对于电压暂降特征测量幅值，持续时间的准确检测是电压质量评估与抑制干扰首要解决的重要课题。本文提出基于对STFT基频幅值曲线增加阈值的新方法。分别用STFT（短时傅里叶变换），小波变换作为时频信号分析工具，针对电压暂降扰动检测问题进行对比研究。电压暂降在起始和结束时刻会产生高频信号，通过检测高频信号发生时刻来定位扰动。使用该方法可在基频幅值曲线图中直观清楚地看出扰动起始和结束时间。并对该方法的抗噪情况进行了研究。仿真结果证明，本文所提出的方法能够准确的定位电压暂降扰动，抗噪能力强，用其来检测电压暂降是一种可行有效的检测方法。

美国凯斯西厨大学数据集（CWRU）批量进行连续小波变换得到时频图像数据集

对于初学小波变换的同学来说，这是一个很好的文章，讲述详细，易懂！并有举例说明。

matlab开发-图像编码的小波变换。图像编码的小波变换

小波相关理论的MATLAB仿真程序，里面程序较多，几乎囊括了所有有关小波理论的仿真程序，大家下载后择优使用

小波变换去噪，软阈值和硬阈值，以及设计的阈值函数来去噪，毕业设计全套。

离散小波变换dwt matlab代码论文代码“使用完全卷积去噪自动编码器消除细胞外神经记录中的噪声” 抽象的 细胞外录音受到大量噪声源的严重污染，使降噪过程成为一项极具挑战性的任务，必须对其进行有效的尖峰分拣才能解决。 为此，我们提出了一种利用此问题的端到端深度学习方法，该方法利用了完全卷积去噪自动编码器，该编码器学会了从嘈杂的多通道输入中产生干净的神经元活动信号。 在模拟数据上的实验结果表明，我们提出的方法可以显着改善受噪声破坏的神经信号的质量，优于广泛使用的小波去噪技术。 要求 Python（已通过v3.8测试）：用于数据生成和网络开发 Matlab（经过R2020b测试）：用于开发小波去噪方法以比较网络的性能 为了安装必要的Python库，请运行以下命令： pip install -r requirements.txt 注意：要运行数据集生成脚本，您还应该安装MEArec Python库。 可以找到说明。 数据集 用于训练和评估的细胞外录音有两种格式，即.mat和.tfrecord 。 . |-- data/ | |-- mat/ | |-- TFRecord/ . 数据组织如下

为了提高神经网络对分布复杂的雷达信号类型的识别率，提出一种结合小波变换、互信息特征选择及神经网络的分类新方法。首先利用小波变换对信号进行特征提取，然后通过基于互信息的特征选择来对特征进行选择，最后把选择出的特征作为神经网络的训练样本对其进行辐射源类型的识别。仿真结果显示，该方法能够利用较少的特征值得到较高的识别正确率。

经典小波分解对信号稀疏化效果不佳，为此设计了基于小波域经验维纳滤波器的稀疏表示算法. 该算法可自适应地衰减每个小波系数，增大系数的稀疏度及可压缩性，从而提高压缩感知算法对信号的恢复质量. 仿真结果表明，与传统的基于小波变换的信号稀疏表示及恢复算法相比，该算法较大地提升了对信号及图像的恢复质量。

基于图的冗余小波变换在压缩感知MRI图像重建中的应用