基于STM32-F407芯片控制DDS芯片AD9833产生频率可调的三角波、正弦波、方波信号等，1MHz以内，亲测产生波形可靠。

采用小波变换的方法进行显著性图像检测，获取图像中的显著区域

为解决工业计算机层析成像(CT)图像的伪影和弱边缘问题,提出一种基于小波变换的图像区域可伸缩拟合能量最小化分割方法,实现图像边缘的精确定位,从而提高图像测量精度。首先,采用小波变换对图像进行预处理,降低金属伪影。然后,采用所提方法精确分割图像,提高感兴趣区域边缘的定位精度。实际数据测量结果表明,所提方法可有效降低图像弱边缘的影响,测量相对误差低于0.7%,相较Chan-Vese算法,测量精度提高了1.4倍,满足实际测量需求。

Matlab简易小波滤波程序及演示程序-plusx.m 这是一个简易使用的小波滤波程序。理论基础来自陈仲英的《小波分析》。出于简化编程和实用的目的，和理论算法有一点出入，其结果是，完全重构的数据和原始数据两端有点差异。这个程序主要是用于去噪，不会返回完全重构的数据。演示程序直观地显示低通波产生过程。在最后的低通波的图形中，你会看到，D2尺度函数（或D2小波）的影子,这是因为默认滤波器（尺度序列）就是D2的尺度序列。

针对传统的阈值函数在图像去噪中存在硬阈值函数不连续、软阈值函数会产生恒定误差的不足,在多层小波变换的基础上,对阈值选取方法进行了改进,并改变了传统软阈值函数。实验结果表明,该方法无论在视觉效果还是在信噪比定量指标上均优于传统硬阈值法和软阈值法。

在现有阈值去噪算法的基础上提出了一种基于新型符号函数的小波阈值图像去噪算法，该算法提出的新阈值函数具有连续可导、小波系数偏差小、阈值自适应性强等优势。不仅保留了分解后的低频小波系数，还有效滤除了高频系数中的噪声系数，使得重构后的图像更接近原始图像。对高斯白噪声的Bridge图像、Lena图像及含“斑点噪声”的B超Fetus图像进行仿真，实验的结果表明，无论是新阈值函数的视觉效果，还是定量指标PSNR和MSE，均优于现有的阈值图像去噪算法。其边缘及细节信息能得到较好的保护，无明显振荡，图像更平滑、均匀，且在复杂噪声背景下，该方法具有较好的顽健性。

平坦陷波微波光子滤波器的matlab仿真，抽头系数采用since函数值，仿真不同抽头数以及陷波深度的影响和调节。不同抽头数

通常故障产生的高频行波主要有两类,第一类是由故障点和变电站之间的线路产生的,第二类是通过分支节点向故障点反射产生的。针对配电网的短路故障和接地故障,提出了一种基于暂态行波频谱特征分量的故障选线和测距方法,即提取和识别这两种故障行波,通过简单的计算就能准确地进行故障选线以及测算变电站到故障点之间的距离。该方法不需要估算多个测量点,既减少了人工排查时间,又缩短了停电范围,可靠地计算出故障点到变电站之间的距离。通过PSCAD软件搭建仿真模型以及运用Matlab进行数据处理,模拟多种不同类型的母线故障以及线路故障,均验证该方法满足了实验的要求。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

针对融合后的医学图像时常存在细节纹理不够清晰的问题，本文提出一种新的基于非下采样剪切波变换（Non-Subsampled Shearlet Transform，NSST）的医学图像融合算法，对多模态医学影像进行融合，增强细节结构提取的能力，提高图像融合质量，为医疗诊断提供依据.首先，将已配准的源图像进行NSST分解，得到低频子带和一系列高频子带；其次，对于低频子带系数，提出利用局域平均能量与局域标准差的合成值进行子带之间选择的融合策略，有利于完整保存基础信息，对于高频子带系数，利用改进的拉普拉斯能量和（New Sum of Modified Laplacian，NSML）的方法进行融合；接着，将融合过后的低、高频子带进行NSST的逆过程变换，从而得到融合之后的图像；最后，在灰度和彩色医学多模态图像上进行大量的实验，并选择信息熵（IE），空间频率（SF），标准差（SD）和平均梯度（AG）对融合后的图像进行质量评价.仿真结果表明，本文算法在主观视觉效果以及客观评价指标上均取得较大改善.与其他算法相比，信息熵，标准差，空间频率和平均梯度的平均值分别提高了2.99%，4.06%，1.78%和1.37%，融合后的图像包含更丰富的细节纹理信息，视觉效果更好.