基于SVD-DWT的音频盲水印

提出了一种基于奇异值分解和离散小波变换的音频盲水印方法,将原始音频数据进行小波变换,提取低频分量分块奇异值分解后,利用置乱加密处理的水印图像,量化选取的奇异值,实现水印的嵌入过程.利用图像置乱和奇异值分解方法,提高了水印的不可感知性.另外在水印的检测与提取过程中不再需要原始载体数据,更加利于实际中的应用.通过MATLAB仿真实验表明,水印隐藏效果好,而且对多种攻击具有较好的鲁棒性.     

基于小波奇异性的结构故障检测

提出了一种新的基于小波奇异性的结构故障检测方法.通过对传感器检测信号进行二进离散小波变换,采用模极大值算法对信号进行去噪滤波,同时根据小波变换模极大值在不同尺度下的分布来完成故障的检测与定位.该方法可有效抑制噪声对残差信号的影响,提高故障检测的鲁棒性.最后,针对歼击机的结构故障进行了仿真,仿真结果表明了本文方法的有效性。     

一种基于小波变换的流体压力信号消噪方法

针对液压设备运行中的某些过程参数无法或难以直接用传感器或过程检测仪表进行测量的问题,本文介绍了一种将小波分解与自适应滤波相结合的流体压力信号消噪方法,并详细阐述了小波自适应滤波法的原理和操作方法,最后通过消噪仿真实验,验证了小波自适应滤波法在流体压力信号消噪中的有效性和优越性。该方法弥补了传统傅里叶变换在处理非平稳信号时的不足,进一步丰富了非平稳信号的信息处理技术手段,为提高测量结果的可靠性打下了基础。     

听觉模型倒谱系数及其在声目标识别中的应用

针对目前广泛采用的美尔倒谱系数(MFCC)鲁棒性不足的问题,基于人类听觉模型提出了一种可用于战场声目标识别的倒谱系数. 用小波包变换代替了传统的傅里叶变换,克服了傅里叶变换在频域上单分辨率的缺陷和对噪声的敏感性. 用指数压缩替换固定的对数压缩,较好地模拟了人耳处理信号的非线性能力. 在SensIT实验数据和外场实际采集的低空目标数据上的实验结果表明：相对于经典的美尔倒谱系数,本文提出的倒谱系数在识别准确性和抗噪声能力方面都有较明显的提高．     

融合IWT与SVD的鲁棒和隐蔽性数字图像水印方案

针对数字图像水印的鲁棒性和隐蔽性问题,提出一种基于整数小波变换(IWT)和奇异值分解(SVD)的图像水印方案.首先,利用整数小波变换将宿主图像变换到小波域.然后,在获得的每个频带上进行奇异值分解,并根据比例因子将水印嵌入奇异值中.最后,在权衡考虑鲁棒性和隐蔽性下,利用粒子群优化(PSO)算法获得最优的比例因子.实验结果表明,该水印方案对常见的图像处理操作具有较好的鲁棒性,同时保持了优良的隐蔽性.     

基于奇异值分解的DWT域数字水印算法

本文提出了一种基于奇异值分解的DWT域数字水印算法。首先用Aronld算法对水印图像进行置乱;然后对原始载体图像进行小波变换,同时对低频系数进行奇异值分解;最后将加密后水印宽、高放大到合适尺寸,并嵌入载体图像DWT域的低频子带的奇异值中,完成了水印嵌入。仿真结果表明,本算法嵌入的水印不仅能保证较高的可见性,同时能够很好地抵抗多种攻击,有较好的鲁棒性。     

矩阵在离散时间信号频谱分析中的应用

<正>在经典信号处理理论中,按照连续和离散、周期和非周期将信号分为了连续周期信号、连续非周期信号、离散周期序列和离散非周期序列。对这些信号进行频谱分析,分别成为连续时间傅里叶级数(FS)、连续时间傅里叶变换(FT)、离散傅里叶级数(DFS)和离散时间傅里叶变换(DTFT)。信号的傅里叶分析可以实现将信号     

应用二维混合变换的脂肪肝超声波图像特征提取

采用一种二维混合变换—二维离散傅里叶离散小波混合变换（2-DDFT-DWT）,去除与脂肪肝散射粒子混迭的噪声,进而提取脂肪肝散射粒子。该算法从水平方向对超声波图像用DFT进行滤波处理,从垂直方向对超声波图像进行DWT尺度纹理信息提取处理。并给出了水平方向的偏DFT的正变换与反变换的定义与算法,及垂直方向的偏DWT的定义与算法。通过实例说明了脂肪肝超声波图像特征提取算法的应用,给出了与二维离散傅里叶变换及二维离散小波变换算法提取脂肪肝散射粒子纹理的比较结果。     

应用小波的PV振荡周期多分辨率检测

该文提出了一种新的使用小波技术检测PV数据信号振荡周期的方法. 首先使用小波技术对PV数据进行降噪;然后在不同分辨率上,应用冗余二进制离散小波变换(DDWT)来分解PV振荡信号,并检测该信号的小波系数极值,重构PV信号,避免降噪后的PV信号失真;最后基于本文提出的新算法,计算获得PV振荡信号的周期.     

