基于整数小波变换的多光谱遥感图像压缩技术

在分析多光谱图像小波变换后系数特点的基础上,提出了一种基于整数小波变换的3维集合分裂嵌入块编码(3D SPECK)压缩方法。该方法将小波变换压缩技术中的零树编码推广到多光谱图像压缩中,采用整数小波变换去除空间冗余,对单波段图像,采用2D SPECK编码,对多波段图像,谱域上构成的小波矢量采用离散余弦变换(DCT)进行变换,对变换后的系数进行3D SPECK编码。实验结果表明,该方法硬件实现简单,编码解码时间快,对内存要求低。     

区间正交小波变换域FLP算法及其在捷联寻北中的应用

针对机抖激光陀螺角随机游走和发动机干扰等影响静态捷联寻北精度的问题,提出了一种新的基于区间正交小波变换的前向线性预测算法。该算法利用前向线性预测技术以及区间正交小波变换抑制边界效应的能力,有效地减小了角随机游走和发动机干扰。车载实验证明该算法的有效性。     

一种应用于证件防伪的小波域水印算法

根据数字水印的基本原理,从证件防伪的角度出发,将伪随机序列嵌入到证件持有人的照片中,并可以通过检测判定水印的存在与否,进而鉴别证件的真伪,在水印检测时不必使用原始图像作比对,实现了盲检测.该算法具有良好的隐蔽性和稳健性,人们从表面上无法感知水印的存在,更不可能伪造,从而提高了证件的防伪能力.     

基于Hough变换的高分辨SAR图像道路目标检测

给出了一种检测高分辨率SAR图像道路目标的方法。该方法首先对原始图像进行一系列的预处理,然后利用Hough变换识别道路。在提取感兴趣区域时,该算法采用了高斯概率迭代方法代替了一般的CFAR检测或阈值分割;在进行Hough变换时,该算法用平均Hough变换代替一般的Hough变换;在检测变换域峰值点时,采用了结合全局CFAR检测的最大值点搜索的方法;最后对检测出来的准道路,该算法根据道路的独具性质进行鉴别,以确定其是否确实为道路。使用MSTARRedstone实测杂波图进行实验,取得了满意的效果。     

基于遗传算法的整周模糊度OTF解算

建立了一种基于简单遗传算法的改进模糊度搜索方法。首先采用一组约束方程求解模糊度浮点数解 ,然后UDUT 和LDLT 分解对整周模糊度进行整数高斯变换以降低各整周模糊度之间的相关性 ,最后利用遗传算法进行整周模糊度搜索。在种群个体较少的情况下 ,为了避免早熟使搜索陷入局部最优 ,提出两种变异算子 ,保持个体的多样性。仿真结果表明改进后的算法能够实时动态解算整周模糊度 ,且较使用简单遗传算法具有更快的搜索速度和鲁棒性。     

基于时频分析的飞机目标识别

本文利用小波变换对五种飞机目标的雷达回波进行时频分析,得到了回波信号的时频分布图。全面清楚地描述了目标的散射特性。文中通过提取时频分布图的矩特征作为目标特征量,对五种飞机的目标作了识别实验,取得了良好的识别效果     

基于时间反转变换的动目标相参积累算法

高速动目标回波能量的相参积累一直是国内外学者的研究热点。针对时间反转变换-二阶Keystone变换-吕分布（TRT-SKT-LVD）算法在积累过程中丢失速度信息的问题,提出时间反转变换-一阶Keystone变换-Radon变换（TRT-KTR）算法实现动目标速度的分离与相参积累。通过时间反转分离出目标的速度信息,采用低通滤波器和线性平滑法消除噪声引起的突变点的影响。用一阶Keystone变换校正目标速度引起的距离走动。利用Radon变换估计速度模糊数并进行补偿实现相参积累。仿真证明,该算法可以有效分离并积累目标的速度分量,且拥有较低的运算量。结合TRT-SKT-LVD后的联合算法可积累出目标距离、速度、加速度三维信息,实现多目标检测。     

基于改进型HHT变换的起动电动机故障特征提取

针对装甲车辆起动电动机发生早期故障时的不可预知性,加上现有的维修方式大多是定期保养维护,使得起动机的早期故障得不到有效检测,进而引发更深层次的故障。从电机振动信号的非平稳非线性特点出发,对比分析了当前时频分析技术的优缺点;选用了基于HHT变换的时频分析方法对振动信号这个随机信号来提取特征向量,并提出了改进型的HHT变换理论,对模态混叠和虚假分量的问题加以消除和验证;最后,将改进型的HHT变换方法应用到实物验证。结果表明,能够有效地提取到电机不同状态下的具有紧凑性、代表性和广泛性的特征向量。     

电偶腐蚀下非稳态扩散瞬时静电场分析

为分析在浓差极化条件下非稳态过程中的静电场分布情况,在斐克第二定律的基础上利用拉普拉斯变换求解电极表面氧浓度随时间的变化。通过法拉第定律分析受氧浓度控制下的电偶腐蚀电流密度,在此基础上利用电流元模型求解电解质溶液中任意位置处产生的瞬时电位及静电场强度,并通过实验验证结果的正确性。结果表明：浓差极化下的非稳态扩散传质产生的静电场及电位会随着时间的增加而逐渐减小,并最终达到稳态,且电流密度会随着氧的浓度减小而减小。     

基于不同能量值特征优选的水声目标识别

采用Bartlet平均周期图、小波变换和经验模态分解方法分别提取信号的频段能量值特征、IMF能量值特征,重点对IMF能量值特征进行特征优选。通过设计BP神经网络分类器,对实测的四类舰船目标的辐射噪声信号进行测试,取得了较好的识别效果。