基于形态小波的高精度重力仪信号快速滤波算法

为了有效抑制高精度重力测量信号中的各种强噪声以获得高精度重力信息,在分析形态小波滤波算法的基础上,结合FFT算法提出了一种快速形态小波滤波算法,并应用于高精度重力仪信号处理中.在滤波过程中,首先在常规小波分解算法各层间增加形态滤波器,以提高小波算法抑制脉冲干扰的能力.然后,将常规小波分解和重构算法进行重组,并参考FFT算法规则设计了一种快速形态小波分解重构算法,以提高小波分解和重构的计算效率.最后,通过仿真试验,将快速形态小波滤波算法与传统小波滤波算法进行性能对比.理论分析和仿真试验结果表明.快速形态小波算法的滤波效果优于传统小波滤波,其运算速度优于Mallat算法.     

基于直接算法的虚拟式小波变换信号分析仪

介绍了作者研制开发的一台基于直接算法的虚拟式小波变换信号分析仪，从而实现了用直接算法对信号进行离散小波变换和连续小波变换的功能。介绍了小波变换的直接算法公式，即由小波变换的原始公式通过直接数值化方法获得的数值算法公式。作者通过研究获得了直接算法中的一些结论，如离散小波变换直接算法中对小波的采样原理和技术、小波尺度范围的限定，边缘现象的解决措施，以及连续小波变换直接算法中的一些结论。基于这些研究，结合虚拟仪器技术开发出的基于直接算法的虚拟式小波变换信号分析仪能用任何母小波对信号进行离散小波变换和连续小波变换。它即可用于对母小波的研究和对小波理论的学习，也可用于一些工程信号分析。给出了分析仪应用的几个典型例子，表明本文的分析仪在许多情况下可以获得应用。     

新型小波变换的数字水印算法

目前已有很多基于离散小波变换或小波包的数字水印算法,但很少讨论到运用提升小波、组合小波这类新型小波的思想。文章首先对基于小波变换的数字水印算法做了概要性的介绍,然后提出运用提升小波、组合小波的新算法,并讨论了其研究方向和应用前景。     

基于小波包变换的自适应波束形成

在小波变换算法的基础上，结合智能天线所处理的信号空域频率较高的特点提出了基于小波包变换的线性约束最小方差波束形成算法。该算法利用了小波包分解对高频分析更细致的特性。仿真结果表明，该算法的极点处增益和零陷都优于小波变换算法。     

基于小波包变换的自适应多用户检测

在分析传统自适应多用户检测的基础上，提出了一种基于小波包变换的自适应多用户检测算法．该算法用小波包变换进行前处理，然后再通过最小均方(LMS)算法实现自适应多用户检测．与通常的自适应多用户检测算法相比，该算法利用了小波包变换对小波空间进行分解，信号经小波包变换后自相关性会下降，收敛速度提高．同时在此分解过程中，根据信号与白噪声小波包变换完全不同的特性进行信号消噪．理论分析和仿真结果表明，该算法与传统LMS自适应多用户检测算法和基于小波变换的自适应多用户检测算法相比，算法收敛速度更快，且计算量较少，易于实时实现，还具有良好性能．同时仿真结果表明该算法收敛速度与小波基和分解级数的选择有关，分解级数越大，收敛速度越快；对于同一小波基系列，小波基正则性越好收敛速度越快。     

混合基于行和7/5提升格式的小波变换算法

针对传统小波变换算法对内存需求大和计算复杂度高的问题,提出了混合基于行和7/5提升格式的小波变换算法。该算法采用基于行的小波变换,减少图像压缩的存储容量,利用BT7/5滤波器实现提升格式以减小计算复杂度。实验结果表明,该算法具有与JPEG2000相近的压缩效果,比传统的小波变换算法具有更小的内存需求,比其他基于行的提升小波算法具有更低的计算复杂度。     

基于分数阶小波的频谱感知算法

针对非平稳信号在低信噪比下使用能量感知算法感知效果差的问题,提出了一种基于分数阶小波的频谱感知算法。首先对接收信号进行分数阶小波变换达到能量聚集与去噪处理的目的,之后对重构信号进行能量感知。仿真结果表明,该算法相比于传统的能量感知算法以及基于小波变换的能量感知算法,可以提高在低信噪比下对非平稳信号的感知效果。在感知概率为0.3时,基于分数阶小波的能量感知算法比传统的能量感知算法和基于小波变换的能量感知算法分别提高了6 d B和2 d B的信噪比增益;在虚警概率恒为0.1时,基于分数阶小波变换的频谱感知算法的感知概率为0.867,明显高于传统能量感知算法0.287的感知概率和基于小波变换的频谱感知算法0.628的感知概率。     

