一种基于复杂性测度的干扰样式识别方法

提出了一种基于复杂性测度的干扰样式识别方法．该方法首先分析接收信号的分形维数和LZ复杂度．通过使用一定数量样本,获得每种干扰样式分形维数和Lz复杂度分布的均值中心和方差．然后采用指数距离计算待识别样本与每种干扰的均值中心和方差的距离,按最小距离原则来对干扰样式进行识别．最后给出了仿真结果及结论．     

汽车轮胎号识别中的预处理问题

为便于对汽车轮胎号字符图像进行识别，对其进行一系列预处理．着重研究胎号图像预处理中的增强、降噪及二值化问题．提出一种将邻域均值滤波法和中值滤波法相结合的图像降噪算法，采用该算法能保护图像边缘和细节．提出一种基于经验知识的改进Otsu算法，可缩小Otsu算法搜索阈值范围，减少计算类间方差的次数．结果表明，胎号增强图像比原始图像清晰，降噪后字符图像边缘不模糊，胎号字符二值化速度得到提高，二值化效果也很好．     

光照不均图像的自适应加权均值算法

 在结合矩形框加权均值算法的基础上,提出一种对光照不均图像进行二值化处理的自适应加权均值算法。对流量计图像中每个像素点分别计算阈值,利用和值表及自适应计算调整参数t,可有效地避免光照不均的影响,减少程序计算量,增强阈值自适应能力,提高流量检测速度及图像二值化处理效果。结果显示,在C++环境下,分别运用自适应加权均值算法和传统的基于小波包及Niblack 算法,对所采集的同一幅流量计光照不均图像进行二值化处理,自适应加权均值算法用时1.6 ms,基于小波包及Niblack 算法用时9.3 ms,且自适应加权均值算法处理效果明显优于传统算法。     

电子警察系统中的图像二值化方法

考虑到电子警察系统中所拍摄到的含有车牌信息图像的特点，对整体和局部分别选用不同的二值化方法进行处理．在对整体图像进行二值化处理时，提出了一种新的二值化方法，即在二值化的时候，加入游程平滑算法的思想，对图像进行逐行扫描和处理．     

图像恢复的分块正则化Gmres方法

利用分块Gmres算法在处理大规模线性方程组时具有的优势,将其同正则化技术‘相结合应用于图像恢复领域,提出一种新的图像恢复的方法．该方法考虑了图像恢复中的时间复杂度与空间复杂度2个方面．数值模拟时,对不同的方法进行了对比分析,结果表明所提出的方法能够明显改善图像恢复的质量．     

基于多重分形频谱分析的图像边缘检测

提出了一种基于多重分形频谱分析的图像边缘检测方法．该方法首先计算出图像像素点的粗粒化Hǒlder指数，并用核估计方法估计出图像与该粗粒化指数相对应的多重分形奇异频谱，然后根据图像的多重分形频谱值就可以检测出图像的边缘点．实验结果表明该方法是有效的，而且与传统方法相比具有更好的局部性．     

基于3D-OMP算法的SAR动目标成像方法

针对稀疏场景下的SAR动目标成像问题展开研究，提出一种基于三维正交匹配追踪(3D-OMP)算法的稀疏成像方法。首先对成像区域进行网格划分，然后以运动目标的二维速度作为动态参数构建三维稀疏字典矩阵，即参数化稀疏表征。在算法迭代过程中，通过计算回波数据矩阵与三维稀疏字典矩阵各层之间的相关度筛选出信号的支撑集。最后利用最小二乘准则，计算出支撑集下目标场景的稀疏表征系数。该3D-OMP算法是经典OMP算法的改进与拓展，因此继承了OMP算法计算复杂度低、信号稀疏特征增强明显的优势，同时具备了重构SAR动目标图像的能力。仿真实验结果验证了该SAR动目标成像方法的有效性。     

