In den letzten Jahren wurden Wavelets sowohl in Forschung als auch in der Industrie sehr umfassend untersucht. Im Transformationsblock des JPEG2000 Algorithmus können je nach Kompressionsmethode zwei unterschiedliche Wavelet Filter eingesetzt werden: (5,3) für eine verlustfreie und (9,7) für eine verlustbehaftete Kompression. Außer in der Blocktransformation von JPEG2000 finden Wavelet-Filter ihren Einsatz in vielen weiteren Anwendungen, wie z.B. Mustererkennung, Sprachsynthese, Statistik usw. Die größte Herausforderung besteht darin, dass für unterschiedliche Anwendungen unterschiedliche Klassen von Wavelet-Filter bestehen. In dieser Dissertation werden verallgemeinerte Lifting-basierte Wavelet-Prozessoren vorgeschlagen, die sowohl verschiedene DWT (Discrete Wavelet Transform) Dekompositionen und Rekonstruktionen als auch DWP (Discrete Wavelet Packet) Dekompositionen und Rekonstruktionen mit verschiedenen Typen von Wavelet-Filter durchführen können. Die Prozessoren basieren auf verketteten Prozesselementen (PE) zur Berechnung und Aktualisierung von Atom-Funktionen in den Lifting-basierten Transformationen. Zwei unterschiedliche Arten der Arithmetik wurden berücksichtigt, um die große Fülle von Anwendungen zu berücksichtigen: Fixpunkt- und Gleitkomma-Wavelet-Prozessoren. Für beide Arten der Arithmetik wurden zwei Prozessoren entworfen: eine Resourcen-sparsame Architektur, die das Zeitteilverfahren der arithmetischen Einheiten ausnutzt und bei einer Verarbeitungs-Geschwindigkeit von f/2 betrieben wird und eine hochperformante Architektur, welche dedizierte arithmetische Einheiten einsetzt und bei einer Verarbeitungs-Geschwindigkeit von f betrieben wird. Die Verallgemeinerung der vorgeschlagenen Wavelet-Prozessoren schlägt sich auf viele Arten nieder. Die Prozessoren können sowohl N-dimensionale Transformationen als auch Multi-Level Transformationen eines 1D-Signals berechnen. Für manche Anwendungen, die eine Energieerhaltung während der Transformation diktieren, betrachten wir auch die Normalisierung am Ende der Dekomposition bzw. am Anfang der Rekonstruktion. Die vorgeschlagenen Prozessoren können für eine beliebige Datenbreite konfiguriert werden, auch die Anzahl der Mantissenziffern in der Gleitkommadarstellung kann beliebig eingestellt werden. Da unterschiedliche Anwendungen eine unterschiedliche Anzahl von Samples für die Transformation benötigen, wird eine flexible Speichergröße vorgeschlagen, die im Entwurf implementiert werden kann. Um verschiedene Wavelet-Filter zur Berechnung einer Vielzahl von Transformationen realisieren zu können, wird eine Multi-Kontext Konfiguration vorgestellt. Dieser Kontext-Switch wird auch als ein Konfigurations-Tool zur Berechnung von Wavelet-Filter mit längeren Lifting Schritten eingetzt. Die vorgestellten Wavelet-Prozessoren wurden in parametrisierbarem VHDL-Code auf RTL-Ebene modelliert und synthetisiert. Die Performanz der Prozessoren unterscheiden sich je nach Datenbreite, Architekturtyp und Wavelet-Filter. Für die 32-bit Ressourcen-sparsame Gleitkomma-Architektur kann der Prozessor eine verluftfreie JPEG2000 Transformation eines 512x512 Bildes mit 211 fps berechnen.