分量分解新型变换及其应用研究

第1章 绪论 1．1 信号的变换类型 1．1．1 信号关系和分类 1．1．2 信号变换的类型划分 1．2 有基变换 1．2．1 Fourier变换和加窗Fourier变换 1．2．2 时频分析 1．2．3 wavelet变换 1．2．4 分数阶Fourier变换 1．2．5 Hilbert变换 1．2．6 信号瞬时物理量 1．3 无基变换 1．3．1 Hilbert-Huang变换 1．3．2 Hilbert-Huang变换与Fourier变换的关系 1．4 书中主要内容及其关系 本章小结 第2章 一维Hilbert-Huang变换及应用 2．1 多分量EMD 2．1．1 EMD概述 2．1．2 EMD的局限性 2．1．3 多分量EMD的条件及判据 2．1．4 基于多尺度极值点的一维信号分解 2．2 *小二乘优化的EMD及时变FM信号的分析 2．2．1 时变FM信号EMD分解 2．2．2 *小二乘优化的FM信号EMD分解 2．2．3 FM信号分解实验分析 2．3 时变信号辅助的EDM及时变AM-FM信号的分析 2．3．1 时变AM-FM信号EMD分解 2．3．2 AM-FM信号EMD分解 2．3．3 AM-FM信号分解实验分析 2．4 噪声的经验模型与去噪 2．4．1 高斯噪声IMF的经验模式及统计特性 2．4．2 高斯噪声IMF模型在去噪中的应用 2．4．3 仿真实验 2．5 EMD的非均匀采样解释 2．5．1 非均匀采样 2．5．2 EMD理论的非均匀采样解释 2．6 应用：基于多尺度极值的一维信号趋势项快速提取 2．6．1 端点效应抑制 2．6．2 趋势提取和正确性评估 2．6．3 实验结果及分析 本章小结 第3章 二维Hilbert-Huang变换及应用 3．1 二维经验模式分解概述 3．2 限邻域经验模式分解及应用 3．2．1 限邻域经验模式分解概述 3．2．2 图像融合 3．2．3 图像高动态压缩 3．2．4 图像增强 3．3 结构经验模式分解及应用 3．3．1 结构经验模式分解概述 3．3．2 四元谱分析 3．3．3 纹理分析 3．4 信号辅助的EMD及应用 3．4．1 信号辅助的经验模式分解概述 3．4．2 ASBEMD特性分析 3．4．3 ASBEMD应用实例 3．5 二维信号基于多尺度极值点的分析与分解 3．5．1 现有二维极值点概念及查找方法 3．5．2 二维多尺度极值二叉树结构及其建立 3．5．3 基于多尺度极值的FABEMD算法 3．5．4 实验结果 3．6 二维EMD分量分解的本质 3．6．1 二维极值的稀疏性 3．6．2 实验与分析 本章小结 …… 第4章 基于一维Hilbert变换的分量分解及应用 第5章 基于二维Hilbert变换的分量分解及应用 第6章 其他分量分解的新型变换及应用 参考文献