睡眠脑电的非线性动力学方法

在8例健康成年人的睡眠脑电监测实验基础上，利用已有的专家人工分期结果，提取睡眠各阶段特征数据，应用近似熵、复杂度和功率谱熵三种方法进行分析，从客观量化的复杂性度量来刻划睡眠深度的变化情况，对每个睡眠分期选取5000点数据，数据窗取1000点，逐次延时一个采样间隔得到几个时间序列，分别求复杂度，最后取均值即得此分期复杂性测度值，结果表明三种方法均与专家人工分期结果相吻合，近似熵算法复杂不适合在线分析；复杂度算法较简单，但数据粗粒化处理容易丢失信息；功率谱熵算法简单、快速及有效，因而用统计分析方法分析，表明功率谱熵能较好地反映睡眠深度的变化情况。     

基于树形结构酉空时星座设计的译码方法

针对酉空时码最大似然检测复杂度高的问题，提出了一种酉空时星座的设计及低复杂度译码方法．根据酉空时信号失真测度的定义，依照最邻近原则对星座进行划分，以最小失真准则计算各个星座子集中信号的最佳中心，再通过迭代算法，交替使用两个局部最佳准则，生成由各个信号子集与对应中心所构成的若干子树，形成树形结构的酉空时星座．接收方以接收信号为树根，选择具有最小失真的中心信号．对选定的中心信号对应的子树进行遍历搜索得到对发送信号的估值．该译码方法仅需要对某一中心信号及其对应子树的叶子节点进行计算，避免了最大似然方法对整个星座的全搜索，从而有效地降低了译码复杂度．仿真实验表明，相对于最大似然检测方法，该方法能够以有限的性能损失换取译码计算的有效简化．     

基于遗传算法的数量属性离散化算法

提出了在没有任何领域知识可供借鉴的情况下，基于聚类思想，利用遗传算法对数量型属性进行离散化的新算法——遗传C均值算法．该算法利用遗传算法具有全局寻优的特性，对训练样本根据其每一属性值进行聚类，将样本划分为不同的类，从而为每一属性找到其值的最佳分割点．然后，对不同类赋以不同的编码．该算法的优点是能得到最优的离散化结果．在VC 6．0环境下实现了该算法．仿真实验证明该方法有效解决了利用粗糙集理论进行分类规则挖掘时，数量型属性的离散化问题。     

一种基于改进替代数据法的图形化混沌判据

替代数据法是非线性系统分析的一种有效方法. 该方法不能直接判断信号是否处于混沌状态,而是基于排除法思路,提高混沌识别的置信度. 文中引入一种针对类周期信号混沌识别的伪周期替代数据法,在数值实验中发现了该算法的3个缺陷:一是相空间重构在实际信号分析中效果不佳;二是替代数据直线化;三是检验统计量容错性较差. 针对这些问题分别提出了改进方法. 使用改进算法对不同类别信号（包括由Logistic模型产生的周期信号和混沌信号以及其它典型混沌信号等）进行数据实验. 发现所有混沌信号在各噪声半径下的复杂度都呈线性增长趋势;而周期信号在噪声半径小于0.1时,复杂度的取值保持平稳,噪声半径大于0.1时,复杂度取值开始单调增长. 对数据实验的结果分析表明:在各噪声半径下复杂度的线性增长趋势是混沌信号的共同特征,可作为一种有效的图形化混沌判据.     

一种适用于QAM信号的符号定时同步算法

在全数字接收机中,符号定时同步是信号解调的关键技术之一,其性能的好坏直接影响整个算法解调的性能。针对QAM信号的符号定时同步问题,文章在传统最大平均功率算法的基础上,提出一种联合估计方法。利用一种结构简单的插值滤波器对信号进行二倍插值滤波,然后通过最大平均功率算法求出平均功率值最大的点作为最佳采样点,在信噪比较低时,不需要很高的采样率和复杂的算法就能够保证较高的估计精度。仿真结果表明新算法具有运算复杂度低、估计精度高和抗干扰能力强等优点,能够实现QAM信号的快速同步。     

量子乘法器的设计及其实现方法

乘法器在数字信号处理和数字通信领域应用广泛,如何实现快速高效的乘法器关系着整个系统的运算速度。提出了一种新颖的量子乘法器设计方法,利用量子门设计一位量子全加器,并将n个一位量子全加器叠加在一起设计n位量子全加器,实现2个n位二进制数的加和;再利用2个控制非门设计置零电路,并使用置零电路设计量子右移算子;对二进制数乘法步骤进行改进,利用量子全加器和量子右移算子设计量子乘法器,同时设计实现此乘法器的量子线路。时间复杂度分析结果表明,本方法与目前最高效的量子乘法器具有相同的时间复杂度,并具有更简洁的实现方法。     

