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.     

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.     

基于小波变换与FFT算法的电能质量信号分析

提出了一种基于小波变换和FFT相结合分析电能质量信号的方法.用小波变换检测电能质量信号的间断点,对由间断点分段得到的信号用FFT进行频谱分析,并进行了计算机仿真,取得了较满意的结果.     

小波分析电子签名系统在分布式计算环境中的实现

以信息传输与指挥管理系统小波分析电子签名子系统为例,对非常规分布的B／S应用进行了深入剖析,用ActiveX和RDS技术相结合,解决了B／S架构下的应用程序本地化执行,以及指纹数据在因特网上的安全传输问题,对电子商务、企业计算的实现者有较大的借鉴意义。     

基于雁阵变换的微型扑翼飞行机器人集群行为控制方法

为了解决微型扑翼飞行机器人集群编队目标搜索覆盖效率、避障通过性和多机控制等难题,实现扑翼飞行机器人集群编队的智能控制,提出了基于雁阵变换的扑翼飞行机器人集群行为控制方法。利用仿生集群行为控制函数的参数化特性,实现了飞行机器人编队的队形变换和角度控制;搭建了多扑翼飞行机器人实验系统,并在多种情况下设计基于仿生行为的多扑翼飞行机器人集群控制方法实验。最终的实验结果验证了方法的可行性和有效性。与传统的多飞行机器人实时控制方法相比,所提方法大幅提升了集群编队的搜索覆盖效率和避障通过率,在某些作业环境条件下,搜索覆盖率可提升50%以上,障碍通过率可提升60%以上。同时,创新点体现在将雁阵变换应用于多扑翼飞行机器人集群编队控制和将仿生集群行为控制应用于扑翼飞行机器人集群控制两个方面。     

雷达低慢小目标检测技术综述

首先,在分析低慢小目标特性的基础上总结了低分辨预警雷达探测此类目标的技术难点。然后,分类总结介绍了目前国内外具有一定启发性的检测技术,基于检测前跟踪技术、基于变换域方法、基于微多普勒分析、基于多活性代理系统检测以及基于杂波白化等方法,并对各方法检测性能进行了简要分析。最后,总结提出了针对此类目标检测技术研究发展的几点思考。     

改进的最优小波基选取方法与跳频信号检测研究

跳频通信因其良好的抗干扰性和低截获性,在军事通信中备受青睐。因其在军事通信中的重要作用,研究跳频信号的检测方法显得尤为紧迫。基于小波分解与希尔伯特-黄变换的跳频信号检测方法,有效地解决了跳频信号检测过程中时间分辨率和频率分辨率不能同时兼顾的问题,提高了跳频信号检测的精度。在此基础上对最优去噪小波基的选取问题进行了深入研究。通过改进信噪比与信噪比增益这个小波去噪质量评价指标,提出了改进的最优小波基选取方法,有效地解决了非合作通信中信号真值未知情况下最优小波基的选取问题。同时利用这一方法成功实现了跳频信号的检测,为检测跳频信号提供了新思路。     

基于卷积自动编码器的飞机目标识别方法

飞机目标标签数据不足,使传统的机器学习算法训练效率不足。为提升训练效率提高飞机目标识别率,提出一种由卷积自动编码器(Convolutional Auto-Encoder,CAE)、哈希变换及直方图统计组成的简单多层特征提取模型。该模型利用CAE非监督训练一组卷积滤波器,与输入数据卷积提取特征;并再次利用CAE训练卷积滤波器集合,提取卷积特征;对所得到的卷积特征进行哈希变换和直方图统计;用支持向量机识别分类。实验对飞机目标取得了较高的识别率,表明特征提取模型具有很强的鲁棒性。