| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 1 绪论 | 第12-21页 |
| ·引言 | 第12-13页 |
| ·小波分析的起源及其发展历史 | 第13-14页 |
| ·小波分析与傅立叶变换 | 第14-16页 |
| ·小波分析的研究现状、应用成果及存在的问题 | 第16-18页 |
| ·研究现状和应用成果 | 第16-18页 |
| ·存在的问题 | 第18页 |
| ·本文创新之处 | 第18-19页 |
| ·本文内容安排 | 第19-21页 |
| 2 小波分析理论 | 第21-36页 |
| ·小波分析简介 | 第21-22页 |
| ·小波分析基本理论 | 第22-25页 |
| ·小波分解及回复 | 第22页 |
| ·多分辨分析 | 第22-24页 |
| ·MRA 在频域中的表现 | 第24-25页 |
| ·正交小波快速算法――MALLAT 算法 | 第25-28页 |
| ·常用小波函数介绍 | 第28-30页 |
| ·小波分析在信号处理中的应用 | 第30-35页 |
| ·瞬态谱分析 | 第31页 |
| ·奇异性检测 | 第31-32页 |
| ·语音图象信号压缩编码 | 第32页 |
| ·电磁波场的计算 | 第32-33页 |
| ·小波分析在去噪中的应用 | 第33-35页 |
| ·小结 | 第35-36页 |
| 3 一类具有普遍意义的半正交单小波基构造方法 | 第36-49页 |
| ·引言 | 第36-37页 |
| ·一类对称、紧支撑、半正交单小波基的构造 | 第37-48页 |
| ·一些相关的结论 | 第37-40页 |
| ·自相关函数的一些性质 | 第40-42页 |
| ·在MRA 中的应用 | 第42-46页 |
| ·说明 | 第46-48页 |
| ·小结 | 第48-49页 |
| 4 一种正交多小波构造方法及应用 | 第49-63页 |
| ·引言 | 第49-53页 |
| ·多小波简介 | 第49-50页 |
| ·多小波的多分辨率分析 | 第50-51页 |
| ·多小波对数据的分解和重构算法 | 第51-53页 |
| ·正交多小波构造方法 | 第53-62页 |
| ·预备知识 | 第53-54页 |
| ·基本结果 | 第54-59页 |
| ·实例和应用 | 第59-62页 |
| ·小结 | 第62-63页 |
| 5 信号奇异性分析及信号的小波分解去噪 | 第63-76页 |
| ·引言 | 第63-64页 |
| ·小波分解中的信号奇异性分析 | 第64-69页 |
| ·预备知识 | 第64-65页 |
| ·Lipschitz 指数的计算 | 第65-68页 |
| ·仿真结果 | 第68-69页 |
| ·小波阈值去噪 | 第69-75页 |
| ·改进的小波阈值去噪方法 | 第69-71页 |
| ·仿真及参数计算 | 第71-75页 |
| ·小结 | 第75-76页 |
| 6 小波神经网络及小波阈值神经网络在信号预测中的应用 | 第76-103页 |
| ·引言 | 第76-77页 |
| ·小波神经网络 | 第77-80页 |
| ·小波神经网络基本模型 | 第77-80页 |
| ·改进的小波神经网络模型及网络训练算法 | 第80页 |
| ·粒子群算法在小波神经网络中的应用 | 第80-89页 |
| ·粒子群算法简介 | 第80-81页 |
| ·粒子群算法在小波神经网络中的应用 | 第81-87页 |
| ·仿真实验 | 第87-89页 |
| ·小波阈值神经网络(TNN)及其应用 | 第89-102页 |
| ·网络结构 | 第89-92页 |
| ·基于梯度下降法的小波阈值神经网络 | 第92-97页 |
| ·小波阈值神经网络在信号去噪及一步前向预测中的应用 | 第97-102页 |
| ·小结 | 第102-103页 |
| 7 结论 | 第103-106页 |
| ·全文结论 | 第103-105页 |
| ·进一步的研究方向 | 第105-106页 |
| 致谢 | 第106-107页 |
| 参考文献 | 第107-114页 |
| 附录 1 攻读博士学位期间发表的论文 | 第114-115页 |
| 附录 2 攻读博士学位期间参与的课题 | 第115页 |