《信号与线性系统分析》课程中的一个注解研究

傅里叶变换在信号分析中占据着举足轻重的地位,也是《信号与线性系统分析》课程中的重要学习内容,单位冲激函数是该课程的一个基本概念。本文对该课程中关于周期单位冲激函数序列的傅立叶变换进行研究,给出了教学过程中所遇到的问题的求解,对傅里叶变换及傅里叶级数等内容的教学有积极的指导作用。     

引导学生理解信号频谱的概念和意义

针对教学难点,就如何引导学生有效理解信号频谱的概念和频域分析的意义,提出信号频域分析的教学思路和方法.即先用单个正弦信号说明频谱的定义,从信号分解的角度理解频谱与信号的关系,再分析周期信号频谱的特点,进而引导出求非周期信号频谱的傅里叶变换,说明其意义,通过傅里叶变换的性质强调频域分析的实际应用.     

一种基于遗传算法和BP网络的鲁棒图像哈希方法

提出一种用于图像内容认证的基于遗传算法和BP网络（GA-BP）的鲁棒图像哈希方法。运用提升小波变换（lifting wavelet transform,LWT）得到图像的低频分量,对低频分量进行离散傅里叶变换（discrete Fourier transform,DFT）提取幅度和相位信息以建立图像的特征矩阵,利用构建的GA-BP模型,生成鲁棒的图像哈希序列并用于图像内容的篡改认证。实验结果表明,相比于同类方法,所提出的图像哈希认证方法对随机攻击、旋转、JPEG压缩,加性高斯噪声等具有较好的鲁棒性和区分性。     

一种支持向量回归机的音频水印算法

为了同时保证算法的不可感知性与鲁棒性,提出了一种新的支持向量回归机音频水印算法．该算法首先对音频进行小波变换,然后选取稳定的低频系数的相邻均值向量、左邻域斜率向量、右邻城斜率向量作为支持向量回归机训练模型,利用支持向量回归机训练模型嵌入和提取水印信息．仿真实验表明,算法对常规的信号处理及攻击均具有较好的鲁棒性,与经典的基于小波变换的量化算法相比,具有很好的不可感知性,另外,在水印检测时不需要原始音频,实现了水印的盲检测．     

小波理论的基本思想及其发展、应用与展望

对小波分析理论的发展过程及其在应用领域的现状进行了概述，比较了小波变换，付里叶变换，加窗付里叶变换诸多特征的异同，在提出小波理论有待解决的一些问题的基础上，展望了该理论进一步发展的趋势。     

小波变换在人-板系统动测方法中的应用

首先利用离散小波分解信号,对时频小波变换相关算法进行改进,只对能量集中的低频逼近信号进行相关估计,避免了高频干扰,从而推算出运动员的离板时刻及起跳加速度和速度.然后对跳水板建立冲击响应谱,提出了运动员获得最大起跳效果的蹬伸条件.实验分析结果表明,此方法能有效评估运动员的起跳状态,为跳水训练提供了依据,具有较强的可行性和实用性.     

基于小波变换的图像融合算法研究

针对可见光和红外热像仪各自的成像特性,提出了一种新的基于小波变换的图像融合算法,将配准完成的电视图像和红外图像分别进行小波分解,得到低频图像和高频图像。采用不同的规则分别对低频图像和高频图像进行融合,并进行小波逆变换,得到最终的融合图像。最后采用实验验证了算法的有效性,结果表明,该算法明显优于传统小波变换算法。     

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Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

Curvelet变换用于人脸特征提取与识别

针对小波变换用于人脸识别时难以充分描述人脸曲线特征的问题,提出用Curvelet变换进行人脸特征提取与识别的新方法. 将人脸图像进行Curvelet变换,提取进一步压缩的低频系数和高频各子带的Curvelet能量特征为人脸特征向量,并采用支持向量机进行特征分类与识别. 以Orl和Yale人脸库进行测试,结果表明,该方法相比小波变换法识别效果更佳,且对光照、姿态和表情变化具有良好的鲁棒性.     

改进傅氏算法在输电线路微机保护中的应用研究

电力系统输电线路故障暂态过程中电压、电流的暂态噪声会对继电器动作产生干扰,继电保护中需要采用滤波技术。傅里叶算法广泛应用于实际工程中,但傅里叶算法只能消除直流分量和整次谐波分量,不能消除衰减直流分量。因此对傅里叶算法进行改进并对傅里叶算法和改进傅里叶算法进行仿真计算和性能比较,并应用到实际输电线路保护中。进一步证明改进傅里叶算法在工程实际中具有实用价值。