矢量汉字库的结构及应用

该文介绍了矢量汉字库的一般结构,给出了一种矢量汉字字形数据的还原方法,简述了矢量汉字变换过程中的几种算法,并提供了读取矢量字库字模的框图。论述了矢量汉字库在工作站上的应用。     

混合量化与基于小波的图像压缩

本文针对基于小波的图像压缩,提出一种新的快速有效的量化方法。该方法将矢量量化的高效率和标量量化的简单性有机地结合起来,称为混合量化（ＨＱ－ＨｙｂｒｉｄＱｕａｎ－ｔｉｚａｔｉｏｎ）。它不需要进行码书训练,不要做乘除法。并用标准测试图像与其它著名方法的压缩结果进行了比较。     

美国海军光电技术应用研究管窥

光电技术是利用光电、电光转换,实现从紫外、可见光到红外波段的信息获取、传输、变换、处理和重现的技术。近30年来,光电技术发展很快,军事应用已不限于少数武器装备,而是同微电子技术一起,渗透到精确制导武器、飞机、舰艇、坦克等各类武器中,还广泛应用于通信、导航、侦察设备,成为C~3I系统和电子战装备的支撑技术。     

多相永磁同步电动机的矢量控制及仿真

建立了多相永磁同步电动机定子静止坐标系以及d、q旋转坐标下的数学模型 ,对多相永磁同步电动机的矢量控制系统进行了一般性分析 .针对表面式永磁电动机提出了一种简单高效的转子磁场定向控制方法 .采用Simulink/PSB对系统进行了动态仿真研究     

矢量偏差小波函数（Ⅰ）

在文献[1-6]的基础上提出了一种新的信号表示方法,并用最优控制理论实现了数值测试,结果表明该方法明显优于传统方法。     

基于小波变换的图像编码方法概述

小波变换将图像分期为一些不同频率、不同方向的子图像,这些子图像间存在较强的相关性,如何利用子图像间的相关性来提高编码效率是小波变换编码中研究的一个主要问题,本文从小波与分形、小波与树特征编码、小波与矢量量化三方面总结了近几年国内外基于小波变换编码方法的主要成果,并对基于小波变换的图像编码方法的发展方向作了展望。     

基于正交小波包和K-L变换的水声信号特征提取与识别

在海洋作战环境中,水声目标识别与分类是水声设备与水中兵器系统智能化的关键技术之一,基于小波变换的模式识别方法受到广泛研究与重视,在对水声信号进行正交小波包分析的基础上,以信号在各分解子空间的能量分布构成原始特征空间,运用K-L变换进行模式识别特征空间的提取,并基于最小欧氏距离设计分类器,提出了一种新的水声信号识别方法,仿真实验验证了算法是有效的.     

一种计算任意形状封闭区域面积的新方法

在图像模式识别中 ,面积是很重要的特征。提出一种计算面积的新方法 ,利用Freeman链码矢量分析 ,对边界像素标注综合处理 ,再进行边界像素坐标加权求和计算 ,求得目标面积 ;该方法与原有计算面积的方法相比 ,该方法实现简单 ,计算量小 ,结果准确     

基于特征值的单矢量水听器目标检测算法

针对水下目标检测在低信噪比与非平稳背景噪声情况下性能下降的问题，结合特征值检测算法原理，给出一种单矢量水听器联合信息互相关检测算法。该算法利用电子旋转导向角度与振速信息构成一种组合振速，并结合声压信息得到一种互相关值，在大快拍无信号条件下，该值满足渐进高斯分布；将该值除以解析振速与声压信息的协方差矩阵最小特征值，得到一种检测统计量；通过与门限值比较，实现目标检测。理论分析可见，所提检测算法无须背景噪声的先验信息，并且可以通过调节导向角度提高检测性能；在单目标情况下，利用检测统计量与导向角度的对应关系可实现目标方位估计。仿真与实测数据结果表明，相比于单矢量水听器最大最小特征值检测算法与能量检测算法，所提算法检测性能优良，适合于单矢量水听器目标预警检测。     

基于学习矢量量化(LVQ)神经网络的雷达体制识别

由于现代战争中雷达体制的多样化、复杂化及其综合应用使得雷达体制识别中要处理大量复杂的高维数据,学习矢量量化(LVQ)神经网络不仅能处理有监督分类,而且相对于其他神经网络能以较小的计算量处理大量输入数据,所以采用LVQ对雷达体制进行识别,同时针对LVQ学习速率的变化可能引起学习算法不稳定,采用修正的学习速率算法.在简要介绍雷达体制和LVQ的基础上构造了LVQ神经网络对雷达体制进行分类.通过与径向基神经网络(RBFN)识别算法的仿真对比,证实了方法的有效性.