基于小波变换的数字水印算法研究

基于小波变换的数字水印技术是当前很重要的研究热门,《基于小波变换的数字水印算法研究》系统分析和总结了基于小波域的数字水印算法,并根据水印算法的特点对其进行了分类,详细分析了各类水印算法的各种嵌入和检测技术以及各自的优缺点,最后给出了基于小波变换的数字水印算法的优点。     

关于小波分解原子时算法的等效模型

根据小波分析的基本原理,在分析小波分解原子时算法的基础上,提出了一种小波分解原子时算法的等效模型。通过多次的实验和大量的原始测量数据对算法模型进行了验证,并比较了小波原子时算法与等效模型的运算速度。结果表明,该模型可以提高原子时计算的速度,适合于原子时算法的快速计算。     

小波包时频分析方法的研究及应用

针对非线性、非平稳信号分析与处理方法不能满足某些特别的工程要求的问题,提出将小波包变换和短时傅立叶变换融合形成小波包时频分析技术。建立了一套较完善的小波包时频分析技术框架体系。给出了小波包时频分量谱与小波包时频分量幅度谱以及小波包时频谱与小波包时频幅度谱的算法。对小波包分解的直接算法、Mallat算法、混合算法在计算量和识别精度等方面进行了比较研究。应用Visual C++,OpenGL,photoshop等计算机软件工具和虚拟仪器技术开发了一套虚拟小波包时频分析仪,能实现任意信号的小波包分解和显示。最后将小波包时频分析应用于仿真测试信号与实测机械磨床振动信号,发现小波包时频分析在识别奇异、辨别信号深层次细节方面具有较好的性质。     

强连通图的二阶指数集

设Ｄ为ｎ阶强连通图，Ａ（Ｄ）为Ｄ的邻接矩阵，则以Ａ（Ｄ）＋Ａ~２（Ｄ）为本原矩阵，其指数称为Ｄ的二阶指数，ｎ阶强连通图的二阶指数集Ｓ（２，ｎ）＝｛１，２，…，ｎ－１｝。     

二维离散W变换的快速算法

离散Ｗ变换（ＤＷＴ）是在Ｈａｒｔｌｅｙ变换的基础上提出的。从ＤＷＴ提出之后已研究出了不少快速算法,但大多数算法都局限于长度为２的幂的一维ＤＷＴ。二维ＤＷＴ的核是不可分离的,因而不能简单地利用一维ＤＷＴ构造二维ＤＷＴ的算法。本文给出了一种将二维ＤＷＴ转化为一种可分离的二维变换,然后用一维ＤＷＴ计算这种二维变换,并给出了其各种应用及运行时间与二维离散付里叶变换运行时间的比较结果。     

基于距离和系统吞吐量最大化的D2D上行链路资源分配方案

终端直连(Device-to-Device,D2D)通信的研究主要关注的是蜂窝用户(Cellular User, CU)和D2D用户之间存在的干扰问题, 而解决该问题的方法是进行合理的资源分配,但以往的研究大都仅考虑D2D用户之间的通信质量或仅考虑CU用户的可靠性,却忽视了系统总吞吐量和资源复用效率的优化。本文基于D2D用户、CU用户和基站(Base Station, BS)三者间的通信距离,提出了一种资源分配方案,该方案能结合资源复用函数矩阵进行预分组和资源选择,综合降低CU用户对D2D用户的干扰(Cellular-to-D2D, C2D)和D2D用户对CU用户的干扰(D2D-to-Cellular, D2C),同时保证CU用户和接入的D2D用户对都满足各自的通信服务质量(Quality-of-Service, QoS)要求。数值仿真结果表明,该方案与贪婪启发式算法相比,系统总吞吐量可以提升约4%,系统平均复用效率提高2倍以上。     

基于形变模型的三维人脸快速重建改进算法

针对传统三维人脸重建算法效率低且难以满足实际应用的缺陷, 提出一种三维人脸重建改进算法。该算法基于ASM（Active Shape Model) 增强算法, 自动地对特定二维人脸特征区域进行准确定位, 并实现三维人脸数据库的归一化; 利用稀疏形变模型对特定正面二维人脸进行快速三维重建; 采用明暗纹理恢复算法对重建后的三维模型人脸特征区域的每个顶点法线进行约束, 并将其应用于人脸识别中。实验结果表明, 该方法可实现对特定正面二维人脸快速三维重建, 并取得较好的三维重建精度与识别率, 与经典ASM算法相比, 精度提高12.3%, 迭代次数减少6次。     

