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。

图像拼接（小波，GUI界面，全境拼接）（Matlab）

实际应用中捕获的一些信号通常由一系列具有多值瞬时频率（IF）的模式组成，即瞬态信号，这使得一些高级时频分析（TFA）工具不再理想甚至无效。幸运的是，此类信号的群延迟 (GD) 可以很好地表示为频率的单值函数。通过考虑适合描述 GD 的频域信号模型，YG开发了一种称为小波变换 (WT) 的基于时间重新分配的同步压缩变换 (WTSST) 的后处理技术。在 WTSST 中，WT 中扩散的 TF 系数被收集到瞬态信号的 GD，旨在生成更集中的时频表示 (TFR)，并且 WTSST 允许检索全部或部分信号。考虑高斯函数下的解析WT，给出了WTSST的理论分析，包括GD候选精度和信号重建精度的分析。此外，在对WTSST理论分析的基础上，引入定点迭代方案，提出了基于WT的时间重分配多同步压缩变换(WTMSST)，进一步改善了WTSST无法准确描述强变频信号的缺点. 仿真和实际信号分析表明，所提出的方法能够恰当地描述瞬态信号的特征。通过引入定点迭代方案，提出了基于WT的时间重分配多同步压缩变换(WTMSST)，进一步改善了WTSST无法准确描述强变频信号的缺点。仿真和实际信号分析表明，所提出的方法能够

The Discrete Wavelet Transform

信号压缩 步骤 1.信号的小波分解 2.对高频系数进行阈值量化处理。对第一到第N层的高频系数，均可选择不同的阈值，并用硬阈值进行系数的量化。 对量化的系数进行小波重构。 压缩与消噪主要区别：第2步。 有效的信号压缩方法： 1.对信号进行小波尺度的扩展，并保留绝对值最大的系数； 2.根据分解后各层的效果来确定某一层的阈值，且这些阈值是互不相同。

针对语音处理问题对离散小波变换及其性质进行了研究,给出了作为语音处理的小波函数及时间因子(a,b)必须满足的条件.利用离散小波变换对语音信号的基音提取、频谱分析和清／浊音分割进行了分析．结果表明,小波变换能准确地提取基音和清／浊音分割,并具有较好的稳健性．

讨论了小波变换的分析方法，为提取旋转机械振动信号特征提供了理论方法。实践表明：小波理论的发展适应于振动信号检测的要求，给监测旋转机械的正常运转和可能引发故障的原因提供了一种科学的研究方法。