搜索资源列表
WAVE-weifengyin
- 小波变换具有多分辨率分析的特点，并且在时频两域都具有表征信号局部特征的能力。小波变换通过将时间系列分解到时间频率域内，从而得出时间系列的显著的波动模式，即周期变化动态，以及周期变化动态的时间格局（Torrence and Compo, 1998）。小波（Wavelet），即小区域的波，是一种特殊的、长度有限，平均值为零的波形。它有两个特点：一是“小”，二是具有正负交替的“波动性”，即直流分量为零。小波分析是时间（空间）频率的局部化分析，
jiazaosheng
- 在平滑信号中加入高斯分布的白噪声，然后用db4小波函数进行多尺度分解，滤除白噪声，将滤波前后的图进行对比-Add the Gaussian distribution of the white noise in the smoothed signal, and then multi-scale decomposition db4 wavelet function, the filtered white noise, comparing b
The-empirical-mode-decomposition-
- 应用经验模式分解将恒电量瞬态响应信号分解为不同时间尺度的内在模函数分量，去除其中的小时间尺度的干扰噪声分量-Empirical mode decomposition coulostatic transient response signal is decomposed into different time scales intrinsic mode function component, remove the small time s
align
- 该程序用于照片的归一化和瞳孔对准。 其中ImageRotate函数用于将偏转的头像转正，用于歪头的情形，转头的情形不适合。 ImageZoom函数将照片变得与基准照片一个尺度，即所有照片的瞳孔间距与基准照片的瞳孔间距相同。 ImageAlign函数用于对准瞳孔，通过偏移，将所有照片的瞳孔位置变得与基准照片的瞳孔位置一致。- This procedure for photos normalized and pupil
FSWT
- 频率切片小波变换程序（FTWT），matlab的m文件。从一种新的角度出发，通过自由选择频率切片函数、引进新尺度参数，在频率域实现小波变换，该变换能够很好地刻画信号各成分之间的相对能量关系。此外，频率切片小波变换的时频窗中心频率就是观测频率，而无需进行尺度换算。-Frequency slice wavelet transform procedures (FTWT), matlab m file. Starting from a new
MSR
- 多尺度retinex源代码，函数可实现去雾等效果，提高图像对比度-The multiscale retinex source code, function defogging and other effects, can be realized to improve the image contrast
Hilbert335
- 测量6205深沟球轴承的故障振动加速度信号, 对信号进行时频分析, 利用经验模态分解方法将振动信号分解成不同特征时间尺度的固有模态函数,对每个固有模态函数进行Hilbert 变换得到Hilbert 谱,通过谱分析识别轴承的故障部位和类型, 证实Hilbert 谱的有效性-Measuring 6205 deep groove ball bearing fault vibration acceleration signal, the sig
Gabor
- 本算法可以在不同方向和不同尺度上对图像进行分析，利用高斯核函数对图像进行卷积，然后综合各个方向和尺度的数据的最大值，就可以得到理想的结果。该方法对冠脉造影图像中血管的分割效果比较好，无论主血管或是细小血管都比较好。-This algorithm can be analyzed in different directions and on different scales the image using the Gaussian kern
eemd
- 经验模态分解（Empirical Mode Decomposition, EMD）方法是由美国NASA的黄锷博士提出的一种信号分析方法。它依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。EMD方法在理论上可以应用于任何类型的信号的分解，因而在处理非平稳及非线性信号序列上具有很高的信噪比，体现出非常明显的优势。-Empirical Mode Decomposition (EMD) is a signal analysis
Daubechies
- Daubechies小波基的构造 采用双尺度方程求解小波基函数-The Daubechies wavelet construct two-scale equation solving wavelet function
fit_ML_rayleigh
- 控制分布宽度的形状参数值为2的韦布尔分布。该分布函数取决于一个调节参数——尺度参数。本算法进行该分布的参数拟合-Control the shape of the distribution width parameter Weibull distribution value of 2. The distribution function depends on an adjustable parameter- the scale param
DFPTest
- 变尺度DFP方法； 非线性最优化； 多元函数优化方法-DFP variable metric method nonlinear optimization multi-function optimization method
62
- 对重分配小波尺度谱存在着时、频分辨率不能同时达到最佳及当振动信号中存在着能量较大的噪声时会降低其时频分布可读性的缺陷，提出一种基于参数优化和奇异值分解(SVD)提高重分配尺度谱时频分布可读性的方法。首先利用Shan— non熵方法优化重分配尺度谱基函数的时间．带宽积(TBP)，克服其时、频分辨率不能同时达到最佳的缺陷，再对重分配尺度谱 进行SVD降噪降低噪声干扰影响，提高时频分布的可读性。最后用该方法对仿真信号和滚动轴承故障信号
db4
- 1、 降噪步骤： （1） 一维信号的小波分解。选择一个小波并确定分解的层次，然后进行分解运算。 （2） 小波分解高频系数的阈值量化。对各个分解尺度下得高频系数选择阈值进行软阈值量化处理。 （3） 一维小波重构。根据小波分解的最底层低频系数和各高频系数进行一维小波重构。 matlab里面有关于去噪的函数，你可以找一下~~ 这说的只是基本原理，希望有所帮助-1, noise reduction steps: (1) on
SIFT-matlab
- SIFT算法大致有四个步骤： 1，尺度空间极值检测。在尺度空间通过高斯微分函数来检测潜在的对于尺度和旋转不变的兴趣点。 2，关键点定位。在兴趣点位置上，确定关键点的位置和尺度。 3，方向确定。基于图像局部的梯度方向，给每个关键点分配方向。 4，关键点描述。在每个关键点的领域内测量图像局部的梯度。最终用一个特征向量来表达。 -SIFT算法大致有四个步骤： SIFT algorithm has four steps:
wavelet-transform-by-CPP
- 小波变换与Fourier变换相比，是一个时间和频域的局域变换因而能有效地从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析（Multiscale Analysis）。一般都是用MATLAB编写。本压缩包集成了大量C++写的小波变换的源程序，具有更高的移植性和可增改性。-wavelet transform by C++ program. there s many examples how the wavelet
test2
- 详细说明：给定小波母函数ψ(x)=(2/√3 π^(-1/4) )(1-x^2)e^(-x^2/2)（有效支撑为[-5,5]）和信号f（t） （400个数据, 采样间隔为0.03） 要求做连续小波变换，变换结果以图像形式给出（尺度－位移），说明并在图像上标出信号有哪几个成分 -Given mother wavelet function ψ (x) = (2/√ π ^ (-1/4)) (1-x ^ 2) e ^ (-x ^ 2/2) (
Retinex
- 可对灰度图像进行多尺度Retinex处理，作为一个function函数，嵌入主程序中使用。-Grayscale images can be multi-scale Retinex processing as a function function embedded in the main program to use.
115
- 本文针对基于经验模态分解ＥＭＤ的时空滤波器存在的固有模态函数分量中频率混叠交叉导致有用信号与噪声一起被滤除的问题结合小波在时间尺度两域表征信号局部特征的特性提出了一种基于能量估计实现ＥＭＤ分解层数确定-In this paper, based on empirical mode decomposition EMD temporal filter mode functions inherent component of cross-fre
emd
- 经验模态分解，依据数据自身的时间尺度特征来进行信号分解，给出本征函数。-Empirical mode decomposition, based on the data itself characteristic time scale for signal decomposition, given the intrinsic function.