摘要：在计算机视觉领域中,提取出的图像边缘信息不仅可以简要表示整幅图像信息,且能充分体现出物体的特征,因此边缘检测算法的重要性日益凸显。文中针对传统图像边缘检测算法中存在的抗噪性能差和边缘定位不明显等问题,提出了一种基于非均匀haar小波变换的图像边缘检测算法。利用haar小波滤波器将原始图像分解为4个子分量图像,其中水平与垂直高频子分量图像采用Canny算子进行边缘检测,低频子分量图像则利用修正形态算子进行形态学边缘检测。然后对处理后的所有子分量图像进行逆向重构操作,从而实现精准的边缘检测操作。最终,基于Lena图像验证了所提算法的性能。实验结果表明,所提算法的峰值信噪比与均方误差分别为6.3338和15217.52,且边缘检测效果明显优于其他相关对比算法。

摘要：给出了光波导式小波滤波器的设计方案,该方案采用单模光纤耦合器作为系数实现载体,通过控制特性参数实现了具有不同分光比的耦合器基本单元,然后组合和级联基本单元实现特定的小波滤波器系数,具有精确度高,集成度好,稳定性强的优势。分析了与系数实现相关的熔锥型单模光纤耦合器的形状特性,横截面沿纵向变化的锥形区和横截面近似不变的耦合区内的耦合特性,根据理论推导,用仿真手段设计3 dB单模光纤耦合器,实现了haar小波的滤波器系数,误差在3%以内,证明了光波导式小波滤波器设计方案的正确性和有效性。

摘要：传感器和物联网技术的广泛使用催生了大量流数据。面对海量、连续且实时到达的流数据,其存储、查询以及后续大量数据的连续使用和分析是迫切需要解决的问题,而流数据压缩是其中一个有效方法。设计了一种数据概要算法,贪心的哈尔小波概要(greedy-haar-synopses,GH-Synopses),对流数据进行有效的压缩。首先,设计了一种可以实时处理连续数据的概要数据结构;然后,在haar小波变换的基础上用一种贪心策略生成尽可能少的概要数据,从而实现有损的流数据实时压缩。相比于现有的haar小波类数据概要算法,GH-Synopses能够兼顾压缩率和实时性,并能够控制单个数据的误差界限,可以适用更广泛的场景。利用深圳市路段行驶速度数据进行了验证,结果表明,GH-Synopses算法所生成的概要数据数量少,一般压缩率可达到3%~7%,且能高效重构,重构后的每一个数据误差均不会超过设定的误差预值,是一种有效且高效的流数据压缩方法。

摘要：利用haar小波在满足机器人动力学约束的前提下 ,对期望轨迹进行曲线分解 ,得到所需的一系列参考点 ,并由这些参考点构造出虚拟小车的运动轨迹 .基于控制Lyapunov函数设计了速度跟踪控制律 ,驱动机器人跟随虚拟小车实现对期望轨迹的跟踪 .该方法的突出特点是可实现对任意复杂轨迹的跟踪控制 ,且不存在速度跳跃点 .仿真实验结果表明它的有效性 .

摘要：本文讨论两响应线性haar小波模型的最优试验设计问题.假定每个响应变量与自变量之间的回归关系可以用一个线性小波多项式表示.本文给出一个设计,它同时具有D-,A-和Q-最优性,并且与两响应变量的协方差阵无关.

摘要：提出将改进形态haar小波(IMHW)用于输电线路行波测距中。从信号的时域上提取奇异点,能够较为快速和准确地定位奇异发生的时刻,适合应用于输电线路故障测距。大量ATP仿真结果表明采用基于IMHW变换的行波测距能够准确地提取行波信号的波头位置,具有较高的测距精度。IMHW变换主要是加减和取极值运算,与经典Mallat小波算法相比,该算法具有结构简单,算法量较小,易于工程实现的特点。

摘要：Hurst参数是表征网络业务自相似性的一个重要参数,在一定的观察时间内对突发业务的Hurst参数进行快速、准确的估计是高速宽带网络实施流量控制和缓冲资源分配的前提.本文提出一种基于haar小波和极大似然估计的Hurst参数估计法.该方法首先使用haar小波对DFBM序列的增量DFGN序列进行小波变换,然后再利用极大似然估计来估计Hurst系数.仿真生成的DFBM和真实自相似网络业务数据的计算结果均表明,该方法提高了Hurst参数估计的效率和准确性,比传统方法具有更好的性能.

摘要：线性判别分析（LDA）是人脸识别系统中用来降维的主要技术之一,但却受到小样本问题的限制,从而使其不能有效发挥其性能.本文通过把权值的概念引入LDA之中,使关联加权LDA方法有效地改善了小样本问题,但是它的分类效果却并不理想.为了解决这个问题,本文提出了基于haar小波的关联加权LDA方法,该方法在haar小波子带基础上,应用关联加权LDA方法,既解决了小样本问题,又改善了分类的效果.利用ORL及FERET两大人脸数据库进行了实验,其结果表明与最先进的几种方法相比较,HWRW-LDA方法具有更好的识别性能.

摘要：针对目前多核计算平台的普及性以及多核平台的强大计算能力,通过充分利用高速缓存的工作原理以及多线程程序设计的优势,提出了一种在多核平台上高速缓存优化的并行haar小波计算算法。通过测定算法运行过程中高速缓存缺失率以及算法在不同多核计算平台上的运算性能,反映了该算法极大地降低了缺失率和减少了计算时间。如在数据规模8192条件下缺失率从95%降低到8.37%,计算时间从4.35s减至0.89s。由此证明了该计算方法具有高速且可移植的特性。

摘要：在无线传感器网络中,传感器节点的通信带宽有限,节点输出数据量需要与之匹配。针对该问题,设计高频系数选择算法确定待传输的haar小波系数选择、量化和编码,通过自适应调整数据压缩率控制输出数据量。理论分析与仿真结果表明,该方法可充分利用节点通信带宽,当温度和湿度数据压缩率为0.9时,数据重构均方差小于0.1。