基于VMD和SVM的舰船辐射噪声特征提取及分类识别

针对复杂海洋背景下舰船声频辐射噪声特征提取困难的问题,提出一种基于变分模态分解、中心频率、复杂度特征和支持向量机的舰船辐射噪声特征提取及分类识别方法。对四类舰船辐射噪声信号使用变分模态方法分解,得到一定数量的固有模态函数。通过比较提取能量最大的固有模态函数中心频率和排列熵作为特征参数,并利用支持向量机方法对四类舰船信号样本进行分类识别。实验结果表明,该方法可以实现对舰船辐射噪声的特征提取,与已有方法对比,该方法具有较高的识别率。     

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。     

一种融入运动特性的显著性特征提取方法

针对复杂背景下图像序列中运动目标的跟踪前检测问题,提出一种融入运动特性的显著性特征提取方法,该方法综合目标的灰度、细节和运动等形成稳健的显著性特征,并得到一组显著性特征提取图.在这组图像中,具有这种多特征的区域得到加强,其他区域受到抑制,从而能够轻松地检测出可引起人类视觉注意的运动目标.由于该算法中的显著性特征来源于目标的多种底层特性,因此该算法具有很强的稳健性.实验证明,这种方法具有较强的稳定性和实用性,抗干扰能力强.从视觉效果的角度出发,能够较大地提高运动目标在复杂背景中的信杂比.     

基于特征提取的三维流线分布算法

特征提取与清晰表达是三维流场可视化研究中的两个主要问题.提出了一种基于特征提取的三维流线分布算法,既保障了流场临界点附近的特征结构得以正确描述,同时又使输出结果具有良好的清晰性.该算法分为三个步骤:首先,在临界点的快速检测基础上,根据临界点处Jacobian矩阵特征值对临界点进行分类,并对临界点与种子点模板进行匹配;其次,种子点依照优先规则排序,并从这些种子点出发在物理空间计算出流线;最后,在图像空间由预先设置的阈值对流线进行间距控制,并根据深度检测来保留离视点最近的流线,使得屏幕上的输出结果清晰.     

基于PCA特征的快速SAR图像目标识别方法

目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理.     

规整化SAR图像特征提取

SAR成像算法通常都基于FFT运算,图像分辨率要受到瑞利限的制约。为了提高图像分辨率,目前常用的SAR/ISAR超分辨成像算法大多借助于现代谱估计技术。从解方程的角度考虑,认为有限长数据的高分辨率谱估计是一个欠定方程问题,估计的结果存在"病态"性。在Bayes估计准则下,把信号谱的先验概率密度作为规整项包含进信号频谱的最大后验概率估计中,提高谱估计的分辨率。将这种方法用于SAR图像峰值特征提取,提高了图像分辨率。     

炮管内膛图像拼接检测算法研究

运用计算机图像拼接技术,提出一种将炮管内膛局部表面照片快速无缝拼接的算法.该算法选择Harris角点检测算子对特征点进行自动提取和匹配,通过对匹配过程的松弛迭代,消除误匹配;采用加权融合算法进行内膛图像融合,生成无缝拼接的内膛表面图.     

基于无相关判别稀疏投影的人脸识别方法

针对人脸识别问题,提出了一种无相关判别稀疏投影(uncorrelated discriminant sparse projections,UDSP)方法。该方法通过设计一个无相关约束基于差的最优化目标,同时增加判别信息到稀疏保持投影(sparsity preserving projections,SPP)的目标函数,不仅保持了SPP的稀疏重构结构关系,而且利用了全局判别结构。同时,通过强加合适约束使得提取的特征统计无相关。最后,在FERET人脸库上进行了实验,证明了该方法的有效性。     

基于KPCA的作战仿真实验数据特征提取方法

针对作战仿真分析过程中各作战要素的复杂性与非线性,研究了一种基于KPCA的作战仿真实验数据特征提取方法。描述了KPCA特征提取的原理和算法,并将其应用于作战仿真实验数据的空间降维,根据累积贡献率确定新特征的数量。仿真结果表明,该方法与PCA相比具有主成份特征明显、贡献率集中等优点,能够有效综合原始数据的非线性特征,降低原始数据的维数。     

基于全矢谱-深度置信网络的转子故障诊断方法研究

针对传统方法采用单通道信息进行设备故障诊断容易造成误判以及传统故障诊断需要大量专家经验知识的不足,结合全矢谱技术在多通道信息融合中可以全面反映振动信号特征的优势,以及深度学习具有强大的自特征提取能力和较好的模式识别能力,提出了一种基于全矢谱-深度置信网络的转子故障智能诊断方法.对采集到的多通道的机械振动信号利用全矢谱技...