基于经验模态分解的图像融合研究

图像融合是对不同渠道摄取的同一景物的多幅图像进行处理,以得到更清晰更实用的图像的过程。它是图像处理过程中的一个重要环节,比如图像拼接就离不开图像融合,因而研究图像融合具有一定的现实和理论意义。目前,以小波分析为代表的多分辨率图像融合技术是一个研究热点,但小波基函数的选取是小波分析的难点,也是小波分析这种信号分析方法的最大瓶颈。经验模态分解则能突破这种障碍,它根据自身的特性自适应的进行信号分解,显示出极大的优越性。把经验模态分解用于图像融合,取得了良好的效果。     

小波与混理论相结合的汇率预测

应用小波变换和混沌理论提出了一种汇率建模及预测的方法。首先应用小波分解理论对汇率序列进行分解,得到低频部分和高频部分;然后在此基础上作进一步分析,以确认高、低频部分都存在混沌特性;再应用混沌理论分别建立高、低频部分的预测模型,进行预测;最后对混沌模型预测的结果予以小波重构,实现对原始汇率序列的预测。对两种主要货币兑美元的日汇率序列进行了实证。研究表明,该方法具有较高的精度,并具有极大的应用前景。     

基于小波包分解的脉搏信号定量分析

本文对照分析了不同生理状态下脉搏信号的波形图与幅值谱之间的差异;基于小波包分解计算得出各种不同生理状态下脉搏信号各个频带的相对比例能量。由此可以推断,根据小波包能量比例可以对脉搏信号所反映的生理信息进行定量分析。     

小波包与混沌和神经网络相结合的人民币汇率预测研究

为了更精确地预测人民币汇率,基于小波包与混沌和神经网络相结合提出一个三阶段时间序列预测方法。首先对汇率序列进行小波包分解,并对分解后所得到的各子序列作混沌分析与判定;然后,基于混沌理论与神经网络相结合分别构建各子序列的混沌-神经网络预测模型;最后,将各个序列的预测结果进行重构,得到最终预测结果。实证结果表明,该方法具有较高的预测精度,可以为人民币汇率提供更加准确的预测。     

小波变换在S模式二次雷达信号分析处理中的应用

为提高二次雷达（Secondary Surveillance Radar,SSR）信号分析处理能力,针 对傅里叶变换在时频域分析的局限性,利用小波信号奇异性检测特点,通过对S模式询 问、应答信号进行小波分解,计算第一层高频系数,得到信号脉冲持续时间,实现了信号报 头检测,并比较高频系数模极大值,提取出信号调制信息,实现了基于小波变换的二进制差 分相移键控（DPSK）和二进制振幅键控（ASK）解调,验证了小波变换技术分析处理二次雷 达信号的可行性。     

人民币汇率预测的小波方法研究

应用小波变换提出一种人民币汇率预测的方法。首先应用小波变换对人民币汇率序列进行分解,得到低频部分和高频部分;然后。对低、高频部分作进一步分析,以确认它们都存在混沌特性;再应用混沌理论分别建立低、高频部分的预测模型,进行预测;最后应用小波理论对混沌模型预测的结果予以重构,实现对人民币汇率的预测。以人民币兑美元日汇率序列为...     

一种小波变换下的ADS-B信号增强算法

S模式的广播式自动相关监视技术（Automatic Dependent Surveillance-Broadcast,ADS-B）是目前空中交通管制大力推广的技术，但ADS-B信号在远距离传输过程中，由于传输信道的影响，会出现幅度减小和能量衰减等问题，从而导致接收到的微弱ADS-B信号不能正确译码。针对这种情况，提出用小波变换对信号做增强处理的方法，首先改进小波系数，接着确定分解层数，再利用重构指数来选取最优小波基，最后对阈值进行改进，考虑在不同的小波分解尺度上选取不同的阈值。对实际数据进行测试的结果表明，该算法能有效地对ADS-B信号进行增强，对信号强度为-94 dBm的微弱信号也能正确译码，译码准确率明显提高，对空中管理、空间安全等实际应用有一定意义。     

