四叉树分类的网格编码量化在SAR图像中的应用

综合了小波去相干斑噪声、四叉树分类、网格编码量化技术,提出了一种在小波域内对带噪SAR图像作网格编码量化的新方法。首先对小波域的SAR图像实施软阈值去噪声,然后根据小波图像中各子带系数的带间相关性对其进行四叉树分类,再对分类后的重要类小波系数应用网格编码量化形成有序的嵌入式比特流。该方法不仅利用了信号间的时间相关性,而且也较好地利用了信号变换域的相关性。并且在对SAR图像压缩的同时去除了噪声,取得了很好的效果。     

基于小波分解的贝叶斯SAR图像去斑方法

提出了一个新的有效的基于小波变换的SAR图像去斑方法。尽管小波分解具有去除相关性的作用,但是图像中边缘等几何结构特征仍然存在,因此本文引入一个几何先验模型,结合噪声和有用信号的条件分布进行贝叶斯估计,得到每一系数作为有用信号的后验概率,以之作为修正因子修正小波系数,获得了满意的去斑效果。与现有的去斑方法的主要的不同之处在于使用了噪声和信号的实际分布函数,文中给出了这些分布的经验表达式,以及直接从图像上计算这些分布参数的方法。对实验结果的量化评估证明本方法较软、硬阈值法的优越性。     

舰船辐射噪声源定位及亮点信号提取方法研究

为了降低舰船的辐射噪声,需要了解舰船辐射噪声源的分布情况以及各部位辐射噪声的特性.为此介绍了一种聚焦波束形成声图被动定位法,可以给出噪声源位置分布图;并基于此提出了亮点信号提取法,用于分离提取各部位辐射噪声信号;针对强声源信号会对弱声源信号的定位及提取产生影响的问题采用自适应干状抵消法,抵消强声源信号来改善对弱源的声图定位效果及亮点信号提取效果.仿真研究表明,亮点提取法可有效的分离提取各亮点信号,得到的各个信号与其对应的辐射声源信号具有良好的相关性;自适应干扰抵消法可以有效减小强声源对弱声源定位,提取等的影响.     

SAW卷积器在扩频通讯和其它信号处理中的应用

本文讨论SAW卷积器在通讯和信号处理中的应用,着重介绍它们在扩频通讯中的作用。文中还对卷积器的噪声作了专门分析,以说明内外噪声源。     

基于改进矢量量化的SAR图像压缩算法

由于SAR图像像素之间相关性比较弱,考虑到矢量量化在信源弱相关的条件下,也能取得比较好的压缩效果,将矢量量化用于SAR图像压缩中。同时,针对SAR图像纹理丰富,容易受到斑点噪声影响的特点,改进算法将区域整体图像信息从量化空间中分离出来,而且删除了每次聚类后含有最少矢量的胞腔。该算法有效的减少了量化空间大小,使生成码字分布更加合理。实验结果表明,矢量量化对于SAR图像压缩是有效的,并且,改进算法提高了图像整体压缩效果,较好的保留了点线面目标,同时在斑点噪声抑制方面做出了有益的工作。     

混沌信号发生器的DSP实现

混沌信号具有噪声的统计特性,可在雷达系统中作为噪声源使用。设计了一种使用DSP产生混沌信号的电路,该电路主要由DSP、CPLD、FIFO以及DAC四种芯片组成,通过控制外部时钟,可以产生不同带宽的混沌信号,通过改变程序,可以产生混沌调幅、调频及调相信号。实验结果表明了该方法的有效性。     

同场景多幅图像斑纹噪声抑制方法

提出采用独立分量分析法去除同场景多幅图像中斑纹噪声的方法.包含在同场景多幅图像中的图像信号和噪声信号可以认为是相互独立的,独立分析方法则可以用来对这些图像进行分解,并将它们进行有效地分离,以达到滤除图像中的斑纹噪声.实验结果表明,利用同场景多幅图像来进行去噪的效果比对单幅图像去噪的效果要好;和平均法、平均同态维纳法和同态维纳平均法等方法进行比较,该方法能更好地滤除同场景多幅图像中的斑纹噪声.     

