基于非采样Contourlet变换的高光谱图像融合算法

高光谱图像数据具有大量波段,波段之间的相关性较高,可以利用数据融合技术来降低其分析难度.提出了一种新颖的基于非采样Contourlet变换的高光谱图像融合算法.首先对高光谱数据进行特征图像提取;再将提取出的多幅特征图像分别进行非采样Contourlet变换,并按区域能量进行加权融合;最后对融合系数进行非采样Contourlet重构.实际的OMIS高光谱遥感图像融合的实验结果表明,所提基于非采样Contourlet变换的加权融合算法能够很好地保持图像的空间特性和光谱特性,且效果明显好于典型的小波变换和Contourlet变换的融合方法.     

小波变换在说话人识别中的应用研究

利用小波的多分辨特性提取说话人的语音特征参数,以及在预处理过程中运用小波分解去除噪声的基本原理和方法,分析了小波变换在说话人识别过程中不同阶段的应用。总结了小波变换对提高说话人识别系统的识别率具有重要的意义,并且提出了小波变化在说话人识别中运用所存在的问题和难点。     

宽带雷达目标检测中的杂波抑制处理

针对宽带雷达目标检测中的杂波干扰问题,提出基于FRFT(分数阶傅里叶变换)的多周期回波能量相干积累处理、基于Relax算法的多散射中心子回波分离的宽带雷达目标回波处理方法,既实现宽带雷达目标检测中的能量相干积累,又有效抑制了环境杂波.仿真结果表明,提出的处理方法能够显著提升宽带雷达输出信杂比.     

一种新的超分辨率图像重建算法

首先将低分辨率及相应高分辨率图像进行非下采样Contourlet变换得到细节图像对,然后通过多任务学习估计细节图像之间的映射参数对低分辨率图像进行重建.实验结果表明,该方法能够取得比传统线性插值、双三次方法更好的效果.     

FTIR测定在用润滑油碱值的快速方法

碱值是监控润滑油质量变化的常规指标,表示内燃机油的清净性与中和能力,通过测定碱值可为合理换油提供依据.利用傅里叶变换红外光谱快速测定在用润滑油碱值,它与标准方法相比,具有速度快,化学试剂用量小,精密度高,操作方便等显著特点.研究结果表明所建方法与国家标准方法的测定结果之间具有很好的一致性,测定结果的相对标准偏差小于5%.     

一种无人机辐射源调制样式识别算法

针对小型无人机威胁低空领域且在复杂电磁环境下难识别的问题,提出了 一种基于卷积神经网络的信号识别算法.首先,分析了无人机应用背景下直接序列扩频信号的特性,并采用短时傅里叶变换获取信号时频特征;然后,利用提出的能量阈值降噪法降低时频特征中噪声成分;最后,设计了卷积神经网络用于分类识别.仿真结果表明,该算法在信噪比为-6 ...     

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。     

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FRFT的低信噪比LFM信号参数快速估计算法

基于分数阶傅里叶变换(Fractional Fourier Transform, FRFT)对线性调频(Linear Frequency Modulated, LFM)信号参数进行估计,问题关键是确定FRFT最佳阶数,根据误差迭代思想提出新的参数估计算法,该算法利用归一化带宽和旋转角的转化关系,由估计误差推算角度差值,有效降低了运算量,不需要调频斜率正负的先验信息,改进的对数搜索算法可以进一步提高参数估计结果的稳定性和可靠性。仿真结果表明,信噪比在-8 dB以上时该方法在高效率的前提下仍具有良好的参数估计性能,平均估计误差在1%以内,估计结果接近Cramer-Rao下限,满足工程实时处理需求。     

汉语语音识别中的一种音节分割方法

汉语语音识别研究中,识别单元的选取是很重要的。随着大词汇量连续语音识别研究的发展,越来越多汉语语音识别研究中选取次音节单位作为识别单元。结合汉语发音声学特性,提出了音节的重叠音素分割策略,并利用小波方法实现了音节的分割,实验证明该方法分割准确可靠。