双模噪声背景下自适应小波阈值去噪

在分析双模噪声模型统计特性的基础上提出自适应小波阈值算法。新算法中设计改进的阈值函数和控制函数,克服了传统硬、软阈值法的不足,并且自适应得到最佳控制因子。该算法对加入双模噪声的信号进行闭环反馈处理：小波分解、阈值量化处理、小波逆变换重构信号、控制函数寻优。Matlab 2012a仿真结果表明,该算法相对于传统硬、软阈值法,去噪图形曲线清晰、光滑、连续性好,信噪比分别提高9 dB和4 dB。在双模噪声背景下,自适应小波阈值去噪有效、可行,拓展了小波阈值算法的应用。     

浅析小波变换理论及其应用

本文介绍了小波变换的发展历史,基本原理,比较了小波变换与傅立叶变换的各自不同的特点,讨论了当今传输系统中小波变换的应用,通过这些介绍分析,得出小波变换算法在信号处理、瞬态分析、图像处理等方面的优势,最后对小波变换理论的发展及其应用前景作了展望。     

小波包与混沌理论相结合的人民币汇率预测方法研究

基于小波包变换和混沌理论提出了一种人民币汇率建模及其预测的方法。首先,应用小波包变换对人民币兑美元日汇率收益序列进行三层分解,得到从低频到高频八个频率成分的时序,并在此基础上作进一步分析,以确认它们都存在混沌特性;然后,应用混沌理论分别建立从低频到高频八个时序的预测模型,进行预测;最后,基于小波包理论对混沌模型预测的结果予以重构,实现对人民币兑美元日汇率收益序列的预测。与现有方法比较,结果表明该方法具有较高的精度,有极大的应用范围。     

采用小波变换建立价格波动幅度的预测模型

股票市场建立一百多年以来,对股票价格的准确预测一直是众多投资者和学者梦寐以求的目标。股票价格的波动可以分解为波动幅度和波动方向。由于中国股票市场中两者具有不同的性质,并且两者在市场中有不同的应用场合,如价格波动幅度表示市场的易变性,是政府和有关监督部门进行风险控制的主要研究对象,另外对投资者制定投资策略也具有同样重要的意义,因为投资者同样需要考虑风险,投资的目标不外乎风险最小的情况下获得最大的收益。价格波动幅度存在线性相关,长期相关性,多尺度相关性以及局部特性,完全可以利用一定的预测工具进行预测。本文通过小波变换,结合神经网络和遗传算法建立股票价格波动幅度预测模型,获得了比其它模型更高的预测精度,提出了平移小波变换克服了现有小波变换方式的预测边界问题。     

采用小波变换建立价格波动幅度的预测模型

股票市场建立一百多年以来,对股票价格的准确预测一直是众多投资者和学者梦寐以求的目标.股票价格的波动可以分解为波动幅度和波动方向.由于中国股票市场中两者具有不同的性质,并且两者在市场中有不同的应用场合,如价格波动幅度表示市场的易变性,是政府和有关监督部门进行风险控制的主要研究对象,另外对投资者制定投资策略也具有同样重要的意义,因为投资者同样需要考虑风险,投资的目标不外乎风险最小的情况下获得最大的收益.价格波动幅度存在线性相关,长期相关性,多尺度相关性以及局部特性,完全可以利用一定的预测工具进行预测.本文通过小波变换,结合神经网络和遗传算法建立股票价格波动幅度预测模型,获得了比其它模型更高的预测精度,提出了平移小波变换克服了现有小波变换方式的预测边界问题.     

小波分析在GPS数据压缩中的应用研究

GPS测量因其观测时间长,采样间隔短而具有非常庞大的数据量,为降低数据冗余度又不改变信号的特征,本文采用小波分析方法对GPS数据进行压缩处理,并通过小波基及阈值的选择,应用MATLAB语言对信号进行处理。理论与实际分析证明,该方法可以达到压缩数据量的目的。     

人民币汇率预测研究——小波与混沌理论相结合视角

本文首先应用小波变换对人民币汇率序列进行分解,得到低频部分和高频部分;然后,对低、高频部分作进一步分析,以确认其都存在混沌特性;再应用混沌理论分别建立低、高频部分的预测模型,进行预测;最后应用小波理论对混沌模型预测的结果予以重构,实现对人民币汇率的预测.文章以人民币兑美元日汇率收益序列为例进行实证研究,结果表明,本文7的预测方法具有较高的精度和较大的应用前景.     

