基于稀疏表示的数字调制模式识别

通过分析稀疏表示在模式识别应用的基础上,提出了一种基于稀疏表示的特征提取方法。该方法首先引入主成分分析对新的样本进行降维,然后利用降维后的训练样本构建稀疏线性模型,通过范数最优化求解测试样本的稀疏系数,根据稀疏系数的分布提取特征值。最后利用支持向量机分类器进行信号的分类识别。并在求解最小范数优化问题中,提出一种通用的解决方案,利用粒子群算法确定最优惩罚系数。新方法提取的特征值经计算机仿真研究证明,该算法具有较好的有效性和一定的工程应用性。     

一种综合使用支持向量机和遗传算法的隐藏图像检测方法

提出了一种新的基于遗传算法和支持向量机的隐藏图像检测方法。用遗传算法进行图像特征选择，采用支持向量机作为分类器，将支持向量机的分类效果作为适应度函数值返回，指导遗传算法搜索最优的特征，移除图像的不相关特征和冗余特征，提高了学习效率。实验结果表明，与仅采用支持向量机分类但未进行特征选择的隐藏检测方法相比，本方法能有效地提升分类器性能。     

基于小波矩和支持向量机的装甲车辆识别研究

分析了应用小波矩特征进行地面复杂背景下装甲车辆识别的理论依据,实地采集了某型坦克和某型步兵战车的灰度图像,提取其小波矩特征,采用支持向量机进行分类识别,进行了性能测试实验。结果表明：归一化后的图像的小波矩特征具有良好的不变性;小波矩特征对噪声和局部遮挡有较强的适应性,识别率比较稳定;支持向量机方法具有良好的分类识别能力。     

基于LBP-PCA的多传感器目标识别算法

为了更加有效地提高多传感器图像融合后的识别率,提出一种基于LBP-PCA的多传感器目标识别算法。首先分别对红外和可见光图像进行预处理用以突显出要识别的目标,采用LBP算法提取目标的特征点向量,利用PCA算法进行特征融合,得到降维后的融合特征,最后利用SVM(支持向量机)进行分类和识别。实验仿真结果表明多传感器目标经过LBP-PCA融合后在保持足够数量的有效信息基础上降低了特征的维数,有效地提高了目标识别率。     

基于Wigner-Ville分布及局部奇异值分解的磁记忆信号特征提取与识别

针对磁记忆检测中缺陷信号持续时间短且频率范围小的特点,为提取磁记忆信号的有效特征,根据矩阵奇异值的特点,提出一种基于Wigner-Ville分布及局部奇异值分解的磁记忆信号特征提取方法．通过将时频分布矩阵从时间轴和频率轴分别划分为不同局部矩阵,提取出各矩阵的奇异值来构造特征向量．然后,将构造的特征向量作为支持向量机的输入向量对不同检测区域的金属磁记忆信号进行识别．实验结果表明：基于Wigner—Ville分布及局部奇异值分解算法构造的特征向量能有效提取磁记忆信号的特征信息,提高支持向量机的识别精度．     

基于小波变换和支持向量机的水下目标分类方法

水下目标识别技术是世界各国十分重视的研究课题之一,具有重要的理论和应用价值。简要介绍了小波变换、多分辨率分析及支持向量机的基本原理,针对舰船辐射噪声信号,利用小波变换来完成信号的预处理和滤波,在小波变换后信号的多尺度子空间上提取信号的能量特征参数,归一化处理后构建特征向量,最后用支持向量机算法进行分类。仿真结果表明,利用小波变换的多分辨率分析和支持向量机能对舰船辐射噪声信号进行有效分类识别。     

支持向量机的滚动轴承状态监测

提出了一种基于支持向量机的滚动轴承状态监测方法.该方法采用小波能量表征轴承信号的特征,采用支持向量机作为分类器构建支持向量机状态监测系统.仿真实验表明该方法具有很好的在线监测性能和分类性能,该方法对于滚动轴承的监测具有一定的应用价值,并可方便地推广到其他类似的工业应用领域.     

