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。

研究拼接图像配准问题，针对多幅相关图像进行无缝连接形成清晰图像难度大，为了提高图像拼接速度和精度，提出了一种新的小波变换的图像拼接算法。

基于连续小波变换的远程光纤干涉振动传感器时延估计方法

图小波变换matlab代码

基于openCV实现的图像小波变换和逆变换功能函数源代码，可以在你的工程项目中直接调用，适用于图像融合分析分类识别等计算机视觉领域。

C++小波变换技术与工程实践

针对齿轮箱升降速过程中振动信号非平稳的特点，将阶次跟踪、角域平均和连续小波变换相结合，提出了基于角域平均和连续小波变换的齿轮箱故障诊断方法。首先对齿轮箱升降速瞬态信号进行时域同步采样，再对时域信号进行等角度重采样，转化为角域平稳信号，然后对角域信号进行角域平均，以消除干扰噪声的影响，最后对角域平均信号进行连续小波变换，根据小波幅值图和相位图，就可提取齿轮的故障特征。通过对齿轮齿根裂纹故障实验信号的分析，表明该方法能有效地诊断齿轮的故障状态。

小波去噪是小波变换较为成功的一类应用，其去噪的基本思路为：含噪图像 -小波分解-分尺度去噪-小波逆变换-恢复图像。含噪信号经过预处理，然后利用 小波变换把信号分解到各尺度中，在每一尺度下把属于噪声的小波系数去掉，保 留并增强属于信号的小波系数，最后再经过小波逆变换恢复检测信号。 需要实现的去噪功能：用 wavedec2 等函数实现某图像的二维离散小波分解 和重建，实现目标图像的降噪