利用小波分析良好的时频双局域性特点，对准周期性非定常流场的速度信号进行了多辨析研究。使用大涡模拟方法得到了后台阶流动的流场，借助正交离散小波变换将流场中各处的速度信号在不同频带上逐层分解。提出了以特征频带名义频率和特征频带速度幅值作为描述流场各点处湍动能在不同频带上能谱分布的量化指标的新方法。以分析后台阶流动的脉动速度场为例，结果表明，所提出的方法可以为改进大涡模拟方法中的网格分布提供理论依据。

视频编解码芯片ppt， 复旦大学范益波的课程 做视频编解码芯片的必修课

周期方波通过RC系统的响应

表面肌电信号处理的matlab程序，包括带通滤波、50Hz陷波滤波程序，以及计算时域、频域的指标iMEG、RMS ， MF、MPF

使用CubeMX配置生成，底层采用HAL库，可以使用易于上手

图像质量评价的研究已成为图像信息工程的基础技术之一。由于图像的最终接受者是人，所以评价图像质量应反映出人类的主观视觉感知。为构造一种符合人眼视觉特性的图像质量评价方法，利用点扩散函数针对人眼建立了含有波前像差信息的图像视觉评价模型，并用此模型分别对添加不同噪声的图像进行图像质量评价。实验结果表明，该方法是可行的、有效的，不同的人眼对同一幅图像的评价存在有差异，人眼波前像差越小观察到的图像越清晰。该方法不仅能够在评价图像质量时准确反映人眼的主观感知，而且能够直观地呈现不同人眼实际看到的图像。

采集癫痫小鼠模型在常态与致癫状态下的脑电信号以研究其癫痫脑电的自动分类。对经过噪声和伪迹消除预处理的脑电信号进行小波变换，获得不同频率子带的小波系数，对脑电信号及与癫痫特征波相关的小波系数提取相应的线性特征（标准差）和非线性特征（样本熵）；基于这些特征及其组合使用支持向量机分类器实现分类。实验发现基于小鼠脑电本身的标准差和样本熵的分类正确率分别为59.10%和58.00%；而融合各相关小波系数的标准差或样本熵，分类正确率分别达到86.60%和88.60%；融合全部相关小波系数的线性和非线性特征后分类正确率为99.80%。这些结果说明基于小波系数特征融合的分类算法性能有显著提升，能有效实现小鼠癫痫脑电的自动分类。

针对现有刚性罐道故障诊断方法不能消除环境因素影响、接头故障识别率较低等问题,以提高罐道故障种类识别精度为目标,提出了基于小波包和BP神经网络的刚性罐道故障诊断方法。搭建了立井提升系统实验台,模拟台阶突起故障和罐道接头故障这2种典型的罐道故障,采集提升容器振动加速度信号;运用小波包分解对采集的信号进行能量分析并提取故障特征参数,将故障特征参数作为BP神经网络的输入,并选取新的测试样本检测神经网络的诊断效果。测试结果表明,基于小波包分析和BP神经网络的刚性罐道故障诊断方法具有较高的故障识别精度,置信度达到了0.91。

介绍了 2D 双树复小波变换 (DT-CWT) 的两种未抽取形式，它们结合了未抽取离散小波变换的优点（精确的平移不变性，所有尺度上所有同位系数之间的一对一关系) 和 DT-CWT（改进的方向选择性和复杂的子带）。 离散小波变换 (DWT) 是一种空间频率变换，已广泛用于图像处理应用中的分析、去噪和融合。已经认识到，尽管 DWT 提供了出色的空间和频率组合分辨率，但 DWT 存在偏移方差。已经开发了对 DWT 的各种修改以产生移位不变形式。首先，使用未抽取离散小波变换 (UDWT) 实现了精确的移位不变性。然而，UDWT 变体具有相当过度完整的表示以及缺乏方向选择性。最近，双树复小波变换 (DT-CWT) 给出了更紧凑的表示，同时提供了近乎移位的不变性。DT-CWT 还提供改进的方向选择性（每个尺度 6 个方向子带）和复值系数，可用于变换域内的幅度/相位分析。本文介绍了 DT-CWT 的两种未抽取形式，它们结合了 UDWT（精确的平移不变性，所有尺度上的所有同位系数之间的一对一关系）和 DT-CWT（改进的方向选择性和复杂的子带）。

PWM控制电机转速调节和在labview上进行相对应的PWM波生成