基于高阶累积量的线性化子波提取方法研究

在地震子波非因果、混合相位的假设下,分别应用滑动平均(MA)和自回归滑动平均(ARMA)模型对地震记录建模,并采用基于高阶累积量的线性方程法对子波提取和模型适应性进行了研究.数值仿真结果表明,ARMA模型比MA模型在描述地震记录时具有参数节俭、模型更为高效的特点;基于高阶累积量的线性方程法对加性高斯色噪声有较好的压制效果,却强烈依赖于累积量样本估计的准确性.如果累积量样本估计的误差和方差适度,结合AR-MA模型描述的累积量线性方程法适用于非因果、混合相位的子波提取,其有效性通过实际地震数据的处理得到了验证.     

基于高阶累积量的线性化子波提取方法研究

在地震子波非因果、混合相位的假设下，分别应用滑动平均（MA）和自回归滑动平均（ARMA）模型对地震记录建模，并采用基于高阶累积量的线性方程法对子波提取和模型适应性进行了研究。数值仿真结果表明，ARMA模型比MA模型在描述地震记录时具有参数节俭、模型更为高效的特点；基于高阶累积量的线性方程法对加性高斯色噪声有较好的压制效果，却强烈依赖于累积量样本估计的准确性。如果累积量样本估计的误差和方差适度，结合AR—MA模型描述的累积量线性方程法适用于非因果、混合相位的子波提取，其有效性通过实际地震数据的处理得到了验证。     

基于高阶谱的地震子波估计

常规的地震子波估计是在假设子波为最小相位的基础上对地震记录进行处理.针对这一局限性,研究了基于地震记录高阶谱的地震子波估计方法.该方法无需对子波作任何假设,直接从地震记录的高阶谱中恢复地震子波的振幅谱和相位谱,进而重构地震子波,并对不同相位地震子波的理论模型和野外实际资料进行了处理,结果表明这一方法对于提高地震资料的分辨率具有可行性和应用潜力.     

基于高阶累积量方法的非高斯非最小相位ARMA模型辨识

从利用高阶累积量对加性高斯噪声有色中非高斯过程辨识的基本理论出发,对近年来基于高阶统计量方法辨识非高斯、非最小相位ARMA模型的算法进行了分析和综述,阐明了借助高阶统计量方法可以克服传统的基于2阶统计量方法在解决此类问题中的缺陷,有效地解决非高斯、非最小相位系统的辨识问题。     

一种基于高阶累积量的回波对消方法

提出一种基于高阶累积量的回波对消新方法,以期在信噪比较低的情况下,优于基于自适应滤波技术的回波对消方案。该方法的实质是高阶累积量能够自动抑制高斯有色或白色噪声,先用回波数据来计算其４阶累积量,再利用部分累积量估计回波通路的滤波器系数,最后利用可能得到的全部累积量来对滤波器系数进行细估计,在信噪比分别为２０、１５、１０、５ｄＢ的条件下,各进行１０次随机试验,仿真结果显示：在不高于１５ｄＢ的低信噪比情     

交互地震子波提取技术

利用子波的最大相位和最小相位分解技术，在复赛谱域得到一组具有相同振幅谱、不同相位谱的子波集合。根据方差模最大等数学物理准则以及用户对地震资料的先验信息和处理要求，借助于交互处理工具，用户可以从子波集合中确定其希望并认可的地震子波，从而完成子波反褶积、子波零相位化等提高分辨率的处理工作，达到识别和追踪薄层反射的地质要求。对物理模型采集的地震记录和实际野外采集的地震记录进行了子波提取实验，并利用提取的地震子波对地震资料进行了提高分辨率处理。实验结果证明了该方法的正确性和有效性。     

基于高阶累积量构造特征参数的调制识别方法

针对传统基于高阶累积量的无线通信信号调制识别方法存在不含频率信息、低信噪比(signal to noise ratio, SNR)下识别率低及识别种类较少等问题,设计了一种新的基于高阶累积量构造特征参数的调制识别方法.该方法引入一阶微分和中值滤波预处理等技术,有效解决了多进制频移键控(M-ary frequency-shift keying, MFSK)信号的组内识别问题.进一步地,改进特征参数设置,设计识别流程,提升低信噪比下多达10种常用调制信号的识别率.蒙特卡洛仿真实验验证了所设计方法具有识别信号种类多和识别率高等优点,有望应用于实际场景.     

基于高阶累积量的文本图像去噪算法

根据高斯噪声三阶以上累积量为零,从而可以将其有效抑制的特点,提出了一种基于高阶累计量的文本图像去噪方法.与平滑滤波和中值滤波2种经典算法相比,高阶累积量的使用不仅提高了文本图像去噪效果,而且能够较好地保留图像的边缘和细节信息,保证了原有文字的完整性.实验表明,提出的去噪算法对于去除文本图像的加性高斯噪声较为理想.     

