基于小波分析的开放环境下端到端信息安全传输的数学模型

提出并研究因特网开放环境下端到端信息传输面临的主要问题,提炼出其不安全的主要因素,基于最佳小波基的构造和快速小波算法,以三大特征（网络终端机器特征、传输文档信息特征、人类生物唯一特征）首次建立端到端信息安全传输的数学模型,并给出其解决方法。     

直接序列扩频系统中抑制窄带干扰的变换域技术

本文主要介绍了三种抑制DSSS中窄带干扰的变换域方法。与离散傅立叶变换（DFT）相比,基于重叠变换（LT）的处理方法能更有效地将窄带干扰限制在有限的子带内,这两种方法共同的缺点是：时频分辨率固定,带内频谱泄漏水平较高。基于自适应子带变换（ST）／小波包变换（WPT）的变换域技术,其时频分辨率可随输入信号灵活调整,而且对应的正交镜像滤波器具有良好的幅频特性,因而能更有效地抑制窄带干扰。     

基于机场跑道方向特征的快速识别方法

在分析航拍和遥感机场跑道结构特征的基础上,提出了一种结合跑道方向特性的快速识别方法。具体介绍了方向小波变换检测边缘的算法和基于方向特性的改进Hough变换提取直线的方法。前者增加了检测结果的有效性和可靠性,后者加快了跑道识别速度,并能详细描述跑道。实验结果表明本算法是准确、快速、稳健的。     

天波超视距雷达海杂波多普勒特性分析

首先对天波超视距雷达波束入射余角范围进行估算,再根据高频电磁波与海面相互作用产生Bragg谐振散射的特性,对一阶海杂波的产生机理进行了分析,得到了一定入射余角条件下一阶海杂波的多普勒频移特性。结合产生二阶海杂波的三种情况,分析了二阶海杂波的多普勒特性,并指出了天波超视距雷达对海探测舰船目标的困难性。     

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。     

基于多分辨分析的舰船噪声能量特征提取方法

以离散小波变换入手,利用小波分析的恒Q特性,提取了舰船噪声信号的子带能量分布特征。结果表明,由于各子带能量参数并不相互独立,基于离散小波变换的舰船噪声子带能量分布特征并不明显。因此,依据多分辨分析理论,对舰船辐射噪声信号进行了正交多分辨分解,并提取了舰船噪声子带能量分布特征。结果表明特征是显著的,该方法从整体上反映了舰船噪声信号能量分布特征。为了从细节上对噪声信号能量特征进行分析,提出了基于多分辨分析的子带能量密度特征提取方法。采用两类共8个噪声样本对噪声子带能量分布和能量密度特征提取方法进行检验,取得了比较理想的结果。     

节点能量均衡和区域重要程度的WSN节点配置算法

提出了一种基于节点能量均衡和区域重要程度的WSN节点配置算法(BEID).该算法将节点的剩余能量作为权重因子,同时考虑不同区域的重要程度,利用加权的Voronoi图确定节点的唤醒概率,从而来确定节点的工作状态.由于考虑了监测区域的重要程度对所属节点的唤醒概率的影响,从而大大加快了探测目标的效率.同时将节点的剩余能量作为权重因子,又在一定程度上使节点的能耗尽可能的趋于均衡.仿真结果表明该算法是有效的.     

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CEEMD能量熵与极限学习机的滚动轴承故障诊断方法

鉴于滚动轴承振动信号具有非线性、非平稳的特点以及难以获得大量典型故障样本的现实情况,提出了基于互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)与极限学习机(extreme learning machines, ELM)相结合的滚动轴承故障诊断方法。采用CEEMD方法对滚动轴承非平稳的原始加速度振动信号进行分解,得到若干个平稳的本征模函数(intrinsic mode function, IMF)分量,计算不同状态下滚动轴承振动信号经CEEMD分解后各IMF分量的能量熵,从蕴含着主要故障信息的IMF分量中提取出能量特征,对其进行T分布随机近邻嵌入(T-stochastic neighbor embedding, Tsne)聚类可视化分析,观察特征对滚动轴承状态的反映情况,将特征作为输入建立极限学习机,判断滚动轴承的工作状态和故障类型。使用美国凯斯西储大学公开的人工损伤轴承数据进行仿真实验,对轴承得不同运行状态的识别准确率可以达到95%,明显高于多分类支持向量机、K近邻等方法,该结果表明,所提方法在...