基于小波域显著性修正的SAR图像相干斑抑制

提出了一种基于小波域统计建模与小波系数显著性修正相结合的斑点噪声滤波方法．通过对数变换将乘性噪声模型转化为加性噪声模型,将对数变换后的图像进行小波变换并对小波域的高频子带系数用混合高斯模型与隐马尔可夫树模型进行建模,采用EM算法来估计模型参数．利用贝叶斯最小均方误差准则来估计“干净”的小波系数,在贝叶斯最小均方误差估计的基础上引入基于显著性准则的小波系数进行修正,显著性准则采用小波系数的模极大值准则作为判据,通过小波逆变换与指数变换获得抑制斑点噪声后的图像．实验表明,所提出的方法能够有效地抑制SAR图像中的斑点噪声,同时能够很好保存边缘细节结构与强散射中心．     

一种基于奇异值分解的带噪语音识别方法

提出了一种抗噪声的语音识别方法,用于训练和用于测试的语音信号在提取特征之前,均需经过相同的奇异值分解滤波,本文还提出了一种滤波参数的选取方法,实验证明,采用这种方法可以大幅度提高传统隐马尔可夫模型语音识别系统的抗噪声性能。     

一种改进的小波域语音去噪方法研究

分析了信号和噪声在小波域的不同特征表现，并根据语音中浊音和清音的特点，提出了一种改进的多尺度多阈值的小波域语音去噪方法．该方法采用软限幅函数对浊音和清音信号的小波变换系数作不同的阈值处理，既抑制了噪声，又减少了语音段信息的损失，提高了信噪比．仿真结果表明，这是一种有效的语音增强方法．     

基于多重分形模型的非高斯信号建模

在小波域中，研究了基于β分布、点集分布和β分布与点集分布的混合多重分形模型（β－MWM．pm-PWM和β－pmMWM）；运用相关性检测和多重分形奇异谱检验方法分析了这3种模型对实际的水声非高斯信号的逼近性能。探讨了非高斯信号的多重分形分布特性，将研究结果应用于水声噪声的分析中，发现其多重分形分 布与环境有密切的关系；应用于水声噪声的识别研究中，取得了较好的实验结果。     

利用小波变换多尺度传播特性实现地震信号去噪

小波变换可以把时域信号变换到时间尺度域中,在不同的尺度下观察信号不同的局部化特征．由于信号和噪声具有不同的奇异性,它们的二进小波变换模的极大值在不同尺度下的传播特性也不同．文中根据信号和噪声在小波变换域模极大值的多尺度传播特性的不同,以及地震信号相邻道的相关性,提出了一种去除地震信号中随机噪声的方法,实验表明该方法具有较好的去噪效果．     

基于小波域分类隐马尔可夫树模型的图像恢复

针对自然图像的非平稳特性和图像恢复中计算困难的问题,提出了一种基于小波域分类隐马尔可夫树(CHMT)模型的图像恢复算法.从图像恢复的贝叶斯框架出发,将CHMT模型作为自然图像小波域的先验知识,构造正则化约束进行图像恢复.该模型具有空间适应性,使建模更加精确.对恢复方程的求解,采用了分类简化的共轭梯度算法.实验结果表明,该算法具有较低的计算复杂度,能提高图像恢复峰值信噪比(PSNR).     

一种基于小波神经网络混合模型的说话人识别方法

提出一种混合模型,即将隐马尔可夫模型(HMM)和小波神经网络(WNN)相结合应用于说话人识别的模型.该方法利用HMM的时序建模能力以及小波神经网络较强的模式分类能力,进行与文本无关的说话人的识别.实验表明,采用这种混合模型可以提高系统的识别率,特别在噪声环境中具有一定的噪声鲁棒性,提高了识别性能.     

一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数模不同的变化特征,提出了一种边缘检测方法,该方法通过对图像的小波变换域中由噪声引起的小波变换系数模进行处理,再利用小波变换系数模局部极大值来提取图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提取出图像的边缘。     

基于因子分析的隐马尔可夫模型

状态输出概率密度为对角协方差矩阵高斯分布的隐马尔可夫模型(HMM-DG)在帧内特征相关建模方面存在缺陷．本文将因子分析方法与HMM-DG的混合高斯建模相结合,提出了一种具有弹性的帧内特征相关隐马尔可夫模型框架一基于因子分析的隐马尔可夫模型(HMM-FA)．并导出了HMM-FA的训练算法．理论分析和仿真实验都表明：在训练数据相同的条件下,HMM-FA的性能优于HMM-DG。     

一种基于小波的白噪声消除方法

介绍了小波变换的基本理论，研究了信号和白噪声在小波变换下的不同特性，在此基础上提出了一种新的基于小波变换的白噪声消除方法．仿真结果证明，这种方法具有很好的去噪声效果．     

ICA特征提取技术在背景噪声建模与分析中的应用

应用infomax学习规则对船舶辐射噪声信号进行独立成分分析(ICA)特征提取,并证明了ICA变换能增强信号的非高斯性.在此基础上,根据稀疏编码的特性,利用阈值化的方法将船舶辐射噪声信号有效去噪.通过对含有海洋环境噪声的船舶辐射噪声信号的去噪实验,证明了本方法的有效性,并且去噪结果明显优于传统的几种去噪方法.     

