小波變換及其工程應(yīng)用

前言

　　20世紀80年代，法國地質(zhì)物理學家Morlet在分析地質(zhì)數(shù)據(jù)時首先提出了小波分析（Wavelet analysis）這一概念，小波理論發(fā)展至今，在理論研究和工程應(yīng)用上均取得了巨大進展。小波分析是傅里葉分析的新發(fā)展，它既保留了傅里葉變換的優(yōu)點，又彌補了傅里葉變換在信號分析上的一些不足，比傅里葉變換更加靈活、全面和有效?！　≡谠肼暫投嘈盘柇h(huán)境中如何準確地檢測和判別目標信號是電子偵察、雷達、聲納、語音、醫(yī)療、工業(yè)CT、ICT、故障診斷和通信領(lǐng)域信號處理中極為關(guān)注的熱點問題。小波變換的出現(xiàn)為這些信號處理與分析提供了更好的可行之路。通過信號檢測和小波變換等信號處理方法可以實現(xiàn)信號波形的分析與變換，提取信號的突變點特征，為進一步識別信號的有效部分奠定了基礎(chǔ)。在人工智能、混沌理論及模式識別等智能信息處理技術(shù)的研究中，如果沒有小波理論嵌入是很難有所突破的。本書的寫作目的就是要將小波理論與模式識別技術(shù)融合在一起，探討其在實際波形分析中的應(yīng)用，實現(xiàn)真正的、具有實用價值的智能控制系統(tǒng)體系?！　”緯鴮Ｗ⒂谝痪S小波變換的理論及應(yīng)用，通過醫(yī)療、工業(yè)和軍事領(lǐng)域的信號分析實例，說明了小波變換在信號預(yù)處理、特征提取等方面的優(yōu)勢，并采用模糊模式識別技術(shù)獲得了目標信號。本書的寫作過程中，力求用簡單的語言解釋復雜的理論，用實例說明小波變換和模式識別的實用價值，希望能將小波變換與人工智能技術(shù)、模式識別技術(shù)等有機地結(jié)合，為各種復雜系統(tǒng)瞬態(tài)變化的波形信號分析和多種信號相互混疊的信號分離提供一個高精度分析的技術(shù)途徑和可使用的理論工具?！　”緯耐瓿傻玫搅吮本┦袑偈泄芨叩葘W校人才強教計劃”中青年骨干教師”項目資助，也得到了家人、朋友的支持和幫助，在此表示衷心的感謝?！　‰m然在寫作過程中殫精竭慮，但由于本人水平有限，難免有錯誤和不足之處，請讀者批評指正。

內(nèi)容概要

　　《小波變換及其工程應(yīng)用》介紹了一維小波函數(shù)和小波變換原理，并重點介紹了小波變換在波形信號分析中的工程應(yīng)用。小波變換是傅里葉分析方法之后出現(xiàn)的應(yīng)用于信號分析的新方法，尤其是一維小波變換具有信號噪聲分離和提取信號突變點的特性，可以與人工智能技術(shù)相結(jié)合，應(yīng)用于工業(yè)、醫(yī)學、軍事等多個領(lǐng)域，組成實時的故障檢測系統(tǒng)、醫(yī)學診斷系統(tǒng)和軍事上的監(jiān)測識別系統(tǒng)，具有很高的實用價值?！　　缎〔ㄗ儞Q及其工程應(yīng)用》從信號分析與處理的觀點出發(fā)，首先介紹了小波變換的基本概念、原理，離散小波變換的應(yīng)用；其次，針對一些實際信號采樣時間、處理目的不同，用離散小波變換難以達到要求，本文重點介紹了連續(xù)小波的離散化原理及計算機實現(xiàn)過程，并給出了相關(guān)程序；最后，《小波變換及其工程應(yīng)用》將小波變換和人工智能技術(shù)相結(jié)合，實際應(yīng)用于工業(yè)、醫(yī)療、軍事等系統(tǒng)中，介紹實際系統(tǒng)和程序。