最小能量框架的跟踪干扰识别和去噪算法

讨论了基于离散信号空间上的最小能量（小波）框架的跟踪干扰信号识别和去噪算法。利用一组框架对采用相位调制的接收信号进行分解，如果受到跟踪干扰，则未干扰区信号和干扰区信号的3个分解子信号将呈现明显不同的能量分布特征，据此提出了一种跟踪干扰信号识别和自适应阈值去噪算法。理论分析和仿真结果表明，识别算法具备低虚警率和漏警率性能，而去噪算法有效抑制了干扰信号能量，10-2 误包率时，BPSK+1/2 Turbo信号中1/16尾部信号受到干信比值10 dB的高斯噪声干扰后，去噪算法获得了约4 dB的增益；而QPSK+1/2 Turbo信号中1/8尾部信号受到干信比值10 dB的高斯噪声干扰后，去噪算法可以把误包率性能从1降低至约0.67的水平。     

一种基于场强差的移动台定位改进算法

为了解决传统的移动台定位过程中信号的传播误差对定位精度的影响,提出了一种基于移动台与服务基站之间的场强差来确定移动台位置的改进算法。小波变换在信号消噪处理中可以取得良好的效果,通过选择合适的小波函数和分解层数,对测量得到的场强差进行分解和重构,然后用经典Chan算法确定移动台位置,大大降低了传播误差对定位精度的影响。仿真表明,该算法能很好地抑制传播误差,其定位效果比直接使用Chan算法更加稳定。     

一种敌我识别辐射源暂态信号指纹特征提取方法

信号的指纹特征是辐射源个体识别的重要依据。针对敌我识别辐射源的个体识别问题，提出了一种基于双树复小波和多重分形的信号暂态特征提取方法。该方法通过双树复小波变换实现信号多分辨率分解，求解分解信号Hilbert谱的信息熵和指数熵，计算信号的多重分形奇异指数和谱值，最终组成表征辐射源的特征向量。通过实验验证，提取的特征向量能充分代表辐射源个体之间的差异；被测信号的信噪比满足8 dB或9 dB的条件时，对辐射源的识别正确率能达到90%以上。统计分析表明该方法提取的特征具有很高的稳定性。     

小波分析在经济金融领域的应用

小波分析能够处理低频和高频数据,聚焦信号的任意细节,依据时间和频率分解变量或序列,在金融经济领域逐渐得到了广泛应用。本文从小波分解和小波去噪出发,介绍了小波分析的基本方法,并探讨了小波变换在经济金融领域的具体应用,包括：宏观变量间的关系、小波变换与格兰杰因果检验结合测试变量间的因果关系、测试多个变量间的频率依赖性和超前-滞后关系、与传统计量模型和机器学习算法结合预测金融变量方面的应用。     

基于小波变换和时间序列模型的Brent原油期货价格预测

本文将小波分析与时间序列模型结合应用于布伦特国际原油价格预测,通过对小波分解与重构方法将油价时间序列分解为趋势(高频)部分和细节(趋势)部分,然后采用ARMA模型对分解后的油价进行样本内预测。实证研究表明,基于小波的组合模型具有较高的预测性能,同时验证了该方法的可行性和有效性。     

基于组合滤波的压缩感知穿墙雷达杂波抑制

针对压缩感知穿墙雷达成像过程中受壁杂波污染严重等问题,提出了一种组合滤波的杂波抑制算法。该算法利用小波预处理、统计信号滤波法相结合的方式对回波信号进行处理,通过动态阈值分段弱正交匹配追踪进行稀疏迭代求解。在强壁杂波存在的情况下,组合滤波法能够有效地消除杂波检测出墙后目标。实验结果表明,该算法与传统单一主成分分析、奇异值分解和经验模态分解滤波相比,所成雷达像的子杂波比分别提高了1.57、1.52、1.26倍。