基于特征加权与SVM的雷达有源干扰分类技术

为了有效提高雷达有源干扰分类正确率,提出一种基于特征加权与支持向量机的分类方法。针对分类过程中各信号特征参数对信号分类的重要度不同,引入特征加权的概念。利用灰色关联分析方法求取各特征权重,避免一些弱特征对分类结果产生较大影响。最后利用支持向量机分类器,对雷达有源干扰信号进行了分类识别。通过仿真实验证明,该方法可以有效提高雷达有源干扰信号类型的识别率,具有很好的通用性。     

基于支持向量机的故障诊断方法及其应用

提出了一种采用模糊手段进行特征提取、支持向量机进行模式分类的内燃机燃油系统故障诊断方法.该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力,首先采用模糊手段对故障信号和原因进行特征提取,接着利用支持向量机进行分类实现特征级诊断,最后将其应用于内燃机燃油系统的故障诊断中,取得了令人满意的结果.     

脉冲功率电源故障诊断方法研究

脉冲功率电源是电磁发射系统中最容易发生故障的薄弱环节,脉冲功率电源故障会使整个系统性能下降。针对脉冲功率电源故障,提出基于多层小波分析提取故障信息的模式搜索支持向量机故障诊断方法。通过建立脉冲功率电源的软故障模型,进行仿真分析获得电流故障数据样本,对故障样本进行离散小波分解,获得指定层细节信息的小波系数作为故障特征量;对故障特征量进行主成分分析,将小波系数进行降维,以便有效地进行故障诊断。通过实验,将所提方法故障诊断结果与其他三种故障诊断结果进行比较,验证了所提方法的有效性。     

近似熵在发动机故障诊断中的应用研究

介绍了近似熵的概念、主要特点及其算法，提出了基于近似熵的特征提取方法，并且讨论了近似熵值计算中3个参数的选择原则，并对发动机声信号进行了分析处理。通过对比正常状态与故障状态的近似熵值，根据其变化有效地提取发动机故障特征，从而实现了对发动机状态的监测与诊断。实验结果表明近似熵在分析复杂信号特征方面具有很强的能力，在判别机械设备运行状况方面具有很好的效果，是一种行之有效的新方法。     

A novel signal feature extraction technology based on empirical wavelet transform and reverse dispersion entropy

Feature extraction is an important part of signal processing, which is significant for signal detection, classification, and recognition. The nonlinear dynamic analysis method can extract the nonlinear characteristics of signals and is widely used in different fields. Reverse dispersion entropy (RDE) proposed by us recently, as a nonlinear dynamic analysis method, has the advantages of fast computing speed and strong anti-noise ability, which is more suitable for measuring the complexity of signal than traditional permutation entropy (PE) and dispersion entropy (DE). Empirical wavelet transform (EWT), based on the theory of wavelet analysis, can decompose a complex non-stationary signal into a number of empirical wavelet functions (EWFs) with compact support set spectrum, which has better decomposition performance than empirical mode decomposition (EMD) and its improved algorithms. Considering the advantages of RDE and EWT, on the one hand, we introduce EWT into the field of underwater acoustic signal processing and fault diagnosis to improve the signal decomposition accuracy; on the other hand, we use RDE as the features of EWFs to improve the signal separability and stability. Finally, we propose a novel signal feature extraction technology based on EWT and RDE in this paper. Experimental results show that the proposed feature extraction technology can effectively extract the complexity features of actual signals. Moreover, it also has higher distinguishing ability for different types of signals than five latest feature extraction technologies.     

