DFT的Z变换算法

文中讨论了用Z变换计算DFT的方法。对于N=2~t的DFT,本算法所需的加法及乘法量分别为:(?),与Cooley-Tukey基-2算法比较,乘法量与加法量均减少25%,文中还讨论了本算法在微机上的实现,给出流程图。在运算时间上,本算法与通用FFT算法程序进行比较:节省时间30%。     

积分二次相位函数和傅里叶变换的多相码参数估计

针对传统时频方法对多相码信号参数估计计算量比较大的问题,提出一种新的多相码参数估计方法。首先利用积分二次相位函数(IQPF)估计信号的调频率,然后重新构造一个线性调频信号(LFM),通过解线调将多相码信号的调频率消除,最后计算解线调后信号的傅里叶变换(FFT)估计信号脊线间隔和载频,进而估计信号的码元宽度和重复周期。该方法不需要进行直角坐标和极坐标的变换且仅需一维搜索,可以大幅度减小计算量。仿真表明,可以用较小的计算量取得与RAT(Radon-Wigner Transformation)和RWT(Radon-Ambiguity Transformation)相当的估计精度。     

基于相位相关的快速亚像素全局运动估计

为了实现亚像素级图像快速全局运动估计,提出了一种基于相位相关的快速亚像素全局运动估计方法。首先对待计算的两幅图像进行下采样并计算整像素级的全局运动矢量,然后选取两幅图像重叠的部分进行插值,再计算亚像素级的全局运动矢量。最后,将整像素级和亚像素级的计算结果进行加权计算,得出亚像素级的全局运动位移。实验结果表明,文中算法对噪声影响、光照变化和局部遮挡具有较好的鲁棒性,同时能够有效地提高运动估计的精确性和计算效率。     

用一种自适应UKF滤波器跟踪机动目标

在非线性系统中用自适应Kalman滤波器跟踪机动目标时,必须采用扩展Kalman形式,但扩展Kalman有精度低、易发散的缺点.在标准UKF滤波器的基础上,应用无迹变换将测量坐标系下的滤波残差统计特性转换到三维笛卡儿坐标系下,根据三维坐标下的滤波残差变化实时改变过程噪声协方差矩阵的大小,实现了自适应UKF滤波.滤波器既具备UKF滤波器精度高,不易发散的优点,同时不需了解目标机动的先验信息.仿真表明了本滤波器的有效性.     

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%。     

基于子块积分双谱的空间目标识别算法

对于空间目标识别这个具有挑战性的研究课题,提出了基于子块积分双谱的空间目标识别算法.该算法首先从空间目标距离像的双谱中提取出子块积分双谱特征;然后应用KL变换进行特征压缩;最后应用模板匹配方法进行分类识别.计算机仿真实验表明,该算法取得了比较好的识别效果.     

基于线对线突然短路的同步电机瞬态参数辨识

准确地辨识同步电机参数,是分析电力系统运行和控制系统设计的前提.利用最小二乘或卡尔曼滤波等方法辨识电机三相同时突然短路试验数据,是传统电机参数辨识的主要方式.受同步电机三相同时突然短路的可操作性和电机参数模型的强非线性等因素的影响,电机瞬态参数难以准确测量.利用改进的小波变换和人工神经元网络辨识参数的新方法,结合容易实现的同步电机线对线突然短路试验,辨识得到了三相同步电机的瞬态参数,有效提高了电机参数的辨识精度.仿真试验表明,该方法是有效的.     

用于无人机着陆的图像处理算法

随着无人机着陆图像处理算法的不断研究和发展,在分析小波变换对噪声和边缘点的影响规律的基础上,结合多尺度乘积的特性,采用了一种基于小波变换的多尺度积的边缘检测新算法.通过边缘检测实验并和其他算法作比较,该算法能有效抑制噪声,获得清晰丰富的边缘且定位精度高,为进一步的无人机着陆图像处理提供一个很好的工具.     

函数变换提高灰色预测模型精度的条件

指出选择函数变换来提高模型精度主要与三个方面的因素有关：提高数据序列的光滑比、调整数据序列的级比和确保凸凹性。在调整级比方面，扩充了级比压缩变换的相关定理，并讨论了几种常用的函数变换在上述三个方面的关系。最后结合实例提出，对于变换后的数据序列若不满足这三方面的要求可以再进行函数变换以达到提高模型精度的目的。     

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。