第23卷第5期 唐山师范学院学报 2001年9月 Vol. 23 No.5 Journal of Tangshan Teachers College Sep. 2001 ────────── 收稿日期：2001-06-20 作者简介：崔万臣（1953-），男，河北丰南人，唐山师范学院数学系讲师。 - 41 - 某些线性微分方程的算子解法 崔万臣 (唐山师范学院 数学系，河北 唐山 063000) 摘 要：给出了某些基本类型的线性微分方程的算子解法。 关键词：算子；逆算子；线性方程；特征根 中图分类号：O17 文献标识码：A 文章编号：1009-9115（2001）05-0041-02 在常微分方程中，方程求解问题是很重要的内容。一般常微分方程的求解不是容易的，但常系数线性方程的求解已经有了较多的方法。本文给出某些基本类型的常系数线性微分方程的算子解法。 1 算子的概念和性质 定义1 记d D dx =;222d D dx =… …n n n d D dx =。称2n D,D ......D 极其多项式n n 11n 1n L(D)D a D a D a --=++++ 为微分算子，简称算子。于是方程n n 11n 1n n n 1d d d y a y ......a y a y f (x)dx dx dx ---++++=可记为L(D)y f (x)= 定义2 设L(D)为一算子，若存在算子H(D)使L(D)(H(D)f (x))f (x)=，则称H(D)为L(D)的逆算子，记为1H(D)L(D)=于是方程L(D)y=f(x)等价于1y f (x)L(D) =可以证明，算子具有以下性质(证明略) 1．11221122L(D)(a y a y )a L(D)y a L(D)y +=+ 2．()()()()1212L (D)L D y L D L D y = 3． x x 11e e (L()0)L(D)L()λλ=λ≠λ 4.()x x 11e f (x)e f x L(D)L(D ) λλ=+λ 2 某些基本类型微分方程的算子解法 类型Ⅰ k L(D)y f (x)=，其中k f (x)为x 的k 次多项式。分两种情况讨论 1°若L(0)≠0，由逆算子定义直接可求得特解k k 1y f (x)Q(D)f (x)L(D) == 2°若L(0)=0,此时，()()()s 11L(D)D L D L 00,s 0=≠> 由性质2，方程的特解k k s 111y f (x)f (x)L(D)D L(D) == 例1 求方程22(D 1)y x 5+=+特解
高阶常微分方程的微分算子法 摘自《大学数学解题法诠释》 .徐利治,.冯克勤,.方兆本,.徐森林,.1999 高阶方程的求解自然要比一阶方程更为困难，即使是对于线性微分方程。但是有一个例外：常系数线性微分方程。我们可以完整的求出它的通解来，所以常系数线性方程的求解，主要精力是集中在讨论对应的非齐 次方程的特解。本节主要讨论微分算子法。 1.求方程230y y y ''''''--=的通解. 解 记() n n y D y =，将方程写成 32230D y D y Dy --= 或3 2 (23)0D D D y --= 我们熟知，其实首先要解特征方程 32230D D D --= 得0,1,3D =-故知方程有三特解31,,x x e e -，由于此三特解为线性无关，故立得通解 3123x x y C C e C e -=++ 注：本题方程为齐次常系数三阶常微分方程，线性常微分方程的一般形状是 1111()()()()() n n n n n n n d y d y dy L y a x a x dx dx dx a x y f x ---=++++=L 其中系数1(),,()n a x a x L 是某区间(,)a b 上的连续函数，上述方程又可写成 1 1()(()())n n n L y D a x D a x y -≡+++L ()f x = 可以把上面括号整体看作一种运算，常称为线性微分算子。本题中各()i a x 均为实常数，今后也仅对实常系数的情形来进一步发展线性微分算子方法。 2.求解 61160y y y y ''''''-+-= 解 写成 32 (6116)0D D D y -+-= 从特征方程 3 2 06116D D D =-+- (1)(2)(3)D D D =--- 解得 1,2,3D =共三实根，故可立即写成特解 23123x x x y C e C e C e =++ 3.求解 39130y y y y ''''''-++= 解 写成 32 (3913)0D D D y -++= 或 2 (1)(413)0D D D y +-+= 特征方程 2 (1)(413)0D D D +-+=有根 1,23D i =-±，故对应的特解是x e -，2cos3x e x ， 2sin 3x e x 从而通解是 22123cos3sin 3x x x y C e C e x C e x -=++ 4.求(4) 45440y y y y y ''''''-+-+=之通解. 解 写成 432 (4544)0D D D D y -+-+= 或 22 (2)(1)0D D y -+= 特征根是2,2,D i =±，对应的特解应是 22,,cos ,sin x x e xe x x ，故写成通解 21234()()cos sin x y x e C C x C x C x =+++ 5.