基于EMD的改进小波阈值降噪法在超声信号处理中的应用

针对超声检测回波信号中的大量噪声,分析了超声检测回波信号的特性,考虑经验模式分解（EMD）和小波哗噪的优点,在改进阈值函数基础上提出一种基于EMD的小波阈值降噪方法．该方法利用EMD对超声信号进行分解,对高频分量用改进小波阈值函数方法进行处理,再结合低频分量重构得到降噪信号．仿真实验结果表明,该方法降噪效果优于小波软、硬阂值降噪,进一步提高了重建信号的信噪比,降低了其均方根误差,是一种可行的超声信号降噪方法．     

天线宽频辐射功率的FDTD数值计算

为了实现混响室的仿真电场值与实测值的直接对比,需要计算发射天线的宽频辐射功率．基于坡印廷矢量的面积分,利用时域有限差分算法和快速傅里叶变换,得到了天线宽频辐射功率的快速计算方法．应用该方法对半波偶极子天线和短偶极子天线进行数值仿真,通过仿真值与理论值的比较,验证了该方法的正确性．该方法适用于任何能够用FDTD进行合理建模的电磁设备的辐射功率计算,且一次计算即可得到宽频辐射功率,不仅为混响室仿真结果的归一化打下基础,而且也是分析其他电磁设备宽频辐射特性的可行方法．     

FDTD方法对有孔屏蔽腔的电磁特性分析

介绍了研究有孔腔体电磁特性的一种算法：时域有限差分法（FDTD）,并用FDTD方法对带孔缝机箱的电磁屏蔽特性进行了仿真分析,从而验证该方法对有孔矩形腔屏蔽效能计算的有效性和可靠性。     

离散小波变换在被动声目标识别中的应用

研究了战场被动声目标鲁棒特征参数的提取,分析了战场声信号与语音信号特征的相似性,提出基于MFCC参数的战场声目标识别方法。针对战场环境存在强噪声干扰情况,提出一种改进的MFCC特征参数(DWTMFCC)提取方法,该方法将小波分析和MEL倒谱分析结合,提高了特征参数的鲁棒性。仿真结果表明:在噪声条件下,利用DWTMFCC参数进行声目标识别,平均识别率比MFCC参数高出3.134个百分点,信噪比为5dB时,识别率仍达到93.67%。     

融合战术与修正物理特征的空中目标战术类型识别

针对敌方飞行器隐身、伪装技术的日趋成熟,致使我方由侦察设备获取的电磁信号严重变形,特别是物理特征在目标类型识别中的作用日趋减弱的现实问题,提出了一种融合目标战术特征修正物理特征证据的目标战术类型识别方法。该方法从目标战术类型识别的军事需求出发,提出对冲突物理特征证据的阶梯式修正规则,以及对冲突证据折扣因子的优化方法,并将修正后的证据重新组合得到识别结果。仿真实例证明该方法在处理目标冲突物理特征证据时具有高准确率的特点。该方法为复杂环境下的目标战术类型识别问题提供一种新的解决思路。     

小波包变换和支持向量机模拟电路故障诊断方法

为提高模拟电路故障诊断效率,将小波包变换和支持向量机结合起来,提出了一种完整的模拟电路故障快算检测和准确定位的方案.利用小波包变换对电路输出电压信号进行多层分解,提取各频带的能量作为故障特征,给出了具体的特征提取方法;利用支持向量机的多分类一对一方法,完成电路的故障定位,同时实现了小波函数的选择.在一模拟电路的故障仿真实验中,通过与BP,RBF和PNN等神经网络对比,结果显示该方法的诊断效率是很高的.     

相控阵雷达外场试验目标模拟技术

针对传统雷达回波模拟技术模拟目标态势单一、建设成本高、灵活性差等缺陷,结合相控阵雷达快速波束定向的扫描特点,提出了一种基于射频存储转发技术和移动阵列平台的相控阵雷达外场试验目标模拟方法。该方法采用射频空间辐射注入的方式为雷达提供较为逼真的三维空间模拟目标回波信号和构建较为复杂的模拟目标场景态势,能够支持包括雷达天线在内的整个雷达系统进行模拟试验或训练。最后通过实例仿真验证了该方法的有效性和可实现性。