基于数字图像处理的信号时频分布精度改善方法

提出了利用数字图像处理技术对信号时频表示结果进行处理的方法。该方法通过时频平面的平滑滤波、阈值处理与时频分布脊线提取等算法,能够在抑制噪声的同时,得到具有高度聚集性的时频分布。相对于信号的模糊域处理和计算核选择方法,该方法不需要关于信号的先验知识,其结论可以为多信号环境中信号区分、描述与参数识别提供依据,同时可以应用于宽带信号的到达角估计。相应的仿真结果验证了该方法的有效性。     

拖曳声纳的本舰噪声仿真

利用线性预测技术，以AR模型拟合指定功率谱的方法，分别对船舶噪声源中的平稳连续谱部分和时变调制谱部分进行了建模与仿真。采用多个点声源来模拟船体噪声源，按照各个声源的空间位置，并计及海底、海面对声场的一次反射作用，最后得到本舰在拖曳声纳基阵位置上的辐射噪声。     

阵列噪声增强技术在数字信息隐藏中的应用研究

研究了阵列噪声增强技术在数字信息隐藏中应用.非耦合的双稳态检测器组成的并联阵列可视为一种规则网络,阵列噪声与检测器参数都是可调谐参数,网络输出性能能够由非零阵列噪声优化.这就是阵列随机共振现象,也可以视为一种阵列噪声增强技术.将代表版权等信息的黑白字符水印排列成二进制序列之后,依据非线性双稳态检测器的频率检测鲁棒性,将之调制成具有一定延迟时间的脉冲调幅信号.宿主图像经离散余弦变换(DCT)后,在中频区域中选相应数量的DCT系数经Arnold变换置乱后作为背景噪声,水印信号则嵌入这些选定的中频系数中.嵌入水印的DCT系数经过逆变换后得到水印图像.水印图像受到各种信号处理方法的攻击时,可以利用非线性双稳态检测器从攻击图像中提取水印字符.通过阵列噪声增强技术,提取水印和原始水印字符的相似度与单独的双稳态检测器检测结果相比得到了进一步改善.     

基于小波分析的股市波动的多重分形辨识

以上证指数和深圳成分指数日收盘价的时间序列为样本,利用小波分析方法剔除序列的噪声干扰,对序列保留的波动趋势进行多重分形辨识.通过 WTMM (小波变换模极大)计算配分函数,尺度函数和多重分形谱等,全面细致的量化了序列的局部及不同层次的波动奇异性.计算结果表明:去除噪声干扰后, 中国现行证券市场的波动呈现显著的多重分形特征.     

基于小波分析和非线性PCA的图像压缩算法

提出一个基于小波分析和非线性PCA(nonlinear principal component analysis,NLPCA)的图像压缩算法,该算法通过对小波分解系数的能量大小对各个小波子图进行分类,然后用具有高强压缩能力的NLPCA对各类子图进行不同程度的压缩。其主要特点是在高压缩比条件下能达到很高的图像重构信噪比。实验结果表明该算法性能良好,在压缩比为93.1时其图像重构信噪比都能达到30以上。     

基于去特征处理的信源数估计算法

在实际测向系统中,由于阵列中各阵元的相互干扰,阵列接收的噪声为空域相关色噪声,由于系统热噪声和散弹噪声的存在,导致阵列接收的噪声同时包含空域相关色噪声与白噪声。传统针对空域相关色噪声的信源数估计算法在白噪声背景下的估计性能往往下降。针对这一问题,提出了一种基于去特征处理的信源数估计方法。该方法对数据协方差矩阵进行去特征处理,得到一组与特征值相对应的新数据协方差矩阵,利用新数据协方差矩阵在信号和噪声子空间上的投影矩阵构造判决函数,进而实现信源数估计。仿真实验及对比数据表明该方法在包含有白噪声成分的色噪声背景下能够有效进行信源数估计,其突出优势表现在小快拍数、低信噪比条件下仍能准确估计信源数,而没有明显增加算法的运算量。     

基于变分推断的一般噪声自适应卡尔曼滤波

线性高斯状态空间模型中假设噪声为已知的白噪声过于苛刻。认为过程噪声与观测噪声均未知且二者的解析关系确定,假设观测噪声的均值非零且服从高斯分布,方差服从逆威沙特分布,从而构成了层次式贝叶斯模型。利用变分推断将均值与方差和系统状态一起作为随机变量进行迭代估计,在得到观测噪声的均值与方差的估计值后,利用其与过程噪声的关系进一步更新未知过程噪声的均值与方差,从而动态地得到每一时刻过程噪声与观测噪声的一、二阶统计矩信息,即使在噪声统计信息动态变化的情况下也有较满意的滤波精度。实验证明了该算法的有效性。     

