基于小波的图像去斑点噪声方法的研究

根据超声图像斑点噪声统计模型的特性,通过对超声图像进行连续小波变换、分形插值小波变换等变换方法以及小波分析的软阈值滤波方法,提出了结合小波软阈值与中值滤波去噪的方法,在不同尺度对信号小波系数进行处理,达到降噪目的.     

基于小波变换图像压缩技术的研究

介绍了小波变换理论,利用小波变换实现图像压缩,指出了小波变换的优越性,根据图像压缩性能的评价标准与传统的DCT变换压缩图像作了比较,结果表明:基于小波变换图像压缩方法的性能要优于DCT变换.     

一种新的连续小波变换

提出了一种新的连续小波变换.这种连续小波变换具有高分辨性和自适应性,并且可以减小由于参数在分母上所引起误差,数值积分离散时对参数的选择更具有灵活性,最后的数值实验表明了新的连续小波变换的有效性.     

小波变换及其在语音信号处理中的应用

人们为了了解自然界的规律,或是为了解决工程中的一些问题,需要对各种各样的信号进行分析,在小波变换出现以前,应用最广泛的是傅立叶变换.但是在利用傅立叶变换分析信号时,存在着某些缺陷.小波变换基于海森堡测不准原理解决了局部时间信号分析的难题,发展了信号分析的方法,成为了当代信号分析的主要工具之一.由于语音信号的复杂性,以及在某些方面与小波变换的相似性,使小波变换在语音信号处理有着很广泛的应用.本文对小波变换及其在语音信号处理中的应用进行了简要的综述.     

基于小波变换的图像去噪技术

利用小波变换中的不同尺度特性对确定信号具有的"集中"能力,提出了基于小波变换的去噪方法。通过在不同尺度上选取适当的阈值,对大于和小于该阈值的小波系数进行相应的处理,其目的是尽量去除由噪声产生的影响,最后由处理后的小波系数对信号进行重构,以得到去噪后的信号。     

基于小波变换和小波神经网络的3D遮挡人脸识别方法

提出一种基于小波变换和小波神经网络的3D遮挡人脸识别方法.首先,对待检测人脸的深度图像进行小波变换,计算各层小波变换系数与数据库中平均人脸深度图像的小波变换系数之间的距离,通过阈值分割得到遮挡区域的二值掩膜,进而得到人脸的遮挡区域;然后,对非遮挡区域提取小波变换系数,构建小波神经网络分类器,依据小波网络的人脸空间距离进行3D遮挡人脸识别.仿真实验表明,该文方法对3D人脸的有意遮挡和无意遮挡的鲁棒性强、识别性能好.     

M带小波变换在图像去噪中的应用

基于小波的图像去噪算法是目前图像去噪研究领域的一个热点.采用Normal Shrink进行阈值估计,提出了一种基于M带小波变换的图像去噪方法,实验结果表明:此方法的去噪效果优于维纳滤波和两带小波.     

基于连续小波变换去除奇异信号方法

提出了高维小波变换的一般形式,在一系列的多维小渡变换中,选择一个适当的小波变换,对小波正变换和逆变换进行离散,构造简单易行且有效的数值计算方法．仿真实例表明:对同时带有白噪声和野值的二维信号进行离散的小波正变换和小波逆变换处理,可以彻底地去除信号中白噪声和野值,重建原有信号．     

基于二维小波变换的图像边缘检测方法

在不同尺度下图像突变点可以通过它的小波变换局部极大值为检测。该文给出了一种基于二维二进小波变换的图像边缘提取方法。这种方法通过对二进尺度下二维小波变换图像局部极大值的检测得到图像的边缘信息,文中给出的实验结果表明该检测方法是十分有效的。     

一种基于边缘和小波变换的图像插值的实现

针对常规插值方法在图像放大时出现的边缘模糊现象,提出了一种基于边缘和小波变换的图像插值算法,小波变换提高了插值图像的边缘高频细节信息.算法首先使用小波变换提取图像边缘,通过边缘检测将图像分为边缘和非边缘这两个区域;对不同的区域分别进行图像插值.实验结果表明,用该方法对图像放大,能提高插值图像边缘的清晰度.     

AR模型功率谱估计常用算法的性能比较

功率谱估计是分析随机信号的一种重要方法．通过分析AR模型功率谱估计,介绍AR模型参数提取的L-D算法、Burg算法和Marple算法,并利用计算机仿真比较三者的性能．     

航空信道统计模型的改进与实现

证明了基于谐波信号叠加产生独立且具有部分U型多普勒功率谱的复高斯随机过程时各支路多普勒频率的约束条件.基于该条件提出一种最佳入射角的设计方案,将入射角分为随机和同定取值两部分,不但保证了相位的随机均匀分布,而且满足多普勒频率的约束条件.利用改进的谐波信号叠加方法和等效离散时间模型实现了多径环境下航空信道小尺度衰落的统计建模.理论分析和仿真结果表明,该仿真模型的多普勒功率谱和时延功率谱等统计参数均与参考模型一致.     

