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%。     

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。     

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.     

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。     

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。     

时频分析方法及其在自导信号检测中的应用

首先引入时频分析的概念,介绍了短时傅里叶变换、Wigner—Ville分布和连续小波变换的数学表示和性质.其次基于经典检测理论,讨论并比较了它们在高斯白噪声背景下对确知信号的检测问题.最后对它们在自导信号检测应用中的有关问题进行了分析,并指出了需进一步研究的方向.     

宽带模糊函数的群论解释及小波变换求解

讨论了各种形式的宽带模糊函数,通过群论分析表明,它们都可解释为二维不可约仿射群U表示的矩阵系数,因此其性质可通过对仿射群的研究作出解释。还讨论了宽带模糊函数与小波变换的关系,并由此导出其高效的小波变换求解方法。     

基于小波变换的心电图信号中QRS综合波检测算法

在心电图（ECG）数据分析中,其QRS综合波检测是关键。本文应用小波变换,首先对ECG信号进行数字滤波,提高信噪比,然后再通过自学习过程确定多个判据来实现QRS综合波的精确检测。经GKD－405A多导智能分析仪实测数据检测,QRS综合波正确检测率达98％以上。     

基于多分辨分析的雷达目标识别方法

针对宽带高距离分辨率雷达的工作体制,提出了一种基于多分辨分析和信息综合的目标识别算法。目标特征由小波变换在相邻分辨率上的能量之比的对数构成。利用多分辨分析,将目标特征分解为反映目标结构概貌的低通特征和刻画目标结构细节的高通特征。利用辐射基函数神经网络分别对目标的低通特征和高通特征进行识别判决,然后将基于目标的低通特征和高通特征的判决信息进行综合,得到最终的识别结果