首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--自动控制、自动控制系统论文

小波理论在信号去噪和数据压缩中的应用研究

摘要第8-10页
Abstract第10页
致谢第12-14页
第一章 绪论第14-40页
    1.1 引言第14-15页
    1.2 小波变换在信号去噪中的应用第15-23页
        1.2.1 傅立叶变换方法第15-16页
        1.2.2 小波变换方法第16-23页
    1.3 小波变换在数据压缩中的应用第23-37页
        1.3.1 分段线性方法第25-30页
        1.3.2 矢量量化方法第30页
        1.3.3 小波变换方法第30-37页
    1.4 本文的主要工作第37-40页
第二章 小波变换基础第40-58页
    2.1 引言第40页
    2.2 小波理论的发展历史第40-42页
    2.3 连续小波变换第42-46页
    2.4 离散小波变换第46-50页
        2.4.1 离散小波变换第46-48页
        2.4.2 小波框架第48-49页
        2.4.3 正交小波第49-50页
    2.5 多分辨率分析第50-55页
        2.5.1 由理想滤波器组引入多分辨率分析第50-51页
        2.5.2 由函数空间的剖分引入多分辨率分析第51-53页
        2.5.3 尺度函数φ(t)和小波函数ψ(t)的一些重要性质第53-54页
        2.5.4 由多分辨率分析引出多采样率滤波器组第54-55页
    2.6 小波包第55-58页
        2.6.1 小波包算法第56-57页
        2.6.2 最优小波包基的选择第57-58页
第三章 基于小波的信号去噪方法研究第58-88页
    3.1 引言第58-60页
    3.2 基于小波变换模极大值的信号去噪方法第60-73页
        3.2.1 小波变换与信号的奇异性表征第60-62页
        3.2.2 信号奇异性检测与小波变换的模极大值第62-64页
        3.2.3 信号奇异点的小波变换模极大值的尺度传播特性第64-65页
        3.2.4 白噪声的小波变换模极大值的尺度传播特性第65-66页
        3.2.5 信号去噪算法第66-68页
        3.2.6 基于小波变换的模极大值的信号重构第68-69页
        3.2.7 仿真结果及讨论第69-73页
    3.3 基于小波包分解系数收缩的信号去噪方法第73-81页
        3.3.1 小波包分解原理第73-74页
        3.3.2 信号和噪声在小波变换下的特性第74-75页
        3.3.3 基于小波包分解系数收缩的去噪原理第75-76页
        3.3.4 阈值的选择第76-77页
        3.3.5 阈值函数的选择第77-78页
        3.3.6 去噪算法的有效性第78-79页
        3.3.7 仿真结果及讨论第79-81页
    3.4 基于平移不变小波变换的信号去噪方法第81-85页
        3.4.1 Donoho阈值法去噪第81页
        3.4.2 平移不变小波变换去噪第81-82页
        3.4.3 仿真结果及讨论第82-85页
    3.5 本章小结第85-88页
第四章 基于小波的数据压缩方法研究第88-122页
    4.1 引言第88-90页
    4.2 基于多分辨率分析的数据压缩方法第90-98页
        4.2.1 快速小波变换与信号的多分辨率分析第90-91页
        4.2.2 基于多分辨率分析的数据压缩原理第91-93页
        4.2.3 压缩算法第93-97页
        4.2.4 仿真结果及讨论第97-98页
    4.3 基于整数小波变换和多级树集合分割编码的数据压缩方法第98-112页
        4.3.1 整数小波变换第98-103页
        4.3.2 多级树集合分割编码第103-109页
        4.3.3 数据压缩算法第109-110页
        4.3.4 仿真结果及讨论第110-112页
    4.4 基于自适应小波网络的数据压缩方法第112-120页
        4.4.1 小波网络的基本理论第112-114页
        4.4.2 几种小波网络的比较第114-115页
        4.4.3 基于自适应小波网络的信号表示方法第115-116页
        4.4.4 自适应小波网络的学习算法第116-118页
        4.4.5 数据压缩算法及仿真第118-120页
    4.5 本章小结第120-122页
第五章 温湿度信号处理系统第122-142页
    5.1 引言第122-123页
    5.2 系统框架及结构流程第123-124页
    5.3 系统硬件设计第124-133页
        5.3.1 主要元器件选择第124-125页
        5.3.2 模拟系统设计第125-127页
        5.3.3 数字系统设计第127-132页
        5.3.4 电源电路设计第132-133页
    5.4 系统软件设计第133-138页
        5.4.1 主机软件设计第133-137页
        5.4.2 从机软件设计第137-138页
    5.5 信号处理算法设计第138-140页
    5.6 本章小结第140-142页
第六章 结束语第142-144页
参考文献第144-158页
附录第158页

论文共158页,点击 下载论文
上一篇:MiR-204-5p/lnc-GULP1-2:1/COL3A1协同调控卵巢早衰发生的机制研究
下一篇:金融服务业“营改增”的税收法律问题探究