积分二次相位函数和傅里叶变换的多相码参数估计

针对传统时频方法对多相码信号参数估计计算量比较大的问题,提出一种新的多相码参数估计方法。首先利用积分二次相位函数(IQPF)估计信号的调频率,然后重新构造一个线性调频信号(LFM),通过解线调将多相码信号的调频率消除,最后计算解线调后信号的傅里叶变换(FFT)估计信号脊线间隔和载频,进而估计信号的码元宽度和重复周期。该方法不需要进行直角坐标和极坐标的变换且仅需一维搜索,可以大幅度减小计算量。仿真表明,可以用较小的计算量取得与RAT(Radon-Wigner Transformation)和RWT(Radon-Ambiguity Transformation)相当的估计精度。     

基于相位相关的快速亚像素全局运动估计

为了实现亚像素级图像快速全局运动估计,提出了一种基于相位相关的快速亚像素全局运动估计方法。首先对待计算的两幅图像进行下采样并计算整像素级的全局运动矢量,然后选取两幅图像重叠的部分进行插值,再计算亚像素级的全局运动矢量。最后,将整像素级和亚像素级的计算结果进行加权计算,得出亚像素级的全局运动位移。实验结果表明,文中算法对噪声影响、光照变化和局部遮挡具有较好的鲁棒性,同时能够有效地提高运动估计的精确性和计算效率。     

信息流中的隐形信息提取和还原技术研究

提出基于变化域的信息隐藏检测算法和基于彩色静止数字图像的信息隐藏提取算法,将小波变换的放大信息与显示隐藏信息及其相反过程的功效挖掘出来,基于信息隐藏对载体特性影响的模型,建立通用的隐藏信息提取的数学模型和面向"信息隐藏对载体特性影响"集合的正变换函数和逆变换函数,对信息进行标识、分析、提取和还原,使之能破除还原隐藏信息,达到较好的信息识别与分析效果,从而实现快速提取隐藏数据电子证据.     

基于小波变换的舰船辐射噪声调制特征分析

舰船辐射噪声在不同频带上的调制是有差异,利用多子带技术可以得到不同频带上的调制谱.研究了多子带分析技术以及利用小波包分析获得不同频带上的调制谱技术,利用最小信息熵准则对小波包分解进行了优化.双比两种方法,得到了一些有益的结论.试验表明,多子带分析技术对识别工程应用有指导意义.     

改进Bubble函数的多分辨率边缘提取方法

在数学上,通常用Bubble函数来描述神经系统的侧抑制现象.Bubble函数在频域里相当于一带通滤波器,它可以反映不同的时域、频域特性,但它不具有调节带宽的功能.因此对Bubble函数进行改进,改进后的Bubble函数能够通过调节参数来获取不同时域、频域响应和滤波效果.最后,用改进的Bubble函数将小波和侧抑制有机地结合,构造出多分辨率侧抑制网络,该网络利用小波变换去除噪声、侧抑制网络突出边缘,从而可以准确、有效、快速地提取出图像边缘.     

面向数字射频存储的雷达欺骗干扰检测方法

基于数字射频存储(digital radio frequency memory,DRFM)技术的转发式欺骗干扰与真实雷达回波高度相干,这导致雷达难以分辨真假目标。针对该问题,提出一种基于Hough变换的DRFM欺骗干扰检测方法。建立基于线性调频的干扰信号模型,分析其谐波分量的频谱特性,采用短时傅里叶变换和二维恒虚警率检测器对干扰信号进行特征提取,并利用Hough变换完成欺骗干扰检测。所提方法是基于DRFM欺骗干扰本身的特征,不依赖于先验信息与应用场景,计算复杂度低,且在低信噪比条件下具有良好的检测性能。计算机仿真实验验证了方法的有效性。     

加权核范数最小化和改进小波阈值函数的图像去噪算法

针对加权核范数最小化算法存在结构残余噪声以及无法较好地保持图像边缘结构的问题,提出基于加权核范数最小化和改进小波阈值函数的图像去噪算法。利用全变分模型对噪声图像进行初步去噪,使用噪声图像与初步去噪后的图像进行差分运算,对差分后得到的噪声残差图像使用改进的小波阈值函数去噪,将小波去噪后的残差图像与初步去噪图像叠加,将叠加后的图像使用基于残余噪声水平迭代的加权核范数最小化算法进行二次去噪。相较于当下主流去噪算法,经该算法处理后的图像的PSNR和SSIM值均有所提升,能够更好地保持图像的纹理结构,且在高噪声环境下效果更佳。     

三维视景仿真中的主辅式多视口结构及其实现

针对大规模三维视景仿真中同时对场景全局和各目标模型细节观察的需求,设计了一种基于OpenGL的主辅式多视口场景渲染结构。通过对OpenGL视口定义、深度检测及投影变换等技术的灵活应用,该多视口结构在“导弹突防三维视景仿真系统”中得到了实现,有效地解决了多观察点同时兼顾的问题。     

精确测量薄层厚度的同态信号处理方法

针对精确测量薄层厚度的要求,本文提出一种新的同态信号处理的方法,这种方法在于得出被测信号能量谱ＥＳ的对数导数的付里叶反变换的包络。仿真结果表明,估计值与实际值非常相近。