说明：先进行高斯金字塔分层，在拉普拉斯分解，最终将两幅局部有模糊的图像进行融合，最后显示清晰图像。

金字塔分层 分层图像 金字塔融合 模糊-融合 局部模糊图像

说明：希尔伯特黄变换，经验模态分解，边际谱，超级全代码，可以出图可以自由更换信号。

边际谱 HHT边际谱 hht 自由模态 HHT谱

说明：把HHT和神经网络结合起来，识别出是否故障。对于HHT变换，这里用到的是它的IMF分解，然后用能量理论来判别哪些模组是虚假分量，哪些是是真实分量。对于EMD分解后的谱进行特征提取 ，利用的理论基础就是模糊熵。计算出真实 分量的模糊熵，作为输入层；输出层为两个神经元，为0（故障 ）1（正常 （正常 ）...

EMD-特征提取 emd-熵 imf能量 分解-变换 故障特征

说明：能够实现对故障数据进行分解，比EMD分解效果更好。

EMD 集合经验模态分解 EEMD

说明：数据矩阵运用非负矩阵分解算法，分解得到两个低维矩阵，并用于信号分离。

信号-分解 非负矩阵分离 信号分解 cochleagram 非负矩阵

说明：从原始图像产生噪声图像，使用db1执行2层小波，使用wpbmpen进行全阈值选择，采用硬阈值和软阈值处理方式,保存低频,进行图像降噪，并绘制各分解系数图像。

噪声图像 硬阈 图像降噪

说明：从原始图像产生噪声图像，使用db1执行2层小波，使用wpbmpen进行全阈值选择，采用硬阈值和软阈值处理方式,保存低频,进行图像降噪，并绘制各分解系数图像。

图像降噪 噪声图像 硬阈 软阈

说明：Kohonen 网络模拟大脑神经系统自组织特征映射的功能，它是一种竞争式学习网络，在学习中能无监督地进行自组织学习。

无监督学习 自组织映射 kohonen 自组织特征映射 Kohonen--matlab

说明：利用压缩感知实现波达方向估计，运用奇异值分解对接收信号进行降维，再利用L1范数进行估计

奇异值分解 L1-SVRAC 压缩感知--语音信号 l1-norm L1-SVD

说明：即插即用算法的相关程序，1利用低秩+自适应（学习）字典稀疏分解从k-t空间测量值重建动态磁共振图像的LASSI.m-MATLAB函数。2m-MATLAB函数，通过使用块坐标下降算法（见上文[3]和[4]），从重塑字典列上具有秩约束（上界）的信号或图像块中学习合成字典。

共振稀疏分解 低秩稀疏matlab K. 即插即用-MATLAB