (void *)IRQ_187_HANDLE, (void *)IRQ_188_HANDLE, (void *)IRQ_189_HANDLE, (void *)IRQ_190_HANDLE, #if CRP_LEVEL == 0 (void *)0xffffffff #endif /* CRP_LEVEL 0 */

小波分析基本上可以说是一门应用数学学科，它并不需要太多、太深的数学基础知识便可人门但是因为小波分析来自于调和分析，因而调和分析的某些基础知识应该被假定已知好在这些基础知识在任何一本有关调和分析的教科书中都是容易找到的，因而我们只是引用便可.

对一维信号、二维信号的小波分解与重构、信号压缩 以及去噪，有比较清楚的代码注释