奇异性
-
基于斯坦福算法的小波模极大值信号降噪与模态识别系统
该项目提供了一套完整的小波模极大值（Wavelet Transform Modulus Maxima, WTMM）计算与应用源代码。其核心功能是通过对信号进行连续小波变换，在时频平面内搜索并提取小波系数的局部极大值点。该方法建立了信号奇异性与小波变换模极大值在多尺度下的衰减特性之间的数学联系。具体实现过程中，代码可以自动追踪跨尺度的模极大值点并将其通过极大值线进行连接，从而刻画信号的Lipschitz指数。在实际应用中，该系统展现出极强的鲁棒性：一方面，它可用于高性能小波降噪，通过区分信号与噪声在不同尺度 -
基于小波变换模极大值法的信号去噪算法实现
该项目旨在通过多尺度小波变换的模极大值理论，提供一种能够有效保留信号边缘特征的去噪方案。其核心原理基于信号与噪声在小波变换尺度空间中模极大值的演变特性差异，即信号的模极大值随尺度增加而保持平稳或增大，而平稳随机噪声的模极大值随尺度增加而迅速衰减。 具体实现过程中，程序首先对含噪信号进行多尺度解析分解，准确捕捉各尺度下的小波变换模极大值点。随后，通过计算Lipschitz指数或设定启发式阈值，自动识别并保留与真实信号特征对应的极大值点，同时剔除属于噪声产生的极大值。最后，应用交替投影算法（Projectio