应用循环平稳特性的宽带信号DOA估计

针对循环平稳宽带信号DOA估计问题,结合信号的循环平稳特性和共轭循环平稳特性,采用子空间分解方法研究宽带信号DOA估计方法. 该方法同时利用宽带信号循环平稳和共轭循环平稳两方面信息构造出扩展循环相关矩阵,采用常规方法得到宽带信号的方位谱,继承了Cyclic MUSIC算法的优点,当处理宽带信号源时不需要估计最佳延时时间. 仿真结果表明该方法具有良好的宽带信号选择能力和分辨能力,能抑制大功率干扰信号,估计性能较好.     

一种新的相关复合衰落模拟方法

针对传统信道模型只对多径衰落进行统计建模的问题,将信道建模为包含多径及阴影衰落因素的复合模型,提出一种基于谐波叠加原理、易于硬件实现的时域相关复合衰落模拟方法. 推导了新方法输出衰落的幅值分布及相关性理论表达式,给出了仿真参数的计算方法. 基于Xilinx Virtex4 硬件平台的实测结果表明,该方法输出的信道衰落包络分布、多普勒功率谱及相关特性均与理论值吻合,可用于实验室模拟真实传播环境对无线信号的随机失真影响.     

贝叶斯方法和非参数模型支持下的遥感影像线性光谱分解

针对遥感影像混合像元分解中的地物光谱不确定性问题,提出利用非参数模型来刻画地物光谱的概率分布,并基于贝叶斯方法得到地物面积比例的后验概率分布,最后利用无偏估计和最大似然估计来估算地物面积比例. 通过Landsat遥感影像不透水层制图的实验表明,所提方法的分解精度高于传统的线性光谱分解算法和硬分类方法,证明了贝叶斯方法能够较好地解决地物光谱不确定的问题.     

基于功率谱小波分解的神经网络钻头磨损监测

在钻削过程中,钻削力功率谱与钻头磨损之间具有较强的相关性,被广泛用于钻头磨损监测,但是关于功率谱特征的提取和识别一直没有很好解决.文中采用小波变换对功率谱进行多层分解,提取低频分解系数作为功率谱的包络信息,从而实现对功率谱特征的提取和压缩,并利用BP神经网络对功率谱小波低频分解系数进行融合,实现钻削过程钻头磨损状态的智能识别.试验结果表明:该方法可有效实现功率谱特征提取,经训练的神经网络具有较高的识别精度和推广能力.     

双基地MIMO雷达多目标定位

针对双基地多输入多输出雷达目标定位问题,提出一种基于联合矩阵上三角化的收发角度估计算法. 将收发角度估计问题转化为联合矩阵上三角问题,采用扩展QZ迭代算法对其求解,估计收发阵列流型矩阵,最后利用谱分析算法恢复收发角. 该算法充分利用匹配滤波输出的所有信息,无需二维谱峰搜索,每次迭代均可得到精确的闭式解. 与现有算法相比,该方法的角度估计精度更高,且收发角可自动配对. 仿真结果表明所提算法的有效性.     

非线性阵列Khatri-Rao子空间宽带DOA估计

针对非线性阵列,基于Khatri-Rao子空间概念提出一种新的无预估角宽带到达角(direction-of-arrive,DOA)估计方法. 从Khatri-Rao子空间虚拟阵列导向矢量出发,利用虚拟阵列所增加的维数,以流形分离技术构造与到达角无关的宽带聚焦矩阵,无需预估角且估计性能良好. 采用Root-MUSIC算法避免传统算法中的谱峰搜索过程,降低了计算量. 仿真结果表明,该方法与需要预估角的已有Khatri-Rao子空间宽带DOA估计方法FKR-RSS相比,具有相近的估计精度和目标分辨力. 在信号源数大于阵元数的情况下,其性能优于FKR-RSS.     

基于压缩感知的MIMO系统稀疏信道估计

在多输入多输出通信系统中,接收端信道均衡与相干检测需要利用信道状态信息. 传统信道估计方法如最小二乘法和最小均方误差法均基于多径信道密集型假设,导致频谱利用率低下. 为此,该文研究在单载波MIMO系统中的稀疏信道估计,利用多径信道的稀疏特性提出一种基于压缩感知理论的信道估计方法. 这种方法能利用较少的导频信号达到与传统方法相比拟的估计性能,从而提高频谱利用率. 仿真验证和理论分析表明,基于压缩采样匹配追踪的压缩感知信道估计方法为MIMO系统稀疏信道估计的最优选择.     

提高空间谱算法分辨率的DOA估计

针对传统MUSIC算法在低信噪比,小快拍数等非理想条件下分辨率下降的问题,提出了改进的基于子空间投影的MUSIC测向算法. 该算法充分利用子空间信息,采用新的特征值校正方法对噪声子空间进行加权,并与加权信号子空间投影进行空间谱合成,得到新的空间谱函数. 搜索函数极大值,就能得到来波方向. 新方法既保
留了噪声子空间算法的高分辨性能,又保留了信号子空间算法的稳定性. 计算机仿真和实测数据表明新方法有效.