声引信目标信号过零率分布研究

该文提出一种新的信号分析方法,即信号的过零率分析法,并对其进行了论证,该方法适用于声引信目标信号分析与识别,可以从背景噪声中识别出直升机、坦克,汽车及人行走等,并能排除风和背景噪声的干扰以及人为干扰。与频谱分析法相比,它不需要进行乘法运算,因而处理速度快,分析结果与信号能量无关。文中给出了应用该方法分析的直升机时、坦克声音、大型卡车声音、人员行走的震动信号的过零率曲线。利用该方法可以提取目标信号的     

HEVC帧内预测块尺度的快速选择方法

针对高效视频编码(High Efficiency Video Coding,HEVC)中帧内尺度模式选择计算复杂度高的问题,提出了一种HEVC帧内预测块尺度的快速选择方法。基于图像的纹理复杂度,通过提前检测帧内预测块的绝对误差均值,选择预测块尺度类型,减少穷尽搜索代价计算过程。实验结果表明,该方法能够有效降低帧内预测块尺度模式选择的计算复杂度,在比特率平均提高3.09%的情况下,编码时间能平均减少29.87%,峰值信噪比平均提高0.031%。     

基于后悔理论的区间二元语义多属性群决策方法

针对评价信息为区间语言变量的多属性群决策问题,提出了一种基于后悔理论的区间二元语义多属性群决策方法,该方法能够有效考虑决策者在决策过程中产生的一种风险规避,及其在后悔与欣喜之间存在的心理差异变化。首先,介绍关于区间二元语义信息的一些基本概念,并给出了区间二元语义均值与方差的定义;针对决策矩阵元素为区间二元语义变量属性权重部分未知的多属性群决策问题,利用区间二元语义的方差,通过构建优化模型确定最优属性权重,并提出了一种基于后悔理论的区间二元语义多属性群决策方法;最后将提出的方法应用至企业设计方案的选择中,结果与比较分析表明该方法具有一定可行性和有效性。     

基于分数阶傅里叶变换的时延和频率偏移联合估计方法

针对传统相关运算对时延和频移进行联合估计计算复杂度高的缺陷,提出一种基于分数阶傅里叶变换的时延和频移联合估计方法.该方法利用信号的时延和频偏变换到分数域表现为分数域谱位置的平移特性,通过在不同的分数域利用最小均方误差准则来获得分数域谱位置的偏移量来进行联合估计.该方法不局限于仅适用于Chirp信号,对其它类型的信号同样适用.且与传统相关估计法相比,具有简洁、高效的特点.计算机仿真结果表明,该方法是有效的.     

一种基于离散傅里叶变换的小波变换的快速算法

小波理论中的多分辨率分析和Mallat算法近年来已在数字信号处理中得到了广泛的应用．但如果直接按照上述算法计算信号的小波分解和重构，其计算量将是很大的．通过对离散傅里叶变换及Mallat算法原理的分析，针对离散小波变换算法结构特征，对其结构进行了重组，在此基础上利用快速傅里叶变换，提出了一种快速离散小波变换算法，并从理论上进行了分析和论证；与直接算法相比，可有效降低运算量．     

光伏系统模型的多时间尺度降阶

为了解决光伏接入的电力系统模型复杂和分析困难的问题,提出了一种简单实用的光伏发电系统模型降阶方法。综合考虑主电路及控制策略建立了光伏发电系统小信号模型,分解模型中的多时间尺度特性以确定快速状态和慢速状态,并用相对速度估计法验证了快慢状态分解的正确性,避免了由摄动参数选取不当引起的降阶前后系统稳定性不一致的问题。通过忽略快动态变量对原模型进行降阶,添加校正项得到了零阶近似模型和一阶近似模型。最后在MATLAB中分别对比了降阶模型、校正模型与详细模型的动态响应和计算误差。研究结果表明,降阶模型和校正模型均能够正确反映详细模型在小扰动下的动态响应,且在提高计算速度、简化分析过程方面有明显优势。