在笔迹鉴别中为了便于获取特征字符的细微特征，基于线性矩和小波变换提出了提取特征字符纹理特征的方法。小波变换能有效地提取字符的结构特征，而矩能够很好地对其进行描述。在该方法中，一幅特征字图像可以用一个含有52个元素的特征矢量表示，然后通过训练多个神经网络，并应用神经网络集成的方法将其结果合成，对特征空间进行正确分类。分别在特征字和候选人数变化的情况下进行实验，实验结果显示识别准确率较同类算法平均提高百分之五。

人脸识别技术是模式识别与人工智能的研究热点之一。在生物特征识别中，人脸识别占有极为重要的地位。它在访问控制、司法应用、电子商务和视频监控等领域都有广泛的应用。人脸特征提取是人脸识别过程的核心，特征提取的有效性直接影响到分类的速度和识别的性能

引言 　　在对时变信号进行分析时，小波变换则显现出了明显的优势，因为它能够同时在时域和频域进行局部分析。小波算法由于具有滤波效果好、信号细节损失少的优点，从而引起了人们的广泛关注和实际生活中的不断应用。目前常用的硬件芯片分为两大类：基于大规模可编程集成电路FPGA的纯硬件实现方案和基于高速通用DSP的软件实现方案。采用FPGA的硬件实现方案硬件接口设计灵活，可以和任意数字外围电路直接使用，且其具有高度的集成度和高速的处理速度；而基于高速通用DSP的软件实现方案代码设计灵活，可以快速修改和调试程序。由于小波算法运算量较大，采用DSP方案则不能满足系统的实时性要求。于是，本文提出了一种采用FPGA

小波分析基础讲解，ppt课件，适合初学者

本文介绍了小波分析在心电信号去噪中的应用。心电信号是一种非平稳的随机信号，受到各种类型的噪声干扰。小波分析与传统信号处理方法相比，具有更好的时频局部性和多分辨率分析能力。文章详细介绍了小波去噪的基本原理、步骤、阈值函数和阈值的选取、小波函数的选择以及去噪效果的评价。最后，作者提供了Matlab去噪源代码和PPT资料，方便读者学习和应用。

音频小波降噪实例 DWT_VoiceAnalysis 实例功能： 读取语音信号：'ReferAudio.flac' 并添加幅度为 NoiseAmplitude 的 gauss 白噪声。 采用 WaveName 小波对信号进行 level 尺度分解 采用 4 种方法对信号进行降噪处理并重构，计算相应的信噪比、均方根误差等对性能进行了比较。 保存的音频文件位于 AudioFile 内 欢迎讨论学习

为了克服基于小波尺度谱重排的时频分析方法中时、频分辨率不佳及时频分布可读性较差等问题，提出了一种基于参数优化Morlet小波变换和奇异值分解的海杂波背景下舰船目标检测算法。算法利用Shannon小波熵作为目标函数，根据高频地波雷达信号的特点自适应地优化Morlet小波变换的时间带宽积参数，使得后续重排尺度谱的时、频分辨率同时达到最佳；然后再对重排小波尺度谱进行基于奇异值分解的降噪处理，以抑制环境噪声的影响，进一步提高时频分布的可读性。实验结果表明，与传统的时频分析算法相比，提出的算法具有更好的时频聚集性和较强的噪声抑制能力，能有效地检测海杂波背景下缓慢运动的匀速和匀加速舰船目标。

本文提出了一种新型小型化UWB微带缝隙天线。陷波特性是通过在馈线和辐射板上开两个U型缝隙，引入半波长谐振结构而获得的。通过电磁仿真软件HFSS11仿真计算，确定了天线的几何尺寸。在微波暗室中对天线实物样品的输入端反射特性、辐射方向图等进行测量。

提出了利用小波变换(WT)、非负稀疏矩阵分解(NMFs)和Fisher线性判别(FLD)来进行人脸识别。用小波变换分解人脸图像，选择最低分辨率的子段，既能捕获到人脸的实质特征，又有效地降低了计算复杂性；非负稀疏矩阵分解能显示地控制分解稀疏度和发现人脸图像的局部化表征；Fisher线性判别能在低维子空间中形成良好的分类。实验结果表明，这种方法对光照变化、人脸表情和部分遮挡不敏感，具有良好的健壮性和较高的识别效率。

本文整理分析了Hudson一阶模型、Hudson二阶模型、Cheng模型、Liu模型、Schoenberg线性滑动模型等五种裂隙等效模型的弹性参数表达式。利用数值模拟的方法,分析了裂隙的纵横波速度、弹性参数随裂隙密度、方位角和孔隙填充性质的变化规律,得出了Hudson一阶模型、Hudson二阶模型和Cheng模型的适用条件与适用范围,以及Liu模型与Schoenberg模型的差异性。模拟结果表明:在裂隙密度小于0.05时,Hudson一阶模型和Hudson二阶模型都是有效的;在裂隙密度小于0.1时,Hudson二阶近似的相应特征与Cheng模型相同;在裂隙密度大于0.15以后,Hudson二阶近似开始出现无意义的发散;Liu模型和Cheng模型适用于裂隙密度小于等于0.3的介质。相对而言,Liu模型的适应性更好;Schoenberg线性滑动模型对于含水裂隙的反应最为敏感。