求1 (cos )y y x -''+=的通解 解 本题为非齐次方程，先求出对应的齐次方程 0y y ''+=的通解，写成2 (1)0D y +=，可知特征根为i ±，相应的通解为112cos sin y C x C x =+ 设原方程有特解形为 *12()cos ()sin y C x x C x x =+ 其中12,C C 为待定函数，常数变异告诉我们，应求解下面的方程组 121 12()cos ()sin 0()(cos )()(sin )(cos ) C x x C x x C x x C x x x -?''+=??''''+=?? 或 121 12()cos ()sin 0()sin ()cos (cos ) C x x C x x C x x C x x x -?''+=??''-+=?? (方程组右端为原方程非齐次项1 (cos )x -)，解得 1sin ()cos x C x x '=-，2()1C x '= 或 1()ln cos C x x =，2()C x x = 最后得通解为 1*()()()y x y x y x =+
小波去噪 [xd,cxd,lxd]=wden(x,tptr,sorh,scal,n,'wname') 式中： 输入参数x 为需要去噪的信号； 1.tptr ：阈值选择标准. 1)无偏似然估计（rigrsure）原则。它是一种基于史坦无偏似然估计（二次方程）原理的自适应阈值选择。对于一个给定的阈值t，得到它的似然估计，再将似然t 最小化，就得到了所选的阈值，它是一种软件阈值估计器。 2）固定阈值（sqtwolog）原则。固定阈值thr2 的计算公式为：thr 2log(n) 2 = (6)式中，n 为信号x（k）的长度。 3）启发式阈值（heursure）原则。它是rigrsure原则和sqtwolog 原则的折中。如果信噪比很小，按rigrsure 原则处理的信号噪声较大，这时采用sqtwolog原则。 4）极值阈值（minimaxi）原则。它采用极大极小原理选择阈值，产生一个最小均方误差的极值，而不是没有误差。 2.sorh ：阈值函数选择方式，即软阈值(s) 或硬阈值(h). 3.scal ：阈值处理随噪声水平的变化，scal=one 表示不随噪声水平变化，scal=sln 表示根据第一层小波分解的噪声水平估计进行调整，scal=mln 表示根据每一层小波分解的噪声水平估计进行调整. 4.n 和wname 表示利用名为wname 的小波对信号进行n 层分解。输出去噪后的数据xd 及xd 的附加小波分解结构[cxd,lxd]. 常见的几种小波：haar，db，sym，coif，bior haar db db1 db2 db3 db4 db5 db6 db7 db8 db9 db10 sym sym2 sym3 sym4 sym5 sym6 sym7 sym8 coif coif1 coif2 coif3 coif4 coif5 coif6 coif7 coif8 coif9 coif10 bior bior1.1 bior1.3 bior1.5 bior2.2 bior2.4 bior2.6 bior2.8 bior3.5 bior3.7 bior3.9 bior4.4
高阶常微分方程的微分算子法 高阶方程的求解自然要比一阶方程更为困难，即使是对于线性微分方程。但是有一个例外：常系数线性微分方程。我们可以完整的求出它的通解来，所以常系数线性方程的求解，主要精力是集中在讨论对应的非齐 次方程的特解。本节主要讨论微分算子法。 1.求方程230y y y ''''''--=的通解. 解 记()n n y D y =，将方程写成 32230D y D y Dy --= 或32(23)0D D D y --= 我们熟知，其实首先要解特征方程 32230D D D --= 得0,1,3D =-故知方程有三特解31,,x x e e -，由于此三特解为线性无关，故立得通解 3123x x y C C e C e -=++ 注：本题方程为齐次常系数三阶常微分方程，线性常微分方程的一般形状是 1111()()()()() n n n n n n n d y d y dy L y a x a x dx dx dx a x y f x ---=++++= 其中系数1(),,()n a x a x 是某区间(,)a b 上的连续函数，上述方程又可写成 1 1()(()())n n n L y D a x D a x y -≡+++ ()f x = 可以把上面括号整体看作一种运算，常称为线性微分算子。本题中各()i a x 均为实常数，今后也仅对实常系数的情形来进一步发展线性微分算子方法。 2.求解 61160y y y y ''''''-+-= 解 写成 32(6116)0D D D y -+-= 从特征方程 3 2 06116D D D =-+- (1)(2)(3)D D D =--- 解得 1,2,3D =共三实根，故可立即写成特解 23123x x x y C e C e C e =++ 3.