A new method for detecting line spectrum of ship-radiated noise using Duffing oscillator

A detection scheme for line spectrum of ship-radiated noise is proposed using Duffing oscillator. The chaotic trajectory of Duffing oscillator is analyzed and the state equation of the system is improved to detect weak periodic signals in different frequencies. According to the simulation results, the phase transforms of Duffing oscillator are sensitive to periodic signals and immune to the random noise and the periodic interference signals which have larger angular frequency difference from the referential signal. By employing Lyapunov exponents in the field of detection as the criteria for chaos, the phase transforms of dynamic behaviors in quantity are successfully determined. Meanwhile, the threshold value in critical state has been evaluated more accurately. Based on the phase transforms of Duffing oscillator, a new method for detecting line spectrum of ship-radiated noise is given. Three types of ship-radiated noise signals are analyzed and the values of line spectrum are acquired successfully by this method. The experimental results show that this method has high sensitivity and high resolution.     

一种获取船舶主要噪声源参数的方法

为了确定船舶主要辐射噪声源的声源参数,在分析辐射噪声特性及其传播规律的基础上,建立一个浅海波导条件下船舶主要辐射噪声源的数学模型.在不同信噪比条件下,利用快速场积分的方法计算船舶宽带辐射噪声的近场声压,并以全局概率优化搜索方法遗传算法作为反演工具,求解由近场声压数据构成的非线性方程组,从而得到辐射噪声源的参数.仿真结果表明,在浅海波导条件下,在信噪比高于15 dB时,该数学模型可有效反演出船舶主要辐射噪声源的声源参数.     

一种改进的最大熵方法在船舶辐射噪声盲分离中的应用

对于船舶辐射噪声信号的盲信号分离(BSS)问题，由于常用的最小互信息(MMI)方法需要估计输出信号的高阶累积量，这对于非高斯、非平稳的船舶辐射噪声来说信号估计的精度将会降低．为此，本文验证了最大熵(ME)方法在处理此类复杂信号时能作为最佳对比函数的条件，并在此基础上用高斯混合模型来估计信号的概率分布，提高了信号概率密度估计的精度；同时在算法的迭代过程中使用自然梯度下降法代替随机梯度下降法，提高了算法的收敛速度．通过对船舶辐射噪声信号的盲分离实验，证明了此分离算法是有效的．     

基于隐马尔可夫模型的舰船辐射噪声目标识别

将隐马尔可夫模型引入到舰船噪声目标识别中。选择MEL频率倒谱及其差值参数作为模型的观察序列,分别采用Baum-Welch算法和Viterbi算法对模型进行训练和识别。对这一模型进行了计算机模拟,并利用潜艇、鱼雷和水面舰3类目标的海上实录噪声对其识别性能进行了测试,正确识别率为87%。实验表明,用隐马尔可夫模型对舰船辐射噪声进行目标识别可以取得较好的效果。     

基于奇异值分解的连续小波消噪方法

针对小波软阈值消噪的缺点,提出了一种基于奇异值分解的连续小波消噪方法.通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分.通过仿真数据的对比分析和工程测试信号的应用,表明该方法适用于冲击成分信号的提取,与软阈值消噪法相比,它提取出的信号特征成分更完整,信噪比更高.     

空时自适应混合高斯模型复杂背景运动目标检测

为克服传统基于单像素建模方法存在的缺陷,解决复杂背景下的运动目标检测问题,将视频图像序列的空间信息引入背景建模过程中,研究了邻域更新、二维联合直方图信息熵判别、空时平滑等方法.采用引导滤波方法对视频图像进行预处理,以消除图像噪声,并保留图像中目标的边缘信息,给出了算法处理流程和实现步骤.在不同的评测数据库及现实捕获的视频图像上进行了定性及定量实验,结果表明,本文提出的算法在目标检测准确度和完整性等指标上优于传统的同类型算法,为复杂背景环境下的运动目标检测提供了一种新的解决方法.      

基于小波域HMT模型的图像复原

小波域隐马尔可夫树（HMT）模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度呈指数衰减的特性.提出了基于小波域HMT模型的图像复原算法作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用共轭梯度法对其进行求解.实验结果表明,该算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有显著的提高.     

目标检测的多分辨小波Holder数法

针对传统纹理分割方法的不足,从分形布朗运动的平均Holder数出发,提取人造目标与自然场景的相对距离,根据相对距离区分物体和背景,通过不同分辨率下的小波Holder数的计算,进行直线拟合．利用拟合后直线的斜率及线性度等参数可进行目标的检测．实验表明,与用单纯的分形特征参数相比,所提出的方法是一种快速、有效的人造目标识别方法．