在滚动轴承的振动故障诊断中，广泛使用解调方法分析诊断故障。利用软件方法实现共振解调时，必须首先构造窄带高频带通滤波器，提取高频共振信息，然后利用Hilbert变换进行解调分析。通过分析谐波小波变换的实现过程，发现信号经谐波小波变换的实质是将信号带通滤波后，进行Hilbert解调。另外，共振解调中要求带通滤波器是窄带高频带通滤波器，广义谐波小波突破了传统二进小波在低频分辨率高，而在高频分辨率低的限制，能够实现超窄带高分辨率检波，满足共振解调的要求。在此基础上，提出了基于谐波小波变换的共振解调算法，为软件实现

在分析已有小波图像融合方法的基础上,针对高、低频融合规则的选择问题,提出了一种基于小波多分辨率分解的图像融合算法。该算法对小波分解后的低频子图像采用基于主成分分析的低频融合规则进行融合,而对高频子图像采用系数绝对值取最大和基于局部均值方差最大化的融合规则进行融合。实验结果表明,该方法提高了融合图像包含的信息量,最大可能地消除了局部对比度极性反转的情况,明显地增强了融合图像的清晰度,而且很好地保留了源图像中的边缘细节。

为了在弱光条件下由光场的强度分布求得其相位分布，利用分数阶傅里叶变换与光学系统之间的关系，基于Gerchberg-Saxton算法研究了Zernike相差的恢复问题，并进行了数值模拟。通过研究分数阶傅里叶变换与菲涅耳衍射之间的关系，改进了Lohmann光学系统；基于小波理论初步分析了菲涅耳近场与远场输出面对高频和低频成分恢复效果的影响。数值模拟结果表明该算法有良好的收敛性和恢复精度，均方根误差(RMSE)值均保持在0.15λ(λ为光波长)以下，且位于菲涅耳衍射近场的输出面对相位的高频部分恢复效果较好，位于远场的输出面对低频部分恢复效果较好。

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仿真代码介绍

【图像处理】 GUI图像直方图+滤波+小波变换+分割处理系统【含Matlab源码 608期】.zip

小波变换适合处理非平稳信号，使用C语言实现小波变换，实时性高

WaveletAnalysis() 将计算数据集的离散小波变换并提取分割。 对于每个段，计算小波尺度谱和常规功率谱密度。 输出是一个元胞数组，总结了每个段的分析。 提供了示例和文档。

该压缩包里包含两个PPT, 其中一个内容比较粗略, 另一个内容比较详细. 详细的那个PPT涉及内容包括小波变换发展史, 连续小波变换的原理和性质和注意点, 离散小波变换公式的构造, 多分辨率分析框架, 正交小波变换的Mallat快速算法, 二维离散小波变换. 最后还附有Matlab中涉及一维离散小波变换, 二维离散小波变换的函数和应用例子.

擅长智能优化算法、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。

针对传统的傅里叶变换方法在分析非平稳运行电网的电量信号时误差较大的问题,提出了一种基于小波变换Mallat算法的电网谐波检测方法。该方法根据不同的分辨率将电量信号分解到不同的子频段,然后分别对子频段进行多次重构,得到原始信号的基波,最后将采样得到的原始信号与重构的基波信号相减,得到谐波信号。Matlab仿真结果表明,该方法能够有效地将电量信号中的基波与谐波成分分离,谐波检测精确度较高。