MATLAB小波分析超级学习手册
MATLAB小波分析超级学习手册
1 MATLAB基础
1.1 MATLAB简介
1.2 MATLAB组成结构
1.2.1 目录结构
1.2.2 工作环境
1.2.3 系统帮助
1.3 掌握MATLAB编程
1.3.1 通用命令
1.3.2 演示示例
1.3.3 编程语句
1.4 数据类型
1.4.1 整数数据类型
1.4.2 浮点数数据类型
1.4.3 字符串
1.4.4 逻辑运算符
1.4.5 单元数组类型
1.4.6 结构体
1.4.7 函数句柄
1.5 M文件
1.5.1 脚本
1.5.2 M函数
1.6 本章小结
2 MATLAB GUI基础
2.1 句柄简介
2.1.1 对象句柄
2.1.2 对象属性
2.1.3 get和set
2.1.4 查找对象
2.1.5 用鼠标选择对象
2.1.6 位置和单位属性
2.2 图形用户界面
2.2.1 图形用户界面简介
2.2.2 预定义对话框
2.2.3 M文件对话框
2.2.4 对话框小结
2.2.5 GUI对象层次结构
2.2.6 GUI创建的基本步骤
2.2.7 GUI对象的大小和位置
2.2.8 捕获鼠标动作
2.2.9 事件队列
2.2.10 回调编程
2.2.11 M文件示例
2.3 GUI设计编程
2.3.1 M文件以及GUI数据管理
2.3.2 回调函数的使用方法
2.3.3 图形窗口的行为控制
2.4 图形读者界面设计应用实例
2.4.1 数据相互转换
2.4.2 绘制数据点
2.5 本章小结
3 小波分析基础
3.1 一维傅立叶变换及其应用
3.1.1 一维傅立叶变换
3.1.2 一维离散傅立叶级数
3.1.3 一维离散傅立叶变换及应用
3.1.4 一维快速傅立叶变换及应用
3.2 二维傅立叶变换及其应用
3.3 Z变换及其应用
3.4 滤波器
3.4.1 连续滤波器
3.4.2 数字滤波器及其应用
3.4.3 滤波器设计与分析
3.5 本章小结
4 连续小波变换
4.1 小波分析简介
4.1.1 小波分析发展概述
4.1.2 小波分析优缺点
4.2 连续小波变换及其性质
4.2.1 短时傅立叶变换
4.2.2 一维连续小波变换
4.2.3 高维连续小波变换
4.3 连续小波变换的计算
4.3.1 如何计算连续小波变换
4.3.2 连续小波变换的应用
4.3.3 连续小波界面式应用实例
4.3.4 连续小波反变换的应用
4.4 本章小结
5 离散小波变换
5.1 离散小波变换及其逆变换
5.1.1 一维离散小波变换
5.1.2 小波框架
5.1.3 离散小波变换的逆变换
5.1.4 二进小波变换及其逆变换
5.2 离散小波变换的计算
5.2.1 离散小波变换计算过程
5.2.2 一维离散小波变换算法
5.3 离散小波变换在MATLAB中的函数及应用
5.3.1 一维离散小波变换函数
5.3.2 一维离散小波逆变换函数
5.3.3 二维离散小波变换函数
5.3.4 二维离散小波逆变换函数
5.4 离散小波变换界面式应用
5.4.1 一维离散小波界面式应用实例
5.4.2 二维离散小波界面式应用实例
5.5 离散小波变换的综合演示实例
5.6 本章小结
6 多分辨分析与Mallat算法
6.1 多分辨分析
6.1.1 多分辨分析理论
6.1.2 几种常见的正交小波基
6.1.3 尺度函数和小波函数性质
6.2 双尺度方程及多分辨滤波器组
6.2.1 双尺度方程
6.2.2 滤波器组系数h0(n)和h1(n)的性质
6.3 Mallat算法
6.3.1 一维Mallat算法
6.3.2 二维Mallat算法
6.3.3 Mallat算法在MATLAB中的实现
6.3.4 Mallat算法在MATLAB中的应用
6.4 离散序列的多分辨分析与正交小波变换
6.4.1 离散序列的小波分解
6.4.2 离散序列的小波重构
6.5 二维正交小波变换
6.5.1 L2(R2)空间的两种正交小波基
6.5.2 正方块二维正交小波变换的快速算法
6.6 本章小结