异构小蜂窝网中D2D模式选择的联合决策方法

为了在更加贴近实际的环境下研究D2D用户的工作模式选择,提出一种新的异构小蜂窝网络中的D2D模式选择方法。该方法通过分析D2D链路的传输功率和信道开销,给出了D2D链路的传输代价函数表达式,以D2D链路传输代价为标准并使用联合决策算法对D2D链路的模式选择进行控制,使得系统D2D链路的传输总代价达到最小。理论分析和仿真结果表明,所提出的方法能够有效的减小系统传输功耗。     

有限有向图与有限幂零半群

本文给有限有向图Ｄ定义了乘法，从而得到这个有向图确定的半群Ｓ，证明了Ｓ的最小生成集Ａ＝Ｓ－Ｓ２＝Ｖ（Ｄ的顶点集）且，这个半群的秩等于Ｄ的顶点的个数。证明了两个有限有向图同构，当且仅当，它们分别确定的半群同构。     

基于分块2D DCT和(2D)~2PCA的人脸识别

人脸识别是生物特征识别技术中的重要研究领域,应用前景广阔.研究者们虽然提出了很多人脸识别算法,但其性能仍需进一步改进.为了提高现有人脸识别算法的识别准确率,提出了一种新的基于分块二维离散余弦变换(2DDCT)和双向二维主成分分析((2D)2PCA)的人脸识别算法.首先,将图像分块,利用2DDCT进行图像压缩,去除冗余信息,并通过逆2DDCT重建图像;其次,通过(2D)2PCA消除图像的行、列相关性,降低特征维数;最后,应用最近邻分类器进行人脸识别,在ORL人脸数据库中的实验证明了本算法的有效性.     

超低渗透砂岩平板模型应力敏感性实验

 针对目前超低渗透储层应力敏感性测量存在的问题,本文采用超低渗透露头砂岩平板模型,以地层水为实验流体,在三轴应力相同的条件下,进行了平板模型的应力敏感性实验,并与小岩心的气测和水测应力敏感性实验结果进行对比,研究超低渗透储层的应力敏感性特点.形成了一种新的储层应力敏感性测试方法,研究表明,实验流体的物理性质会影响应力敏感性的评价结果,常规气测应力敏感性的结果偏大.实验岩心的尺寸会影响应力敏感性的评价结果,在本次实验条件下,平板模型的应力敏感性比小岩心的应力敏感性弱;平板模型渗透率变化规律与小岩心水测结果相近,与小岩心气测结果差别较大;平板模型在低有效应力区间的应力敏感性与小岩心水测结果相似,但由于受力不均匀,导致在高有效应力区间的应力敏感性比小岩心水测结果弱.平板模型不同位置的应力敏感性表现不同,应力敏感性在主流线和采出井附近的影响较大,且在低有效应力区间的影响程度大于高有效应力区间.     

Fusing Geometrical and Visual Information via Superpoints for the Semantic Segmentation of 3D Road Scenes

This paper addresses the problem of the semantic segmentation of large-scale 3D road scenes by incorporating the complementary advantages of point clouds and images.To make full use of geometrical and visual information, this paper extracts 3D geometric features from a point cloud using a deep neural network for 3D semantic segmentation and extracts 2D visual features from images using a Convolutional Neural Network(CNN)for 2D semantic segmentation.In order to bridge the features of the two modalities, this paper uses superpoints as an intermediate representation to connect the 2D features with the 3D features.A superpoint-based pooling method is proposed to fuse the features from the two different modalities for joint learning.To evaluate the approach, the paper generates 3D scenes from the Virtual KITTI dataset.The results of the experiments demonstrate that the proposed approach is capable of segmenting large-scale 3D road scenes based on the compact and semantically homogeneous superpoints, and that it achieves considerable improvements over the 2D image and 3D point cloud semantic segmentation methods.     

基于轮廓线匹配的2D碎片物体复原方法

目的 为了快速地进行2D碎片物体的复原。方法 采用一种基于轮廓线匹配的2D碎片物体的复原方法，轮廓线用多边形逼近表示。这一表示在旋转和平移变换下是不变的。将多边形的本质参数连接点作为匹配的特征集，并采用对特征集排序方法提高了匹配速度。结果 所给出的匹配算法有效，有一定的实用价值。结论 基于保持几何属性和拓扑属性的特征选取，使得多边形的匹配变为1D字符的匹配，从而使得2D碎片物体的复原简单、快速。