小波与滤波器组题目总结（彭思龙老师Filter banks and Wavelet）

DL_Wavelet_Price预测 深度学习和小波用于高频价格预测

Unet-ECG细分 该网络使用Unet对ECG进行分段，以识别给定ECG的P，QRS，T分量。 具有长短期记忆神经网络的心电图（ECG）的注释（或分段）。 在这里，我尝试对Unet架构的ECG进行分段，使用[PyTorchWavelets]的编辑版本将来自QTDB数据集的ECG转换为小波域（ ）。 我首先提供ECG和标签作为应用小波变换的输入，然后存储相应的比例以及小波的实部和虚部。 在开始时，我努力使用标准的1d Conv和1d ConvTranspose使输入和输出匹配，我使用WFDB软件包将P段标记为1 QRS标记为2，将T段标记为3。 它在physionet的QT数据库上似乎运行良好，但是标记的方式存在一些问题。 我必须寻找其他数据集才能尝试。 模型 入门 使用wget -r -l1 --no-parent 将QTDB ECG数据集下载到qtdb目录 运行QTDB_Wavel

Matlab小波分析代码，用于分析时间序列的周期变化特征，运行 morletOK,m 文件，需要更换文件路径即可运行！

预测患者生存的生物标志物可以在医学诊断和治疗中发挥重要作用。 如何从数百种蛋白质标记物中选择重要的生物标记物是生存分析的关键步骤。 在本文中，提出了一种使用小波分析、遗传算法和贝叶斯分类器检测结直肠癌患者生存预后生物标志物的新方法。 一维离散小波变换 (DWT) 通常用于降低生物医学数据的维数。 在这项研究中，提出了一维连续小波变换（CWT）来提取结直肠癌数据的特征。 一维CWT无法降低数据的维数，但捕获了DWT缺失的特征，是DWT的补充部分。 对提取的小波系数进行遗传算法选择优化特征，使用贝叶斯分类器建立其适应度函数。 根据优化特征的位置定位相应的蛋白质标记。 Kaplan-Meier 曲线和 Cox 回归模型 2 用于评估所选生物标志物的性能。 在结直肠癌数据集上进行了实验，并检测到了几个重要的生物标志物。 发现一种新的蛋白质生物标志物 CD46 与存活时间显着相关。

这是小波分解与重构的源代码，对于学习分析的人可以参考下，函数都是与MATLAB里面小波函数一致，可以直接使用DB4小波和SYM4小波，其他的类型的小波大家可以自己改改。

1）图像处理中的小波变换C++源代码,含有使用文档和例子,非常全面；2）基于Gabor小波变换的特征提取和人工智能的人脸检测系统源代码；3）小波变换的数字水印算法,附有论文和源程序；4）小波滤波器-代码.r.. . 关于常用图像处理的v.. . 采用多种小波基的离散.. . 利用小波变换进行边缘........

This book is a very intuitive book on wavlet written by Strang G. With comparison to the classical book: A Wavelet Tour of Signal Processing, this book is well written for a beginner.

压缩感知入门，基于小波变换的正交匹配追踪算法可以实现图像的复原

维纳滤波音频去噪matlab代码小波去噪 基于多锥谱自适应小波去噪的Yu和Guizou语音增强的Matlab实现。 布雷西亚大学信息表示高级方法课程的最终项目，2018年。 众所周知，在大多数频域语音增强算法中遇到的“音乐噪声”部分是由于频谱的大方差估计所致。 为了解决这个问题，我们建议在本文中使用基于小波阈值的多方谱的低方差频谱估计器进行语音增强。 导出了一个短时频谱幅度估计器，该估计器结合了小波阈值多峰频谱。 听力测试表明，与子空间和MMSE算法相比，多锥频谱估计与小波阈值结合可抑制音乐噪声并产生更好的质量。 用法 执行SpeechEnhancement.m。 您将需要手动更改代码中的音频路径。 要迭代算法： 一次执行所有代码； 按以下顺序重复各节： 带Multitapers的PSD估计 DWT +阈值+维纳过滤器 重建与结果