7 小波基及其构造
7.1 几种常用的小波
7.1.1 Haar小波
7.1.2 Daubechies(dbN)小波系
7.1.3 双正交小波Biorthogonal(biorNr.Nd)小波系
7.1.4 Coiflet(coifN)小波系
7.1.5 SymletsA(symN)小波系
7.1.6 Morlet(morl)小波
7.1.7 MexicanHat(mexh)小波
7.1.8 Meyer函数
7.2 小波基的性质及其在MATLAB中的命名
7.3 小波基的构造
7.3.1 由尺度函数构造正交小波基
7.3.2 紧支集正交小波基的性质和构造
7.3.3 实现小波基的构造
7.4 提升方案构造二代小波并实现
7.4.1 提升方案的基本原理
7.4.2 提升法实现第二代小波变换
7.4.3 提升方法实现图像的分解与重构
7.5 小波和尺度函数的提取及消失矩的作用
7.6 本章小结
8 小波包及其应用
8.1 小波包
8.1.1 小波包的定义
8.1.2 小波包的性质
8.1.3 小波包的空间分解
8.1.4 小波包算法
8.2 一维小波包在MATLAB中的应用
8.2.1 一维小波包函数
8.2.2 一维小波包界面式应用——信号压缩
8.2.3 一维小波包界面式应用——信号去噪
8.3 二维小波包在MATLAB中的应用
8.3.1 二维小波包函数
8.3.2 二维小波包界面式应用——图像压缩
8.3.3 二维小波包界面式应用——图像去噪
8.4 小波包分析的综合应用实例
8.5 本章小结
9 小波分析用于信号滤波
9.1 小波滤波概述
9.1.1 小波滤波的原理
9.1.2 小波域的三种滤波法
9.2 滤波器
9.2.1 陷波滤波器
9.2.2 单陷波滤波器
9.2.3 多频率陷波滤波器
9.3 小波阈值滤波法
9.3.1 阈值的几种形式
9.3.2 阈值函数数学表达式
9.3.3 几种改进的阈值函数
9.4 MATLAB中小波滤波函数及应用
9.4.1 MATLAB小波滤波函数介绍
9.4.2 小波滤波器应用
9.5 重构滤波器组
9.5.1 完全重构滤波器组
9.5.2 完全重构滤波器组的滤波效应
9.6 小波滤波器构造MATLAB实例
9.7 小波阈值滤波器的设计
9.7.1 设计目标
9.7.2 子模块设计
9.7.3 滤波器模块
9.7.4 系数处理模块
9.8 本章小结
10 小波分析用于信号去噪
10.1 信号去噪原理
10.1.1 小波去噪概述
10.1.2 基于模极大值去噪法
10.1.3 小波阈值去噪
10.1.4 平移不变量法
10.1.5 其他方法
10.1.6 阈值的选取
10.1.7 现有方法的优缺点
10.1.8 小波去噪的基本原理
10.1.9 各种小波变换在小波去噪中的应用
10.2 MATLAB函数去噪
10.2.1 一维小波分析进行信号去噪
10.2.2 阈值选取规则
10.2.3 对非平稳信号的去噪
10.2.4 小波包分析进行信号去噪
10.3 MATLAB一维小波工具箱去噪
10.3.1 一维离散小波界面式去噪
10.3.2 一维小波包界面式去噪
10.4 小波去噪实例
10.5 基于小波变换的语音信号去噪
10.5.1 语音信号去噪
10.5.2 语音质量的评价
10.5.3 小波变换的语音去噪实例
10.6 本章小结
11 小波分析用于信号压缩
11.1 信号压缩
11.1.1 小波压缩概述
11.1.2 一维小波分析进行压缩的原理
11.1.3 小波压缩实现方法
11.2 MATLAB压缩函数
11.2.1 一维小波分析进行信号压缩
11.2.2 小波包分析进行信号压缩
11.3 MATLAB一维小波工具箱压缩
11.3.1 一维离散小波界面式压缩
11.3.2 一维小波包界面式压缩
11.4 小波压缩综合实例
11.5 本章小结
12 小波分析用于信号识别与检测
12.1 信号的奇异性检测理论
12.1.1 信号奇异性概念
12.1.2 Fourier变换与信号奇异性的关系