求解 39130y y y y ''''''-++= 解 写成 32(3913)0D D D y -++= 或 2(1)(413)0D D D y +-+= 特征方程 2(1)(413)0D D D +-+=有根 1,23D i =-±，故对应的特解是x e -，2cos3x e x ， 2sin3x e x 从而通解是 22123cos3sin3x x x y C e C e x C e x -=++ 4.求(4)45440y y y y y ''''''-+-+=之通解. 解 写成 432(4544)0D D D D y -+-+= 或 22(2)(1)0D D y -+= 特征根是2,2,D i =±，对应的特解应是 22,,cos ,sin x x e xe x x ，故写成通解 21234()()cos sin x y x e C C x C x C x =+++ 5.求1(cos )y y x -''+=的通解 解 本题为非齐次方程，先求出对应的齐次方程 0y y ''+=的通解，写成2(1)0D y +=，可知特征根为i ±，相应的通解为112cos sin y C x C x =+ 设原方程有特解形为 *12()cos ()sin y C x x C x x =+ 其中12,C C 为待定函数，常数变异告诉我们，应求解下面的方程组 121 12()cos ()sin 0 ()(cos )()(sin )(cos ) C x x C x x C x x C x x x -?''+=??''''+=?? 或 121 12()cos ()sin 0()sin ()cos (cos ) C x x C x x C x x C x x x -?''+=??''-+=?? (方程组右端为原方程非齐次项1(cos )x -)，解得 1s i n ()cos x C x x '=-，2()1C x '= 或 1()ln cos C x x =，2()C x x = 最后得通解为 1*()()()y x y x y x =+ 12cos sin cos ln cos sin C x C x x x x x =+++
第一章图像边缘的定义 引言 在实际的图像处理问题中，图像的边缘作为图像的一种基本特征，被经常用于到较高层次的特征描述，图像识别。图像分割，图像增强以及图像压缩等的图像处理和分析中，从而可以对图像进行进一步的分析和理解。 由于信号的奇异点或突变点往往表现为相邻像素点处的灰度值发生了剧烈的变化，我们可以通过相邻像素灰度分布的梯度来反映这种变化。根据这一特点，人们提出了多种边缘检测算子：Roberts算子Prewitt算子Laplace算子等。 经典的边缘检测方法是构造出像素灰度级阶跃变化敏感的微分算子。这些算子毫无例外地对噪声较为敏感。由于原始图像往往含有噪声、而边缘和噪声在空间域表现为灰度有大的起落，在频域则反映为同是主频分量，这就给真正的边缘检测到来困难。于是发展了多尺度分析的边缘检测方法。小波分析与多尺度分析有着密切的联系，而且在小波变换这一统一理论框架下，可以更深刻地研究多尺度分析的边缘检测方法，Mallat S提出了一小波变换多尺度分析为基础的局部极大模方法进行边缘检测。 小波变换有良好的时频局部转化及多尺度分析能力，因此比其他的边缘检测方法更实用和准确。小波边缘检测算子的基本思想是取小波函数作为平滑函数的一阶导数或二阶导数。利用信号的小波变换的模值在信号突变点处取局部极大值或过零点的性质来提取信号的边缘点。常用的小波算子有Marr 算子Canny算子和Mallat算子等。
§1.1信号边缘特征 人类的视觉研究表明，信号知觉不是信号各部分简单的相加，而是各部分有机组成的。人类的信号识别（这里讨论二维信号即图像）具有以下几个特点：边缘与纹理背景的对比鲜明时,图像知觉比较稳定；图像在空间上比较接近的部分容易形成一个整体；在一个按一定顺序组成的图像中，如果有新的成份加入，则这些新的成份容易被看作是原来图像的继续；在视觉的初级阶段，视觉系统首先会把图像边缘与纹理背景分离出来，然后才能知觉到图像的细节，辨认出图像的轮廓，也就是说，首先识别的是图像的大轮廓；知觉的过程中并不只是被动地接受外界刺激，同时也主动地认识外界事物，复杂图像的识别需要人的先验知识作指导；图像的空间位置、方向角度影响知觉的效果。从以上这几点，可以总结出待识别的图像边缘点应具有下列特征即要素：具有较强的灰度突变，也就是与背景的对比度鲜明；边缘点之间可以形成有意义的线形关系，即相邻边缘点之间存在一种有序性；具有方向特征；在图像中的空间相对位置；边缘的类型，即边缘是脉冲型、阶跃型、斜坡型、屋脊型中哪一种。 §1.2图像边缘的定义 边缘检测是图像处理中的重要内容。而边缘是图像中最基本的特征，也是指周围像素灰度有变化的那些像素的集合。主要表现为图像局部特征的不连续性，也就是通常说的信号发生奇异变化的地方。奇异信号沿边缘走向的灰度变化剧烈，通常分为阶跃边缘和屋顶边缘两种类型。阶跃边缘在阶跃的两边的灰度值有明显的变化；屋顶边缘则位于灰度增加与减少的交界处。我们可以利用灰度的导数来刻画边缘点的变化，分别求阶跃边缘和屋顶边缘的一阶，二阶导数。如图可见，对于边缘点A，阶跃边缘的一阶导数在A点到最大值，二阶导数在A点过零点；屋顶边缘的一阶导数在A点过零点，二阶导数在A点有最大值。
小波分析发展的综述 摘要 小波分析是近年来迅速发展起来的新兴学科，由于它在时间域和时间域里同时具有良好的局部化性质，因而同时具备理论深刻与应用广泛的双重意义小波分析已经基本形成了一个完整的理论体系，并且在很多领域内有了比较深入的研究。 本文将介绍小波分析理论的产生背景，并从几个方面概述了它比较成功的应用实例，最后展望了小波分析研究的发展趋势。 关键词：小波分析；时间域；时间域