基于高阶累积量的LCP-GLSTBC-OFDM信号调制识别

提出了频率选择性衰落信道条件下基于高阶累积量的LCP(Linear Constellation Precoding)-GLSTBC (Group Layered Space-Time Block Coding architecture)-OFDM (Orthogonal Frequency-Division Multiplexing) 信号识别算法，用以区分LCP-GLSTBC结构下的多载波信号(OFDM)和单载波信号(MPSK、MQAM)。该算法不需要预先知道信号和信道噪声的先验信息，也不需要对接收的信号进行解调，只需从接收的中频信号直接进行识别处理，分别求出接收信号的2阶和4阶累积量，然后构造特征参数消除信道衰落的影响。仿真结果表明：在SNR高于5dB时，对多载波和单载波信号的识别率大于90%。     

基于高阶累积量的自适应波束形成

常规波束形成器仅限于利用信号的二阶统计特性,作者采用高阶累积量估计期望信号的导向矢量（SteeringVector),实现了一咎基于高阶累积量的自适应波束形成器（HCAB）,该波束形成器利用信号的更高阶统计特征性,减少了对阵列流型的依赖,具有较好的容差性,能自动跟踪信号,数值模拟实验表明该波束形成器工作良好。     

基于自回归滑动平均模型和粒子群算法的地震子波提取

基于自回归滑动平均(ARMA)模型理论,对地震子波进行参数化建模,采用累积量拟合法精确估计参数,使地震子波提取问题最终归结为一个多参数、多极值的非线性函数优化问题。对基本粒子群算法进行改进,通过自适应参数调整和边界约束,克服基本粒子群算法易陷入局部极值的缺陷,同时提高算法寻优精度和计算效率。仿真数据试验结果验证了改进的粒子群算法在地震子波提取方法中的有效性和稳定性。     

引入高阶累积量的数据库访问特征选择算法

在进行数据库访问的过程中,由于受到很多不确定性因素的干扰,使数据库中存在大量噪声,影响了数据库访问的效率。提出一种引入高阶累积量的数据库访问特征选择算法,依据高阶累积量两个统计独立随机过程之和的累积量等于各个随机过程累积量之和的性质,对数据库进行去噪处理。在此基础上,采用SVM无监督算法实现数据库访问特征选择。仿真实验结果表明,采用所提算法进行数据库访问特征选择,不仅具有较高的特征选择精度,而且特征选择效率也明显高于传统算法,同时特征选择结果所含冗余特征低于传统算法,验证了所提算法在数据库访问特征选择方面的性能。     

基于小波变换的人脸图象特征的边缘提取算法

人脸图象识别是模式识别、计算机视觉和人工智能领域的一个热点,而人脸图象的特征提取又是人脸图象识别的关键步骤.小波变换以其多分辨率分析和多通道分解的独特分析方法在图象处理领域中有着广泛的应用.文章利用二进小波变换多尺度的特性,结合一些常规的边缘提取算法,在人脸图象特征的边缘提取方面取得了令人满意的结果,实验表明是一种有效的人脸图象特征边缘提取算法.     

基于小波包变换的超声回波信号特征提取

超声检测技术中,缺陷的定性分类这一技术难题至今尚未得以彻底解决。文章介绍了一种基于小波包变换的多尺度空间能量特征提取方法,并对实测的超声缺陷回波信号进行了特征提取;进而采用基于距离的类别可分性判据对提取结果进行了评价。结果表明:该方法提取的缺陷回波信号特征值,其可分性测度均值达91.7%,从而证明该方法对超声检测缺陷回波信号的特征提取是相当有效的。     

基于四阶累积量的谐波频率估计

 高阶累积量能够完全抑制高斯噪声,因而广泛应用于噪声环境中提取信号参数.利用基于四阶累积量的ESPRIT估计谐波频率,并给出了估计的仿真实例,仿真结果表明,该方法具有很高的频率分辨率.     

基于小波变换的掌纹特征提取

掌纹中不同区域的纹线方向和空间频率代表着掌纹图像内在的特征。为了提取该特征,提出了一种基于原始灰度图像的小波变换的新算法。由于该算法直接对原始的灰度图像进行处理,而无需对图像进行预处理(例如图像增强、滤波、区域分割、二值化、纹线细化等),因此它与传统的细节特征识别方法相比大大减小了计算消耗。对一个小的掌纹图像数据库,使用K近邻(K-NN)的分类器对算法进行了实验,得到了很高的分类正确率,验证了算法的有效性。