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。     

基于复杂网络理论的C2组织结构

从复杂网络理论角度,构造出了C2组织结构的网络拓扑模型,并根据C2组织结构的网络特性提出了一个重要的统计特性——节点的重要度,说明节点与其他节点联系的紧密性和重要性,进而分析了C2组织结构网络中的各个统计参数在C2组织结构网络中所具有的现实意义,并基于某个作战想定构建出C2组织结构网络的动态演化过程,更深层次地分析C2组织结构的合理性和高效性,为优化C2组织结构奠定基础。     

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%。     

一种能量均衡的战场无线传感器网络路由协议算法

针对战场无线传感器网络中节点能量消耗不均衡以及节点剩余能量问题,提出了一种基于能量均衡的战场无线传感器网络LEACH路由协议的改进算法,该算法主要是对传感器网络中的簇群内节点的剩余能量,以及其传输数据的链路长度这两个方面的权重问题进行了改进,使传感器网络的能量消耗趋于平衡,通过MATLAB平台对改进后的EBLRP协议与LEACH协议进行了模拟仿真,结果表明,新的路由协议能够使网络的生命周期延长13%左右,并且使节点的能量消耗情况有所缓解。     

基于高阶累积量与神经网络的干扰识别算法

研究了一种基于高阶累积量和神经网络的干扰识别算法。该方法把卫星通信中常见的各种干扰信号的归一化高阶累积量作为分类特征参数,应用神经网络对特征参数进行分类训练,将接收干扰信号的归一化高阶累积量输入已训练的神经网络进行干扰类型的识别。试验结果表明:该算法在低干信比的情况下具有较高的识别准确率。     

认知无线Mesh网络中资源节约的最小信道冲突值组播路由算法

认知无线Mesh网络中满足服务质量约束的多目标优化组播路由问题比单目标优化组播问题更加复杂,为了快速求解认知无线Mesh网络中满足服务质量约束的、以最小化资源消耗与最小化信道冲突值为目标的多目标优化组播路由问题,提出一种基于粒子群优化算法的问题求解框架,包括问题描述、粒子编码与粒子初始化、适应度函数、粒子飞行、粒子变异、粒子消环。粒子由表示节点之间连接关系的带权邻接矩阵表示,重新定义了用于粒子飞行的3种运算规则以及粒子飞行运算和粒子变异运算。仿真结果表明提出的算法能达到预定目标,资源消耗较低且能获得较低的信道冲突值。     

信息网络作战技术

信息战是现代战争中重要作战样式,网络战是信息战的重要组成部分,分布式、网络化的计算机系统是信息作战中实施攻击与防护首要作战目标。根据网络作战的需求,从技术角度出发,首先对网络战的要素组成进行了分析,在此基础上将网络战划分为两个阶段,并对此进行了深入研究,最后提出了实施网络战的方法与步骤。