12.1.3 小波变换与信号的奇异性
12.1.4 小波变换模极大值点同信号突变点之间的关系
12.1.5 信号与噪声的小波变换特性
12.2 信号的间断点检测
12.2.1 第一类间断点检测
12.2.2 第二类间断点检测
12.3 信号的自相似检测
12.4 信号识别与信号提取
12.4.1 信号发展趋势的识别
12.4.2 某一频率区间上信号的识别
12.4.3 信号的特征提取
12.5 模态参数识别介绍
12.5.1 模态分析的时频辨识方法概述
12.5.2 信号的小波脊提取及计算方法
12.5.3 基于小波包和改进HHT的瞬时特征分析
12.5.4 模态参数识别的应用
12.6 二维信号的边缘检测
12.7 本章小结
13 小波分析用于图像去噪
13.1 图像处理概述
13.1.1 常用图像格式
13.1.2 图像类型
13.1.3 图像类型转换
13.1.4 图像显示
13.2 小波用于图像去噪方法
13.2.1 图像噪声概述
13.2.2 图像去噪方法概述
13.2.3 图像去噪现有方法的优缺点
13.2.4 图像去噪质量的评价
13.3 MATLAB去噪函数
13.3.1 基于去噪函数进行图像去噪
13.3.2 基于小波变换进行图像去噪
13.3.3 基于阈值法进行图像去噪
13.3.4 基于小波包分析进行图像去噪
13.4 MATLAB二维小波工具箱去噪
13.4.1 二维离散小波界面式去噪
13.4.2 二维小波包界面式去噪
13.5 小波图像去噪实例
13.6 本章小结
14 小波分析用于图像压缩
14.1 图像压缩介绍
14.1.1 数据冗余
14.1.2 变换编码
14.1.3 图像压缩模型
14.1.4 图像压缩技术
14.1.5 JPEG 2000压缩算法
14.1.6 JPEG与JPEG 2000的区别
14.1.7 基于DCT的JPEG图像压缩编码
14.2 基于DCT的图像压缩MATLAB仿真实现
14.2.1 数字图像文件的读写
14.2.2 程序流程图
14.2.3 DCT变换的编程实现
14.3 基于小波压缩函数进行图像压缩
14.3.1 小波变换压缩函数的应用实例
14.3.2 基于小波包变换的图像压缩
14.4 MATLAB二维小波工具箱压缩
14.4.1 二维离散小波界面式压缩
14.4.2 二维小波包界面式压缩
14.5 利用小波分析进行图像压缩实例
14.6 本章小结
15 小波分析用于图像增强
15.1 图像增强技术
15.1.1 滤波增强
15.1.2 滤波器
15.2 MATLAB图像增强函数及应用
15.2.1 图像增强函数
15.2.2 MATLAB应用于数字图像增强和滤波
15.3 小波分析用于图像增强
15.3.1 图像增强问题描述
15.3.2 基于小波分析的图像钝化实现
15.3.3 基于小波分析的图像锐化实现
15.3.4 基于小波分析的图像增强实现
15.3.5 基于小波分析的图像平滑实现
15.4 本章小结
16 小波分析用于图像处理其他领域
16.1 图像融合
16.1.1 小波分析用于图像融合的方法
16.1.2 融合规则和融合算子
16.1.3 小波包图像融合
16.1.4 小波框架图像融合
16.1.5 多小波图像融合
16.1.6 小波分析用于图像融合的实例
16.2 图像分解
16.3 图像特征提取
16.4 本章小结
17 小波分析用于样本估计
17.1 小波分析用于密度估计
17.1.1 密度估计
17.1.2 小波变换进行密度估计的基本原理
17.1.3 小波变换进行密度估计界面工具的使用
17.2 小波分析用于回归估计
17.2.1 回归估计
17.2.2 小波变换进行回归估计的基本原理
17.2.3 小波变换进行回归估计界面工具的使用
17.3 本章小结
思维导图
防止博客图床图片失效,防止图片源站外链:
http://www.processon.com/chart_image/5e5b411ce4b069f82a1a68f8.png)
思维导图在线编辑链接: