JPEG 2000是為適應不斷發展的圖像壓縮應用而出現的新的靜止圖像壓縮標準，小波變換是JEPG 2000核心算法之一。小波變換是一種可達到時(空)域或頻率域局部化的時頻域或空頻域分析方法，其多尺度分解特性符合人類的視覺機制，更加適用于圖像信息的處理。提升小波變換是一類不采用傅立葉變換做為主要分析工具的小波變換新方法，提升小波變換的提出大大簡化了小波變換的計算，使其在實時信號處理領域得到廣泛的應用。通過提升的方法很容易構造一般的整數小波變換，由于圖像一般用位數較低的整數表示，整數小波變換可以將為整數序列的圖像矩陣映射成整數小波系數矩陣，這就大大簡化了小波變換的硬件電路設計。在當今數字化和信息化時代背景下，研究具有高速硬件處理功能的可變程邏輯器件在圖像壓縮算法領域的應用已經成為當今研究的熱點。 本文旨在探討和研制基于FPGA的小波變換模塊的可能性和方法。本文采用Xilinx公司的Spartan-Ⅲ系列芯片，根據JPEG 2000推薦無損提升小波算法和有損提升小波算法，設計圖像壓縮系統的小波變換模塊。主要工作如下： 第一部分介紹了傳統小波分析理論和提升小波分析理論。包括連續小波時頻局域性的特征，離散小波變換系數的意義，多分辨分析引出的構造小波基的系統方法和計算離散小波的快速算法等。重點放在介紹正交小波和雙正交小波的構造方法，并介紹了數字圖像在小波域的特點。討論了提升小波變換的基本思想，討論了用提升方法構造小波基以及傳統小波變換的提升實現，討論了整數小波變換。 第二部分介紹了FPGA結構及其設計流程。介紹了FPGA/CPLD器件的特征、發展趨勢及FPGA/CPLD基本結構，然后重點介紹了本文用到的Xilinx公司Spartan-Ⅲ系列芯片的結構特點，以及Xilinx的FPGA開發軟件ISE，最后介紹了硬件描述語言VHDL語言的特點。 最后一部分是本論文研究的主要內容，即JPEG 2000中最核心的算法-提升格式小波變換的一維變換模塊設計和二維變換模塊設計。一維提升小波變換模塊采用兩種不同的電路結構進行設計-低速低功耗的串行流水線結構和高速高功耗的并行陣列結構。同樣，二維小波變換模塊也采用了兩種不同的電路結構進行設計-低速低功耗的折疊結構和高速高功耗的串行結構。 文章對提升小波變換的FPGA實現中的大量細節問題進行了討論，給出了每種結構提升小波變換模塊的電路原理圖，并對原理圖進行了仿真測試，仿真測試結果不僅表明了模塊功能的正確性，而且表明不同小波模塊可以滿足相應領域的實際要求。
上傳時間： 2013-06-08
上傳用戶：dwzjt
開發與利用新能源是我國21世紀的重要能源戰略。風能是一種“取之不盡，用之不竭”、環境友好的可持續性能源，已受到了越來越廣泛的重視，并成為發展最快的新型能源。但是風電具有間歇性和隨機性的固有缺點，隨著大量的風力發電接入電網，勢必會對電力系統的安全、穩定運行以及保證電能質量帶來嚴峻挑戰，從而限制風力發電的發展規模。風電場短期風速和發電功率預測是解決該問題的有效途徑之一。中國的風電場大都是集中的、大容量的風電場，而且處于電網建設相對比較薄弱的地區，因此，中國更需要進行風電場短期風速和發電功率預測的研究，而發電功率的預測主要源自風速的預測。在此背景下，選擇風電場短期風速預測方法作為主要研究內容，主要包括以下幾個方面： 首先運用統計學方法來分析風速的時間序列特性及其預測方法和應用特點，說明現實中的風速序列具有很強的非平穩性。然后運用具有“數字顯微鏡”之美譽的小波變換來分析歷史紀錄的風速數據，通過運用二進正交小波變換Mallat算法對香港和河西走廊地區風速序列進行分解和重構，分離出風速序列中的低頻信息和高頻信息。對Mallat算法分解后的信號，運用最小二乘支持向量機分別進行向前一步預測，然后再把各預測結果合成，得到預測值。建立了基于小波變換和最小二乘支持向量機的短期風速預測方法。應用Matlab對該算法進行了仿真，仿真試驗表明，小波變換是非平穩風速序列時頻分析的有效工具，對風速序列的高頻和低頻信息起到很好的分離作用；最小二乘支持向量機的應用提高了預測的準確性。應用香港地區與河西走廊地區小時平均風速歷史數據，驗證了方法的有效性。
上傳時間： 2013-04-24
上傳用戶：xg262122
本文以濾波技術飛速發展，小波濾波優越性的凸現，以及虛擬儀器的易操作等良好特性為背景，以簡單易行和濾波效果良好為研究目的，展開本文信號濾波處理的研究工作。 在深入研究三種小波濾波方法原理和優缺點的基礎上，本文提出了一種新的優化濾波方法，包括以下三個方面： 首先，將靜態小波變換(SWT)應用于濾波處理。利用SWT的平移不變性和冗余性來進行含噪信號的分解，這樣不僅彌補了正交小波變換的不足，而且提高了濾波性能。 然后，提出了基于空域相關的優化閾值函數濾波算法。該算法把小波系數間的相關性應用于閾值濾波。它是在構造出基于空域相關的顯著性函數和基于顯著性函數的閾值濾波過程的基礎上，提出了基于空域相關的優化閾值函數，并且把極小化廣義交叉驗證(GCV)得到均方差(MSE)意義下的最優閾值作用于該優化閾值函數。該濾波算法不僅實現了噪聲的有效去除，而且信號的重要特征也保留完好； 最后，引入了新型鎖相環--正交鎖相環(QPLL)。鑒于QPLL不僅具有鎖定范圍寬、入鎖速度快、鎖定后精度高的性能，而且還具有良好的抑制諧波、噪聲的能力，以及對波形畸變不敏感等良好特性，所以QPLL的引入達到了信號鎖定和優化濾波的目的，使優化濾波方法的設計更具新意，而且取得了更好的濾波效果。 為了驗證優化濾波方法，本文搭建了實驗平臺，它是由FPGA信號采集部分和LabVIEW軟件濾波處理兩個部分構成。通過傳感器采集信號，經過A/D轉換后送入FPGA。以FPGA為CPU控制A/D轉換，并進行波形數據緩存，在接收到LabVIEW的命令后，將存儲的數據送給串口。在LabVIEW中，從串口檢測所需的波形數據，然后通過優化濾波方法將數據進行濾波處理，最后在前面板中把實驗結果顯示出來。 實驗結果表明，該優化濾波方法不僅能實現優良的濾波功能，而且簡單易行，是一種有效的濾波方法。
上傳時間： 2013-07-20
上傳用戶：gokk
【原 書 名】 A First Course in Wavelets with Fourier Analysis 【原出版社】 Addison Wesley/Pearson 【作 者】[美]Albert Boggess,Francis J.Narcowich [同作者作品] [作譯者介紹] 【譯 者】 芮國勝[同譯者作品] 康健 等 【叢 書 名】 國外電子與通信教材系列 【出 版 社】 電子工業出版社 本書的目的主要是向讀者展示傅里葉分析和小波的許多基礎知識以及在信號分析方面的應用。全書分為8章和2個附錄，前言部分是學習第1章至第7章的準備知識，即內積空間；第1章講解傅里葉系列的基礎知識；第2章講解傅里葉變換；第3章介紹離散傅里葉變換以及快速傅里葉變換；第4章至第7章討論小波，重點在于正交小波的構建；附錄部分則介紹稍微復雜的一些技術主題以及演示概念或產生圖形的MATLAB代碼。許多關于小波的文章和參考書籍均要求讀者具有復雜的數學背景知識，本書則只要求學生具有較好的微積分以及線性代數知識，通俗易懂，是數學、計算機、電子、通信、地質、醫學、機械等專業高年級本科生及研究生的基礎教科書，也可作為相關技術人員的參考書。
標簽： Analysis Wavelets Addison Fourier
上傳時間： 2013-12-19
上傳用戶：huangld
雙正交5/3小波的提升格式構造，VC實現，看完可模仿著編
標簽： 正
上傳時間： 2014-10-10
上傳用戶：zhengjian
提出了一種基于小波域的圖像數字水印算法·該算法將相互正交的兩種水印(魯棒水印和參考 水印)同時添加到經過DWT后的載體圖像小波系數中,然后用小波反變換得到添加了水印的圖像·用提取出 的參考水印來估計圖像所受到的攻擊,由于提取出的魯棒水印所受的攻擊與參考水印受到的攻擊一樣,因此 可以估計出原始的魯棒水印·通過對嵌入水印的圖像進行加入噪聲、濾波、壓縮以及裁剪等大量圖像處理等試 驗,均能正確檢測出水印,表明該算法具有很好的感知效果和魯棒性
上傳時間： 2015-12-07
上傳用戶：2404
正交多小波在信號濾波中的應用，小波濾波方法
上傳時間： 2013-12-25
上傳用戶：shizhanincc
提出了一種基于小波神經網絡整定的PID 控制方法。由于小波變換具有良 好的時頻局部特性,神經網絡具有強大的非線性映射能力,自學習、自適應等優勢,采用規 范正交的小波函數作為神經網絡的基函數構成小波神經網絡,該網絡兼有小波函數的緊 支性、波動性以及神經網絡的非線性映射能力,自學習、自適應能力等優點,滲碳爐控制實 驗結果表明,用該方法整定的PID 控制系統收斂速度快,逼近精度高,魯棒性好
上傳時間： 2014-01-15
上傳用戶：yzy6007
指出了非線性動態信號參數辨識的重要性；分析了目前采用的方法的不足；對非正交復Morlet小波滿足Mercy條件和再生性的命題作了證明；用復Morlet小波構建出一種核函數，與主分量分析方法相結合，對非線性動態信號進行參數辨識和預測；仿真結果驗證了該方法的正確性和有效性，表明該方法具有較好的理論價值和實用價值。
上傳時間： 2016-06-27
上傳用戶：wang0123456789
首先,給出了對應于多重多分辨分析的雙正交多小波包的定義,建立了具有任意矩陣伸縮的雙正交多小波包的理論框架.在此基礎上,給出了具有任意矩陣伸縮的高維不可分雙正交多小波包的構造方法.由此構造的多小波包的分解系數可以從不同的濾波器中抽取,這使得小波包的應用更靈活.
上傳時間： 2014-01-02
上傳用戶：啊颯颯大師的