書籍目錄

第1章 緒論1.1 基本概念1.1.1 函數(shù)空間1.1.2 正交系1.2 傅里葉變換與短時傅里葉變換1.2.1 傅里葉變換1.2.2 短時傅里葉變換1.3 小結(jié)第2章 小波分析2.1 概述2.1.1 小波定義2.1.2 小波函數(shù)性質(zhì)2.2 常用小波函數(shù)2.3 小波函數(shù)選擇原則2.4 小波變換的發(fā)展及應(yīng)用前景2.4.1 小波理論與傅里葉變換2.4.2 小波理論的應(yīng)用前景2.5 小結(jié)第3章 一維連續(xù)小波變換3.1 小波變換概述3.1.1 小波變換定義及基本概念3.1.2 小波變換的性質(zhì)3.2 一維連續(xù)小波變換定義及性質(zhì)3.2.1 一維連續(xù)小波變換的定義3.2.2 一維連續(xù)小波變換的特點3.2.3 一維連續(xù)小波變換的基本性質(zhì)3.3 一維連續(xù)小波變換的重建3.4 小結(jié)第4章 一維離散小波變換4.1 概述4.2 離散小波及其變換4.3 二進小波變換.4.4 多分辨率（多尺度）分析4.4.1 多分辨率分解4.4.2 尺度函數(shù)4.5 離散小波函數(shù)4.5.1 Daubechies小波函數(shù)4.5.2 B樣條小波函數(shù)4.6 小結(jié)第5章 連續(xù)小波變換的離散化處理5.1 一維連續(xù)小波變換的簡化處理方法5.2 一維連續(xù)小波的離散化及實現(xiàn)5.2.1 一維連續(xù)小波的離散化原則5.2.2 連續(xù)小波變換的計算機實現(xiàn)5.3 Marr小波的離散化實例5.3.1 Marr小波函數(shù)的離散化采樣5.3.2 插值法求Marr小波函數(shù)5.3.3 Marr小波變換的計算機實現(xiàn)5.4 小結(jié)第6章 小波變換在信號分析中的應(yīng)用6.1 在信號檢測中的應(yīng)用6.1.1 概述6.1.2 小波變換奇異點和信號劇烈變化處的關(guān)系6.2 在血壓信號分析中的應(yīng)用6.2.1 概述6.2.2 信號采樣6.2.3 人體血壓信號的工程轉(zhuǎn)換6.2.4 信號的邊緣延拓6.2.5 Daubiches小波對信號的平滑作用6.2.6 一維連續(xù)小波變換對信號進行特征提取6.2.7 血壓信號特征提取的程序?qū)崿F(xiàn)6.2.8 小波變換圖形分析6.3 小結(jié)第7章 模式識別技術(shù)及應(yīng)用7.1 模式識別技術(shù)7.1.1 概念7.1.2 模式識別方法7.1.3 模式識別發(fā)展及應(yīng)用7.2 模糊集合的基本概念7.2.1 模糊集定義7.2.2 模糊運算7.2.3 模糊關(guān)系與模糊變換7.3 模糊識別技術(shù)的——些關(guān)鍵問題7.3.1 模糊特征提取7.3.2 建立隸屬函數(shù)7.3.3 特征選擇和匹配分類7.4 模糊模式識別常用的方法7.4.1 基于最大隸屬原則的識別7.4.2 基于擇近原則的識別7.4.3 基于模糊等價關(guān)系的模糊聚類分析7.5 高／低血壓信號的模糊識別7.5.1 確定特征提取后信號的模糊識別區(qū)間7.5.2 確定舒張壓點7.5.3 模糊識別收縮壓點7.5.4 模糊匹配人體高低血壓值7.5.5 程序?qū)崿F(xiàn)7.6 小結(jié)第8章 小波變換與模糊模式識別應(yīng)用實例8.1 動態(tài)電子血壓分析儀設(shè)計8.2 電子動態(tài)血壓自動測量分析儀的單片機實現(xiàn)8.2.1 系統(tǒng)的硬件采集裝置8.2.2 軟件實現(xiàn)8.2.3 信號特征提取8.3 反潛直升機目標特性的探測與識別8.3.1 概述8.3.2 反潛直升機空中輻射噪聲信號的探測8.3.3 信號的特征提取8.3.4 反潛直升機目標信號識別8.4 小結(jié)參考文獻

章節(jié)摘錄

　?。?）快速性：由于有了多分辨分析這一工具，大大提高了小波分析的效率。人們易于從尺度函數(shù)和兩尺度關(guān)系推導出小波系數(shù)，甚至不需要知道小波函數(shù)的解析表達式也可得到分析的結(jié)果。尺度函數(shù)相當于低通濾波器，小波變換相當于帶通濾波器。將信號用低通和帶通濾波器進行分解，顯然比用頻率點分解要快捷。頻帶分析從表面上看比頻率分析要粗糙，然而信號分析的目的，在許多情況下是提取信號的特征，同時小波分析并不排除對細節(jié)分析的可能性。在需要時，可以將頻帶細分下去，起到數(shù)學顯微鏡的作用。這一點是傅里葉分析無法比擬的?！　。?）雙域性：小波分析是時頻分析，即可以在時域和頻域兩個域內(nèi)揭示信號的特征。在測不準關(guān)系的約束下，頻率較高時，它具有較高的頻率窗；而在頻率較低時，它具有較寬的時間窗，因而更適于瞬時信號的分析。這一點和傅里葉變換的單域性相比有突出的優(yōu)越性。如果將傅里葉變換用于分析瞬態(tài)故障信號時，則會丟失瞬態(tài)信號的局部信息，產(chǎn)生較大的分析誤差L8]。　　雖然STFT也是一種時頻分析法，但是對于STFT，將信號在時間上加窗的寬度選取是非常重要的，尤其是對突變或不平穩(wěn)信號的分析，由于信號突變出現(xiàn)的位置事先無從可知，所以窗寬非常難選，過寬不利于對突變信號的分析，過窄又使得計算量和存儲量過大不利于實時處理。而小波變換由于是在信號的不同頻段加頻域窗，即使對隨機突變信號（其能量主要集中在高頻處），只要將其進行多分辨率分析，且分析的深度足夠深，就可對信號進行正確的分析，因此小波變換尤其適合對隨機突變信號、非平穩(wěn)信號進行時頻分析的場合[7]。

圖書封面

評論、評分、閱讀與下載

---

    小波變換及其工程應(yīng)用 PDF格式下載

---