基于子块积分双谱的空间目标识别算法

对于空间目标识别这个具有挑战性的研究课题,提出了基于子块积分双谱的空间目标识别算法.该算法首先从空间目标距离像的双谱中提取出子块积分双谱特征;然后应用KL变换进行特征压缩;最后应用模板匹配方法进行分类识别.计算机仿真实验表明,该算法取得了比较好的识别效果.     

电子防护

传统的电子防护任务是保证己方的雷达、通信电台、导航等电子系统在对方实施电子干扰的情况下,仍能正常工作。为了做到这一点,人们对雷达等电子系统进行了不断的改进,来提高这些设备在电子战环境中的性能,因此电子防护措施基本上不是一项单独的设备或技术,而是包含在电子系统自身之中,不能分开。例如通信电台为了对抗侦听与干扰,广泛采用了跳频技术,不断快速变换电台使用的频率,     

组合层内和层间小波系数的图像去噪方法

建立了能利用系数层间和层内相互依赖的关系模型,推导了应用最小均方误差原理去除图像中噪声的算法,而且运用隐参变量描述方式,使得小波系数那种反映图像边缘强度特征的空间变属性表现了出来,使算法具有空间自适应能力,实验结果显示该方法比目前存在的一些方法更具优越性。     

小波变换在雷达视频压缩中的应用

针对工程应用中雷达视频数据量大、难于实时传输的问题,分析了雷达视频数据的信息冗余和信号相关等特点,提出了一种基于小波变换的雷达视频数据压缩算法,并用该算法对实际采集的某型雷达视频数据进行压缩、解压缩处理。结果表明:该算法具有较高的压缩比和较好的信号恢复质量,具有一定的实用价值。     

离散小波变换在被动声目标识别中的应用

研究了战场被动声目标鲁棒特征参数的提取,分析了战场声信号与语音信号特征的相似性,提出基于MFCC参数的战场声目标识别方法。针对战场环境存在强噪声干扰情况,提出一种改进的MFCC特征参数(DWTMFCC)提取方法,该方法将小波分析和MEL倒谱分析结合,提高了特征参数的鲁棒性。仿真结果表明:在噪声条件下,利用DWTMFCC参数进行声目标识别,平均识别率比MFCC参数高出3.134个百分点,信噪比为5dB时,识别率仍达到93.67%。     

一种基于DCT和PSOLA的语音变换方法

文中提出了一种基于离散余弦变换(DCT)和基音同步叠接相加(PSOLA)的语音变换方法。此方法可以自由调整源语音的基音频率、能量分布和时长,以达到变换要求,并且变换后的语音具有较高的质量。变换方法首先对基音标记过的语音段通过DCT进行基音频率和能量分布的调整,之后再通过PSOLA法进一步对基音频率进行修正。实验表明,此方法在男女声变换中,能够使变换前、后语音的性别感觉明显变化,并且保持了较高的语音质量。     

一种新的舰船辐射噪声特征提取方法

提出了一种基于Dopplerlet变换的舰船辐射噪声特征提取方法,给出了Dopplerlet变换分解流程。使用此种方法及基于小波变换、波形结构、自然尺度等的特征提取方法对收集到的舰船辐射噪声进行了识别试验,试验结果证明基于Dopplerlet变换的舰船辐射噪声特征提取方法更加有效。     

基于HVS的抗统计分析的小波域密写

针对通过分析小波系数直方图特性的变化能侦测到小波域图像密写信息的存在性这一问题和人眼对图像强纹理不敏感的特征,提出了一种基于HVS的抗统计分析的小波域密写方法。该方法先将载体图像分成固定大小的小块,对每一小块进行基于提升策略的整数小波变换。根据符号和奇偶值将非零小波系数分为2类,分别表示1和0。如果嵌入的秘密比特与小波系数表示的信息不同,修改小波系数使它变为另一类,否则不变。在强纹理块,2层以上的小波系数用来嵌入更多的秘密信息以保证良好的视觉隐蔽性。最后,通过小波逆变换获得载密图像。实验结果表明,该密写方法不但能有效地保持小波系数直方图的特性,而且具有良好的视觉质量。     

基于PSO优化小波神经网络的无人机动力系统故障诊断模型

针对传统小波神经网络对无人机动力系统的故障信号降噪和识别能力差以及网络收敛速度慢、训练精度不高的问题,构建了基于改进粒子群算法(PSO)优化小波神经网络的无人机动力系统故障诊断模型。该模型运用软、硬阈值函数组合改进的新阈值函数和改进PSO优化小波神经网络的方式,克服重构信号不连续或严重失真的问题,优化了小波神经网络初始权值和阈值,使模型能够实现快速、准确分析和识别故障类型,具有较好的故障预测和诊断能力。本文中通过对比不同阈值函数的降噪能力和PSO、GA、ACO对小波神经网络的改进效果,比较BP神经网络、传统小波神经网络、PSO优化小波神经网络的故障诊断预测效果,验证了本文中构建的PSO优化小波神经网络故障诊断模型远优于其他对比模型,具有故障识别和降噪能力强、收敛速度快、训练精度高的优点,在无人机动力系统的故障诊断领域,具有较好的可行性和有效性。     

基于小波技术的校园网流量分形特性研究

网络流量特性是人们深刻理解整个网络体系的架构及网络控制机制的切入点,所以有必要深入探究网络流量的特性。通过小波技术对某校园网络流量数据进行全面分析,细致地刻画了流量到达过程的自相似性与多重分形特性。