基于噪音交易者的风险资产定价模型及其应用

放宽DSSW模型中的风险资产股利为常数和噪音交易者心目中的股利变化是一个纯粹正态分布随机过程的假设条件,分别构建了只有理性投资者和存在噪音交易者两种情况下的股票市场风险资产定价模型,并在对所建立的两类模型及其经济意义进行比较分析的基础上研究了噪音交易者对股票市场风险资产定价及其波动性的影响机理,对中国股票市场2005年6月-2008年8月期间发生的"异常现象"进行了合理解释.研究结果表明:噪音交易者能对股票价格及其波动性产生系统性影响,中国股票市场发生的"异常现象"在很大程度上是由噪音交易者造成的.从研究假设、研究结论以及实践应用等方面对DSSW模型进行了合理的拓展和深化.     

水下目标辐射噪声的子波变换和高阶累积量联合分析

将子波变换和高阶累积量联合分析应用于对水下目标辐射噪声的特征提取。首先利用子波变换提取辐射噪声的动态调制分量,然后应用四阶累量对角切片的傅立叶变换（2^1/2维谱）分析该动态调制的谐波特性。结果表明,该方法可以有效地实现动态调制分量与其他信号的分离。准确提取谐波特征。由于四阶累量对高斯噪声的抑制性,该方法还具有很强的抗噪性。此外,相准确提取谐波特征。由于四阶累量对高斯噪声的抑制性,该方法还具有很强的抗噪性。此外,相对与双谱和三谱分析,2^1/2维谱分析极大减少了计算量,降低了方法的复杂程度,具有较快的运算速度。九五国防重点预研项目。     

基于噪声子空间特性的波束形成器设计

为高效、高性能地合成阵列接收信号, 提出基于噪声子空间特性的波束形成器设计。首先, 利用噪声的宽带分布特性, 对Capon空间谱的噪声区域做粗采样, 由此进行残留噪声补偿, 获得信号协方差矩阵的估计; 其次, 利用噪声子空间与信号子空间的正交性, 通过信号协方差矩阵分解构造出信号正交补投影算子; 最后, 利用噪声子空间与干扰子空间的正交性, 用该投影算子对观测信号进行处理, 获得干扰功率估计, 进而推导出干扰加噪声协方差矩阵和最终的波束形成器。仿真结果表明, 该方法仅耗费较少的快拍, 即可在大信噪比范围内实现较高信干噪比输出。     

基于最大熵方法的鲁棒自适应滤波及其应用

针对过程噪声和量测噪声受到脉冲噪声影响而呈现非高斯分布,且噪声统计特性不精确从而导致估计精度下降的问题,提出一种基于最大熵方法的变分贝叶斯自适应卡尔曼滤波(maximum correntropy variational Bayes adaptive Kalman filter, MCVBAKF)算法,并将其应用于捷联惯导系统(strapdown inertial navigation system, SINS)/全球卫星定位系统(global positioning system, GPS)组合导航系统。首先,使用最大熵鲁棒滤波方法对由脉冲噪声产生的野值问题进行处理;然后,通过改进的变分贝叶斯自适应方法进行后验更新,估计噪声,收敛所估参数的估计值;最后,进行了仿真对比。结果表明, MCVBAKF在复杂环境下可以有效提升滤波精度和稳定性。     

基于修正空间平滑的改进正交化波束形成算法

针对正交化自适应波束形成算法的零点会偏离干扰方向、当干扰相干时算法失效问题,提出了一种基于修正空间平滑的改进正交化自适应波束形成算法。该算法利用修正空间平滑技术克服正交化算法不能工作于相干干扰环境的缺点;利用总体最小二乘方法得到噪声子空间,总体最小二乘处理减轻了噪声的影响,因而估计的噪声子空间接近真实噪声子空间,干扰方向形成零点。计算机仿真结果表明此算法是有效的。     

声表面波式小波器件对奇异性信号的研究

在研究声表面波式Morlet小波器件具有进行小波变换、消除白噪声和奇异性信号识别功能的基础上 ,将该器件用于对奇异性信号的提取和分析。通过某一航空发动机的故障实例说明了这种器件不仅可以对工业环境噪声、传输和中间处理单元造成的干扰信号进行滤波 ,有效地提高分析信号的信噪比 ,而且也实现了对故障信号的连续小波变换 ,最终完成了对奇异性信号的提取和识别。