Sobolev空间上乘子的小波刻画，杨奇祥，，Sobolev空间上的乘子在上世纪八十年代就大量被研究，并一直是一个非常活跃的课题。以前人们主要采用Sobolev空间在紧集上的容量来刻画�

鉴于传统单一预测对非平稳信号处理不佳且滤波不足、预测精度不够等缺点,提出基于SVM-Wavelet组合算法对通风机进行故障预测,运用小波进行信号滤波和特征提取,结合SVM训练样本建立模型,最终在与Matlab无缝连接的Lab VIEW上位机软件中实现模型预测。

C++仿写wavelet分解去噪方法

文中在研究遥感影像像素级融合算法的基础上,采用IHS、PCA、Brovey、HPF及Wavelet五种遥感影像像素级融合方法对ETM+数据的多光谱与全色影像进行融合实验,并从融合影像的光谱质量、信息损失、对比度扭曲、空间分辨力几个方面进行比较分析。结果表明,五种融合方法都有效的提高了影像的空间分辨率,但在一定程度上IHS、PCA、Brovey融合影像光谱信息较原始影像存在一定的失真。Wavelet融合法和HPF融合法在信息量和光谱保真性方面较好。在兼顾光谱信息和空间信息综合效应的基础上,认为HPF融合法是ETM+多光谱与全色数据最佳的融合方法。

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。

The Discrete Wavelet Transform

OMP小波算法，效果不错，代码简单易行 % 本程序实现图像LENA的压缩传感 % 程序作者：沙威，香港大学电气电子工程学系，wsha@eee.hku.hk % 算法采用正交匹配法，参考文献 Joel A. Tropp and Anna C. Gilbert % Signal Recovery From Random Measurements Via Orthogonal Matching % Pursuit，IEEE TRANSACTIONS ON INFORMATION THEORY, VOL. 53, NO. 12, % DECEMBER 2007. % 该程序没有经过任何优化

《THE ENGINEER'S ULTIMATE GUIDE TO WAVELET ANALYSIS THE WAVELET TUTORIAL》 by ROBI POLIKAR

本文提出了一种构造自适应小波的新方法。其主要思想是通过设计合适的小波滤波器组来提取信号的不同模式。这种构造导致了一种新的小波变换，称为经验小波变换（EWT）。实验结果表明，与经典的经验模式分解(EMD)方法相比，该方法是可行的。

深度学习基于LSTMs+Wavelet实现对锚索无损检测数据的智能化检测分析.zip本项目将深度学习与数字信号处理算法相结合，通过LSTMs（RNN）与连续小波变换CWT的松耦合提出CwtNet(连续小波长度时记忆网络)，实现了对结构健康体系的无损检测分析。基于深度学习与信号处理理论，对小波分析Wavelet与长短期记忆网络LSTMs进行松散型结合，并提出“连续小波变换长短期记忆网络CwtNet”：①实现对复杂非平稳信号(锚索无损检测数据)有效的处理与识别分析，为该类信号的处理分析提供了一种新的解决方案；②实现了对信号的智能检测分析，避免了人为经验的结果分析识别，简化了传统的处理 系统通过CwtNet算法实现对锚索无损检测数据的智能化检测分析，避免了人为经验的特征结果识别，简化了分析流程和参数调整过程。②系统通过Python编程实现，基于Google的TensorFlow人工智能及深度学习开源软件库实现LSTMs的定义与开发；基于Qt(PyQt)图形用户界面GUI框架实现图形界面程序；对于多种图形绘制任务，系统基于Matplotlib、PyQt设计实现2D、3D绘图控件并完成图形绘制。