DJ去噪法在语音信号处理中的应用

对被污染的语音信号的去噪进行了讨论与分析,应用异于DJ硬、软门限的新门限法对语音信号进行了去噪的仿真计算,结果确实优于DJ软、硬门限的去噪法     

小波阈值技术在图像降噪中的应用研究

通过对图像的小波变换系数进行阈值操作，可以有效降低噪声，同时又较好地保持图像细节。在文章中详细讨论了这种小波阈值降噪技术，并给出了在此种降噪方法中阈值选取的几种方法。由实验结果可以知道此种小波阈值方法是一种有效的图像降噪方法。     

基于多尺度小波变换的二维图像角点检测技术

提出一种基于多尺度小波变换的二维图像角点检测算法。首先利用二维零交叉边缘检测算子对图像进行边缘提取得到二值边缘图，通过基于边素（边过程）的围线跟踪算法得到图像的边缘围线。对边缘围线的方向曲线进行多尺度小波变换，利用变换结果的局部最大值信息检测和定位出图像角点。仿真结果表明该算法可有效地实现二维图像的角点检测与定位，具有较高的精度     

对DJ小波VisuShrink去噪法中j0取值的分析

ＤＪ小波ＶｉｓｕＳｈｒｉｎｋ去噪法在数字信号处理方面的应用已十分广泛,但是去噪后恢复信号质量的优劣与低分辨率截断参数ｊ０的选取是密切相关的,而ｊ０的选取又与被污染信号的噪声指数σ以及采样率有关。这篇文章对这些关系进行了分析,并给出了仿真计算的结果,分析与计算的结论对如何选取最佳低分辨率截断参数ｊ０具有一定的指导意义。     

分形的小波分析

从Fourier变换引出小波变换,以多尺度分析建立小波与分形的联系,然后对分形插值函数和分形Brown运动方程进行小波分析.     

基于小波技术的校园网流量分形特性研究

网络流量特性是人们深刻理解整个网络体系的架构及网络控制机制的切入点,所以有必要深入探究网络流量的特性。通过小波技术对某校园网络流量数据进行全面分析,细致地刻画了流量到达过程的自相似性与多重分形特性。     

加权核范数最小化和改进小波阈值函数的图像去噪算法

针对加权核范数最小化算法存在结构残余噪声以及无法较好地保持图像边缘结构的问题,提出基于加权核范数最小化和改进小波阈值函数的图像去噪算法。利用全变分模型对噪声图像进行初步去噪,使用噪声图像与初步去噪后的图像进行差分运算,对差分后得到的噪声残差图像使用改进的小波阈值函数去噪,将小波去噪后的残差图像与初步去噪图像叠加,将叠加后的图像使用基于残余噪声水平迭代的加权核范数最小化算法进行二次去噪。相较于当下主流去噪算法,经该算法处理后的图像的PSNR和SSIM值均有所提升,能够更好地保持图像的纹理结构,且在高噪声环境下效果更佳。     

数控振荡器相位截断对频域抗干扰性能影响分析

全球导航卫星系统频域抗干扰接收机中,普遍采用数控振荡器生成本振信号。由于硬件约束,通常需要对数控振荡器进行相位截断。而数控振荡器相位截断是否合理对抗干扰性能影响较大。针对该问题,从数控振荡器相位截断导致的本振杂散着手,从理论上分析其对混频和频域抗干扰环节的影响。在此基础上,给出一种数控振荡器查找表地址位宽的理论计算模型,使得接收机的载噪比损耗接近无数控振荡器相位截断的频域抗干扰接收机。仿真结果表明,抑制带宽大于100k Hz、干信比小于80d Bc的窄带干扰时,计算的数控振荡器查找表地址位宽不超过10bit。与无数控振荡器相位截断的频域抗干扰接收机相比,采用数控振荡器混频的抗干扰接收机的载噪比损耗最多增加0.6d B。     

多全球导航卫星系统联合的探月飞行器轨道定位分析

针对探月飞行器月球公转轨道上的卫星导航定位问题,以高轨道飞行器卫星导航定位的研究为基础,采用多全球导航卫星系统联合定位的方法进行仿真。分析了载波功率与噪声功率密度比为15d BHz的弱信号捕获门限下,各系统联合定位时波束主瓣和旁瓣的可用性,同时对各系统联合情况下的精度因子值进行分析。仿真结果表明:当接收到的卫星天线辐射的主瓣和旁瓣信号均高于载噪比门限时,全球导航卫星系统的三系统或四系统的联合能满足实时定位条件;而旁瓣损耗不加以补偿时,接收信号载噪比低于门限并导致任意联合方式均无法完成定位。各系统联合的精度因子分析表明:单系统或双系统联合的几何精度因子变化剧烈,四系统联合相比三系统联合的几何精度因子下降16.93%;三系统联合定位方案中,美国全球定位系统、中国的北斗卫星导航定位系统与欧洲的伽利略卫星导航定位系统联合方案的几何精度因子值变化最平稳,为最佳选择。理论分析和仿真结果为探月飞行器定位技术研究和星载多系统接收机设计提供参考。     

无人驾驶汽车视觉导航中车道线检测的研究

为了提高无人驾驶汽车视觉导航系统中车道线检测的准确性和实时性,在对车道线检测技术进行深入研究的基础上,提出一种能快速准确检测出车道线的新算法。首先采用分块思想将RGB图像中与道路无关的区域去除,以缩短数据处理时间。然后对余下的RGB图像进行灰度化处理,接着用中值滤波法消除随机噪声,再用最大类间方差法(Otsu法)初步得到二值图像。最后对二值图像利用数学形态学进一步边缘细化,使位于车道线上的每个像素行只有一个像素特征点,再采用Hough变换检测出车道线。Matlab仿真结果表明,此算法能够快速准确地检测出车道线,较传统检测算法具有更强准确性和实时性。