Abstract Wavelet analysis is a new kind of disipines which has developed rapidly in recent years, Because it has the good localization property in both time domain and frequency domain, So the wavelet analysis has a double meaning of wide range of combination of theory and application which has basically formed a complete theoretical system, and it have more in-depth study in many areas . This article will introduce the background of wavelet analysis theory，and an overview of several aspects of its successful application examples，Finally, summarize the development trend of wavelet analysis research. Keywords: Wavelet analysis,time domain,frequency domain
微分算子法中D 的运算 D ：微分的意思，如Dx 2=2x ， D 3x 2=0 D 1:积分的意思，如D 1x=2x 2 ******************************************************************************* 定理1：)()(F k F e e D kx kx = 注意使用公式时的前后顺序 例： x x x x e e k e e D 22222225)12()1()1(=+=+=+ 推论：) (1)(F 1k F e e D kx kx = （F(k)≠0） 例：x e y y 2=+'' x e y D 22)1(=+ x x x e e e D y 22222*5 1121)1(1=+=+= ****************************************************************************** 定理2：)(sin sin )(F 22a F ax ax D -?= )(cos cos )(F 22a F ax ax D -?= 注意使用公式时的前后顺序 推论：) (1sin sin )(F 122a F ax ax D -?= （F(-a 2) ≠0） 例：x y y 3cos 24=+） （ x y D 3cos 2)1(4 =+ x x x x D x D y 3cos 4113cos 82121)3(13cos 23cos 1)(123cos )1(1222224*=??=+-??=?+?=?+?=遇到sinax,cosax 时，要凑出D 2来。F(D)里有D 2，即可代换为-a 2，代换后继续算F(D)。 ******************************************************************************* 定理3： )()()()(F x v k D F e x v e D kx kx += 注意使用公式时的前后顺序 推论：)() (1)()(F 1x v k D F e x v e D kx kx += 例：x e x y y 22y 44?=+'-''
收稿日期：2007－12－10 作者简介：史振江（1979－），男，汉，河北唐山人，学士，讲师，研究方向智能检测与控制技术。 基金项目：河北省教育厅自然科学项目（Z2006442） 基于MATLAB 的小波消噪仿真实现 史振江１） 安建龙 ２） 赵玉菊１） （石家庄铁路职业技术学院１） 河北石家庄 ０５００４１ 衡水学院２） 河北衡水 ０５３０００） 摘要：小波阈值消噪方法是利用小波变换技术对含噪信号进行分解和重构，通过对小波分解后的小波系数限定阈值来消除噪声的方法。分析小波消噪的算法和实现步骤，并基于MATLAB 软件平台编写仿真程序。进行光纤光栅反射信号的小波消噪仿真实验，消噪效果良好。 关键词：小波消噪 阈值 分解 重构 光纤光栅 中图分类号：ＴＰ２７２ 文献标识码：Ａ 文章编号：1673-1816(2008)01-0063-04 １ 引言 微弱信号检测[1]是关于如何提取和测量强噪声背景下微弱信号的方法，有效的去除信号中的噪声是实现微弱信号检测的关键。小波变换[2]是一种信号的时间、频率分析方法，具有多分辨分析的特点，是时间窗和频率窗都可以改变的时频局部化分析方法，已经广泛应用于信号消噪、信号处理、图像处理、语音识别与合成等领域。小波消噪[3～5]的方法可以分为三类：模极大值法、相关法以及阈值方法。其中，小波阈值消噪方法是利用小波变换技术对含噪信号进行分解和重构，通过对小波分解后的各层系数限定阈值来消除噪声的方法，因其实现简单、计算量小，取得了广泛应用。 MATLAB 即矩阵实验室，是一种建立在向量、数组和矩阵基础上，面向科学与工程计算的高级语言，它集科学计算、自动控制、信号处理、神经网络、图像处理于一体，具有极高的编程效率[6]。其中的小波处理工具箱可以方便实现小波消噪算法，对含噪信号进行消噪处理和研究。 本文详细分析了小波消噪算法，利用MATLAB 软件编写了程序，并对光纤光栅反射谱信号进行了小波消噪仿真实验。 ２ 小波变换与Mallat 算法 小波变换是指，把某一被称为基本小波的函数()t ψ平移位移b 后， 在不同尺度a 下作伸缩变换，得到连续小波序列,()a b t ψ，再与待分析信号()f t 作内积： 1/2(,)()()f R t b W a b a f t dt a ψ??=∫ （1） 在实际应用中，经常将,()a b t ψ作离散化处理，令2j a =，2j b k =g ，Z k j ∈,则得到相应的离散
姚老师最爱的两招：表格法与微分算子法，因为效率高，所以喜欢，仅此而已！录入可是字字辛苦，希望大家珍惜哦！ 一、 分部积分的表格法 分部积分主要针对被积函数为两类函数乘积的类型，主要可以归纳为反幂、对幂、幂三、幂指和三指五种，幂可以扩展为多项式函数，三主要指正弦和余弦两类三角函数，基本原则是把其中一类函数拿去凑微分，遵循“反对幂三指”、越往后越先凑微分的原则，前四种称为“终止模式”，最后一种称为“循环模式”。当涉及到幂函数（多项式函数）次数较高时，需多次用到分部积分，计算较繁且易出错，因此介绍一个推广公式： 定理：设(),()u u x v v x ==有1n +阶连续导数，则 (1)()(1)(2)(3)1(1)''''''(1)n n n n n n n uv dx uv u v u v u v u vdx +---++=-+-++-? ?。（此定理及证 明可略，仅告诉大家，我不是瞎编乱造，而是有理论依据的！） 【证：用数学归纳法。 当0n =时，''uv dx uv u vdx =-??。 设1n k =≥时，(1)()(1)(2)(3)1(1)''''''(1)k k k k k k k uv dx uv u v u v u v u vdx +---++=-+-+ +-?? （*） 则当1n k =+时，(2)(1)(1)(1)'k k k k uv dx udv uv u v dx ++++==-???， 将上式的'u （*）式中的u ，则有 (1)()(1)(2)1(2)'''''''(1)k k k k k k u v dx u v u v u v u vdx +--++=-+++-? ?， 从而(2)(1)()(1)(2)2(2)''''''(1)k k k k k k k uv dx uv u v u v u v u vdx ++--++=-+-+ +-??，得证。】 上述式子并不好记，它的一个直观表达就是表格法，如下表。 1))1)2) v v +-- 下面通过例子给予演示： （1）“幂三”型 例1.1 52(325)cos x x x xdx +-+? 解：
小波变换与小波框架 小波分析的理论与方法是从Fourier分析的思想方法演变而来的，就象Fourier分析分为积分Fourier变换和Fourier级数一样，小波分析也分为(积分)小波变换和小波级数两部分，(积分)小波变换的主体是连续小波变换，正尺度小波变换和s-进小波变换；而小波级数的主体部分是关于小波框架的理论．小波分析理论深刻，应用广泛，并且仍在迅速发展之中．本文是作者作为初学者，就小波分析这一理论中比较基本和初步的东西所作的一点归纳和整理，其实，有许多结论已经或明或暗的出现于许多文献中了，只是作者觉得它们叙述得不够适合初学者，尤其是不适合没有工程应用背景的人，这是因为小波分析象Fourier 分析一样，起初都是由应用数学家，物理学家和工程师们发展起来的．本文所得结论比较初步，所用方法基本上属于泛函分析中的一些基本内容，只是稍微需要一点关于拓扑群的知识和Fourier分析的基础知识．本文仅考虑Hilbert 空间L~2(R)及其闭子空间中的小波变换和小波框架等问题．本文主要考虑的问题是：L~2(R)上的连续小波变换，正尺度小波变换和s-进小波变换，以及L~2(R)中的小波框架，因为平移框架在小波框架中具有重要作用，所以也考虑了L~2(R)的闭子空间中的平移框架．事实上，通常的小波分析所研究的问题，在一维情形，概括地说，是研究实直线R上的仿射群R~*×R及其子群和子集在L~2(R)上的酉表示U所诱导的L~2(R)(有时是其闭子空间)中的函数的积分变换的性质及应用．下面作稍具体的一点解释：首先，变换上的仿射变换，所有这样的变换全体做成—个群，记为和凡xB—1（。m，幻＞儿mE 二，bE用是XxR的子群，（丹xRh 一 U习－，巴－nf小＞1；左＞0，mE 凤n二厂I是R宇XR的一忏集丞它不是群．分别作定义在集合 R’ x B，
高阶常微分方程的微分算子法 撰写 摘自《大学数学解题法诠释》 .徐利治,.冯克勤,.方兆本,.徐森林,.1999 高阶方程的求解自然要比一阶方程更为困难，即使是对于线性微分方程。但是有一个例外：常系数线性微分方程。我们可以完整的求出它的通解来，所以常系数线性方程的求解，主要精力是集中在讨论对应的非齐 次方程的特解。本节主要讨论微分算子法。 1.求方程230y y y ''''''--=的通解. 解 记() n n y D y =，将方程写成 32230D y D y Dy --= 或32 (23)0D D D y --= 我们熟知，其实首先要解特征方程 32230D D D --= 得0,1,3D =-故知方程有三特解31,,x x e e -，由于此 三特解为线性无关，故立得通解 3123x x y C C e C e -=++ 注：本题方程为齐次常系数三阶常微分方程，线性常微分方程的一般形状是 1111()()()()() n n n n n n n d y d y dy L y a x a x dx dx dx a x y f x ---=++++=L 其中系数1(),,()n a x a x L 是某区间(,)a b 上的连续函数，上述方程又可写成 11()(()())n n n L y D a x D a x y -≡+++L ()f x = 可以把上面括号整体看作一种运算，常称为线性微分算子。本题中各()i a x 均为实常数，今后也仅对实常系数的情形来进一步发展线性微分算子方法。 2.求解 61160y y y y ''''''-+-= 解 写成 32 (6116)0D D D y -+-= 从特征方程 3 2 06116D D D =-+- (1)(2)(3)D D D =--- 解得 1,2,3D =共三实根，故可立即写成特解 23123x x x y C e C e C e =++ 3.求解 39130y y y y ''''''-++= 解 写成 32 (3913)0D D D y -++= 或 2 (1)(413)0D D D y +-+= 特征方程 2 (1)(413)0D D D +-+=有根 1,23D i =-±，故对应的特解是x e -，2cos3x e x ， 2sin 3x e x 从而通解是 22123cos3sin 3x x x y C e C e x C e x -=++ 4.求(4) 45440y y y y y ''''''-+-+=之通解. 解 写成 432 (4544)0D D D D y -+-+= 或 22 (2)(1)0D D y -+= 特征根是2,2,D i =±，对应的特解应是 22,,cos ,sin x x e xe x x ，故写成通解 21234()()cos sin x y x e C C x C x C x =+++ 5.求1 (cos )y y x -''+=的通解 解 本题为非齐次方程，先求出对应的齐次方程 0y y ''+=的通解，写成2 (1)0D y +=，可知特征根为i ±，相应的通解为112cos sin y C x C x =+ 设原方程有特解形为 *12()cos ()sin y C x x C x x =+ 其中12,C C 为待定函数，常数变异告诉我们，应求解下面的方程组 121 12()cos ()sin 0()(cos )()(sin )(cos ) C x x C x x C x x C x x x -?''+=??''''+=?? 或 121 12()cos ()sin 0()sin ()cos (cos ) C x x C x x C x x C x x x -?''+=??''-+=?? (方程组右端为原方程非齐次项1 (cos )x -)，解得 1sin ()cos x C x x '=-，2()1C x '= 或 1()ln cos C x x =，2()C x x = 最后得通解为 1*()()()y x y x y x =+
clear all clc %在噪声环境下语音信号的增强 %语音信号为读入的声音文件 %噪声为正态随机噪声 sound=wavread('c12345.wav'); count1=length(sound); noise=0.05*randn(1,count1); for i=1:count1 signal(i)=sound(i); end for i=1:count1 y(i)=signal(i)+noise(i); end %在小波基'db3'下进行一维离散小波变换 [coefs1,coefs2]=dwt(y,'db3'); %[低频高频] count2=length(coefs1); count3=length(coefs2); energy1=sum((abs(coefs1)).^2); energy2=sum((abs(coefs2)).^2); energy3=energy1+energy2; for i=1:count2 recoefs1(i)=coefs1(i)/energy3; end for i=1:count3 recoefs2(i)=coefs2(i)/energy3; end %低频系数进行语音信号清浊音的判别 zhen=160; count4=fix(count2/zhen); for i=1:count4 n=160*(i-1)+1:160+160*(i-1); s=sound(n); w=hamming(160); sw=s.*w; a=aryule(sw,10); sw=filter(a,1,sw); sw=sw/sum(sw); r=xcorr(sw,'biased'); corr=max(r); %为清音（unvoice）时，输出为1；为浊音（voice）时，输出为0 if corr>=0.8 output1(i)=0; elseif corr<=0.1
小波分析理论简介 （一） 傅立叶变换伟大的历史贡献及其局限性 1 Fourier 变换 1807年，由当年随拿破仑远征埃及的法国数学、物理学家傅立叶（Jean Baptistle Joseph Fourier ,1786-1830),提出任意一个周期为T (=π2)的函数 )(t f ，都可以用三角级数表示： )(t f = ∑∞ -∞=k ikt k e C = 20 a + ∑∞=1cos k k kt a + ∑∞ =1 sin k k kt b (1) k C = π 21 ? -π 20 )(dt e t f ikt = * ikt e f , (2) k k k C C a -+= )(k k k C C i b --= (3) 对于离散的时程 )(t f ，即 N 个离散的测点值 m f ，=m 0,1，2，……,N-1, T 为测量时间： )(t f =2 0a + )sin cos (12 1∑-=+N k k k k k t b t a ωω+t a N N 2 2cos 21 ω=∑-=1 0N k t i k k e C ω （4） 其中 ∑-== 1 02cos 2 N m m k N km x N a π ，=k 0，1，2，…,2N (5) ∑-== 1 2sin 2N m m k N km x N b π , =k 1,2,…, 2N -1 (6) ∑-=-= 1 )/2(1N m N km i m k e x N C π ，=k 0，1，2，…,N-1 (7) t N k k ?=π ω2 ，N T t =? (8) 当T ∞→ 时，化为傅立叶积分（即 Fourier 变换）： ? ∞ ∞ --= dt e t f f t i ωω)()( =t i e f ω, （9） ωωπ ωd e f t f t i )(21 )(? ∞ ∞ -= (10)
第1章Haar小波分析1.1简介
(近距离---小尺度） （高分辨率） (远距离---大尺度) （低分辨率） 1.2 平均与细节 设1234{,,,}x x x x 是一个信号序列。定义它的平均和细节： 1,0121,012()/2()/2a x x d x x =+? ?=-? 找出了1x 、2x 和1,0a 、1,0d 的关系。 这里，1,0a 是原信号前两个值1x 、2x 的平均。又叫低频成分，反映前两个值1x 、2x 的基本特征或粗糙趋势；1,0d 反映了1x 、2x 的差别，即细节信息，又叫高频成分。 1,1341,134()/2()/2a x x d x x =+? ?=-? 找出了3x 、4x 和1,1a 、1,1d 的关系。 同样，1,1a 是原信号后两个值3x 、4x 的平均，1,1d 反映了3x 、4x 的细节。 我们把1,01,11,01,1{,,,}a a d d 看作是对1234{,,,}x x x x 实施了一次变换的结果。 变换还可以往下进行： 0,01,01,1()/2a a a =+ =1234(()/2()/2)/2x x x x +++ =1234()/4x x x x +++ 0,0a 是对4个信号元素最终的平均，它是原信号最基本的信息；0,01,01,1()/2d a a =-。
经过二次变换，我们得到了原信号的另一种表示： 0,00,01,01,1{,,,}a d d d 该序列叫做原序列的小波变换，0,00,01,01,1,,,a d d d 叫做小波系数。 还可以反过来表示： 111,0211,0x a d x a d =+? ?=-? 这是用｛1a ,1,0d ｝来恢复原信号1x 、2x ； 321,1421,1x a d x a d =+? ?=-? 用｛2a ,1,1d ｝来恢复原信号3x 、4x 。 也就是反变换。 小波变换过程的塔式算法： 例如，1234{,,,}x x x x ＝｛3，1，－2，4｝ 最终的小波变换为0,00,01,01,1{,,,}a d d d =31{,,1,3}22 - 1.3 尺度函数与小波函数 (1)Haar 尺度函数 不压缩：不位移 位移一个单位 位移k 个单位 110,0()() t t φφ=0,1(1)()t t φφ-=0,()()k t k t φφ-=1k 1k +t t t 0000
微分算子法
高阶常微分方程的微分算子法 摘自《大学数学解题法诠释》 .徐利治,.冯克勤,.方兆本,.徐森林,.1999 高阶方程的求解自然要比一阶方程更为困难，即使是对于线性微分方程。但是有一个例外：常系数线性微分方程。我们可以完整的求出它的通解来，所以常系数线性方程的求解，主要精力是集中在讨论对应的非齐 次方程的特解。本节主要讨论微分算子法。 1.求方程230y y y ''''''--=的通解. 解 记() n n y D y =，将方程写成 3 2 230D y D y Dy --= 或3 2(23)0 D D D y --= 我们熟知，其实首先要解特征方程 32230 D D D --= 得0,1,3D =-故知方程有三特解 31,,x x e e -，由于此三特解为线性 无关，故立得通解 31 23x x y C C e C e -=++ 注：本题方程为齐次常系数三阶常微分方程，线性常微分方程的一般形状是 1111()()() ()() n n n n n n n d y d y dy L y a x a x dx dx dx a x y f x ---=++++=L 其中系数1 (),,()n a x a x L 是某区间 (,) a b 上的连续函数，上述方 程又可写成 11()(()())n n n L y D a x D a x y -≡+++L () f x = 可以把上面括号整体看作 一种运算，常称为线性微分 算子。本题中各()i a x 均为实常数，今后也仅对实常系数的情形来进一步发展线性微分算子方法。 2.求解 61160y y y y ''''''-+-= 解 写 成 32(6116)0 D D D y -+-=
数字图像去噪典型算法及matlab实现 希望得到大家的指点和帮助 图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等； 目前比较经典的图像去噪算法主要有以下三种： 均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进，主要避开对景物边缘的平滑处理。 中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。 Wiener维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，是一种自适应滤波器，根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。实验一：均值滤波对高斯噪声的效果 I=imread('C:\Documents and Settings\Administrator\桌面\1.gif');%读取图像 J=imnoise(I,'gaussian',0,0.005);%加入均值为0，方差为0.005的高斯噪声 subplot(2,3,1);imshow(I); title('原始图像'); subplot(2,3,2); imshow(J); title('加入高斯噪声之后的图像'); %采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 K1=filter2(fspecial('average',3),J)/255; %模板尺寸为3 K2=filter2(fspecial('average',5),J)/255;% 模板尺寸为5 K3=filter2(fspecial('average',7),J)/255; %模板尺寸为7 K4= filter2(fspecial('average',9),J)/255; %模板尺寸为9 subplot(2,3,3);imshow(K1); title('改进后的图像1'); subplot(2,3,4); imshow(K2); title('改进后的图像2');
高阶常微分方程的微分算子法 3.求解 39130y y y y ''''''-++= 解 写成 32 (3913)0D D D y -++= 或 2 (1)(413)0D D D y +-+= 特征方程 2 (1)(413)0D D D +-+=有根 1,23D i =-±，故对应的特解是x e -，2cos3x e x ， 2sin 3x e x 从而通解是 22123cos3sin 3x x x y C e C e x C e x -=++ 4.求(4) 45440y y y y y ''''''-+-+=之通解. 解 写成 432 (4544)0D D D D y -+-+= 或 22 (2)(1)0D D y -+= 特征根是2,2,D i =±，对应的特解应是 22,,cos ,sin x x e xe x x ，故写成通解 21234()()cos sin x y x e C C x C x C x =+++ 5.求1 (cos )y y x -''+=的通解 解 本题为非齐次方程，先求出对应的齐次方程 0y y ''+=的通解，写成2 (1)0D y +=，可知特征根为i ±，相应的通解为112cos sin y C x C x =+ 设原方程有特解形为 *12()cos ()sin y C x x C x x =+ 其中12,C C 为待定函数，常数变异告诉我们，应求解下面的方程组 121 12()cos ()sin 0()(cos )()(sin )(cos ) C x x C x x C x x C x x x -?''+=??''''+=?? 或 121 12()cos ()sin 0()sin ()cos (cos ) C x x C x x C x x C x x x -?''+=??''-+=?? (方程组右端为原方程非齐次项1 (cos )x -)，解得 1sin ()cos x C x x '=-，2()1C x '= 或 1()ln cos C x x =，2()C x x = 最后得通解为 1*()()()y x y x y x =+ 12cos sin cos ln cos sin C x C x x x x x =+++