基于小波变换速变非平稳信号的消噪

本文针对遥测速变数据中噪声干扰有用信号分析的处理问题,提出了基于小波分析理论, 利用二进制小波变换对含噪信号进行小波分解,然后选取适当的阈值,对小波分解系数进行阈值量化,最后再对高低频系数重构,实现信噪分离.并在导弹试验数据中得到了验证.分析结果表明小波变换是非平稳信号消噪一种有效方法.     

一种基于DCT和SVM的人脸识别新方法

文中提出了一种新的人脸识别方法,该方法采用DCT提取人脸特征,并采用SVM对该特征进行分类识别。基于该方法,对ORL人脸库进行分类识别,仅用28个特征平均识别率达到97.4%。仿真结果表明,该方法显著地降低了特征维数和计算复杂度,明显提高了特征的可辨别能力,而且,SVM可以有效地提高分类器的分类和推广能力。     

天线与目标特性时域测量系统中的信号处理方法

研究了时域测量系统的信号处理方法.介绍了背景信号对消的预处理方法,将FFT和啁啾变换应用在时域超宽带紧缩场测量系统中,并对大数据量测量时啁啾变换算法和FFT算法的效率进行了比较.     

双正交重叠变换系数基于上下文的算术编码算法

提出了一种双正交重叠变换(LBT)系数基于上下文的算术编码算法.针对二进整数LBT在DSP实现过程中出现的精度和计算复杂度问题,提出了一种适于DSP并行处理的LBT定点实现方法.编码算法包含60种上下文概率模型,熵编码采用MQ编码,并根据并行处理的需要,将MQ编码从位平面扫描过程中分离,根据分离后的结构特点,设计了改进的MQ编码器.并对算法的DSP实现进行了研究.实验结果表明,本压缩算法压缩性能和SPIHT相当,稍逊于JPEG2000,算法容易并行,硬件计算复杂度很低.     

无味卡尔曼滤波在空对海单站BDO-TMA中的应用

针对空对海单站无源只测方位-多普勒目标运动分析(BDO-TMA)问题应用无味卡尔曼滤波(UKF:Unscented Kalman Filtering) EKF进行了对照研究,建立了该应用场景下的离散非线性滤波估计模型,Monte Carlo仿真运行结果表明,UKF在该应用背景下是切实可行的,具有更高的估计精度和更强的收敛特性.     

多尺度聚类Hough变换航迹起始方法

针对基于Hough变换航迹起始方法存在的航迹簇拥现象,提出了一种基于多尺度聚类的Hough变换 (MSC-HT)航迹起始方法.该方法首先对量测进行Hough变换,利用较低的阈值得到备选航迹;然后对备选航迹进行多尺度聚类,通过变化尺度参数寻优,自适应确定起始航迹数目和航迹参数,仿真结果表明了算法的有效性.     

基于层次方法和PCA特征变换的宫颈细胞识别

对宫颈细胞多分类,可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法实验后,选取支持向量机（SVM）作为基分类器,先用一对一策略（one- versus -one）训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。又考虑不同层特征模式的差异性,在保证识别性能同时,每层分类前先采用主成分分析（PCA）法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次PCA法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。     

基于改进Radon-wigner变换的微弱目标加速度估计算法

针对已有Radon-Wigner变换（RWT）对线性调频连续波（linear frequency modulated continuous wave,LFMCW）雷达目标加速度估计计算复杂高、精度低的问题,提出了一种改进的RWT算法。该算法通过熵值法得到加速度的粗估计,对RWT结果求二阶原点矩减小搜索计算量,并且提出了RWT插值方法,将其应用到迭代RWT中用于提高加速度估计精度。实验结果表明,该算法在低信噪比的情况下可以准确检测出匀加速微弱目标,计算量较小且精度较高。     

平稳小波的侧抑制网络边缘提取方法

侧抑制网络具有“突出边框,增强反差”的功能,但其增强反差的同时也增强了噪声,其抗噪性较差。正交小波阈值去噪法对图像噪声有一定抑制作用,然而对于图像中噪声幅度较大的情况下,正交小波变换会使图像边缘失真,甚至模糊。基于平稳小波变换的图像去噪法,可以有效降低噪声的同时较好地保持图像的质量,与基于正交小波变换的阈值降噪方法相比,有明显的优越性。因此利用新Bubb le函数将平稳小波和侧抑制网络结合起来,用平稳小波变换去除噪声、侧抑制网络突出边框,从而准确、有效地提取出图像的边缘。     

舵机大动作测试数据关联判读方法

针对电动舵机大动作测试数据人工关联判读工作量大、效率低、故障诊断难的问题,提出一种基于离散小波变换和多约束特征点提取的关联判读方法。根据测试数据量大、类型多的特点,分别采用离散小波变换以及多约束特征提取算法对不同类型的测试数据进行特征提取,剔除异常值,准确定位各个数据的大动作时刻,提取出特征值;使用时间关联判读方法对提取的特征点进行判读,给出了判读异常情况下的故障诊断结果并自动生成判读报表。为验证关联判读方法的有效性,进行了自动判读算法的实验测试验证。结果表明：该方法可在45 s内完成舵机测试数据的关联自动判读和故障诊断,而依赖专业技术人员的人工判读方法至少需要335 s,每个大动作点的数据判读效率提高了6倍以上。