基于奇异值分解的多小波图像去噪方法

给出了一种将多小波变换和奇异值分解相结合的图像去噪方法.该方法通过对含噪图像进行多小波变换,克服了单小波变换中无法同时满足正交性和对称性的缺点.对变换得到的高频系数矩阵进行奇异值分解去噪,提取高频系数中淹没在噪声中的信号成分,然后进行多小波重构,得到去噪图像.仿真结果表明,该方法能有效去除噪声,并获得良好的主观视觉效果.     

一种自适应小波网络的构造及其学习算法

基于小波框架的时频局部化性质和自适应投影算法,提出了一个新的构造和训练小波网络的学习算法,精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性.该算法充分地利用了包含在训练数据中的时频信息,迭代地确定小波网络隐层结点的个数和网络的权系数,较好地解决了小波网络的结构优化问题. 通过应用于信号的表示与去噪,进一步证实了该算法是简单和有效的.     

一种自适应小波网络的构建及其学习算法

基于小波框架的时频局部化性质和自适应投影算法，提出了一个新的构造和训练小波网络的学习算法，精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性，该算法充分地利用了包含在训练数据中的时频信息，迭代地确定小波网络隐层结点的个数和网络的权系数，较好地解决了小波网络的结构优化问题，通过应用于信号的表示与去噪，进一步证明了该算法是简单和有效的。     

泄漏检测信号滤波技术比较

通过泄漏检测模型试验分析测量信号中的噪声来源，在对比研究传统小波去噪、改进神经网络去噪、最小二乘拟合去噪等方法在实测数据中去噪效果的基础上，借鉴神经网络反向传播学习算法的思路，提出了信号预滤波结合闽值自学习小波去噪的综合滤波方法。该方法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值，再将此阈值用于同一工况下整个时间段的去噪，这样根据不同工况下得到的最佳阈值可以获得最优输出。数值计算结果比较表明该方法对噪声的抑制作用明显，比传统小波去噪、改进神经网络去噪等方法效果更好。     

零维三角型系统带重数的实解隔离

现有的隔离零维多项式系统实解的算法都不计算解的重数.文中用一种自然的方式定义了零维三角型多项式系统解的重数并证明了该定义与经典的局部(相交)重数的定义等价.使用该定义,给出了一个完备有效的算法计算零维三角型多项式系统的实解隔离及实解重数.文中的算法基于代数数系数多项式的无平方因子分解和区间算术.文中还给出了一些算例.     

基于光谱峰谷沿匹配的荧光光谱定量分析方法

超短激光脉冲与大气相互作用产生具有分子特征谱的荧光光谱,如能对该荧光光谱进行识别,则可获知气体的成分和浓度,目前该方法在环境监测中应用的主要困难是缺乏光谱分析的有效手段.针对这个问题,本文提出了一种新颖的基于光谱峰谷沿匹配的定量分析方法.首先采用小波分解对光谱数据进行压缩去噪,对重构后的光谱进行光谱峰/谷沿相似度的分析.在此基础上,选取由主要特征峰构成的六个特征峰团,并对峰团的强度进行主成分分析.通过对前2个主成分进行光强-浓度的最小二乘法拟合,实现了对空气中低浓度掺杂气体的高精度定量分析.     

基于最大方差展开的非线性信号降噪方法及其在故障诊断中的应用

将流形学习的思想引入信号降噪中,提出了一种新的基于最大方差展开（maximum variance unfolding,MVU）的非线性信号降噪方法.该方法首先基于相空间重构理论将含噪信号重构到高维相空间,再采用流形学习理论中的MVU算法对相空间数据进行非线性降维,将蕴含在相空间中代表吸引子的低维流形与噪声子空间分离,然后对低维流形进行逆重构,从而得到降噪后的信号.对加噪的Lorenz信号的仿真结果表明,该方法的降噪性能要优于基于KPCA的非线性降噪方法,且具有参数估计简单、参数影响不大等优点.最后将该降噪方法应用于带有轻碰磨故障的航空发动机转子―机匣系统振动信号,有效地提取出了淹没在噪声中的轻碰磨故障特征.     

基于恒模特性的单通道时频重叠信号盲分离算法

针对单通道同调制方式、同调制参数时频重叠信号的盲分离问题,基于MSK信号的恒模特性,及对MSK混合信号分量幅度的准确估计,构建了单通道信号盲分离欠定方程组.为解决该方程组的解模糊问题,根据MSK信号相位连续特性,提出了相位方差最小模糊解消除准则.但相位对噪声较为敏感,该准则可能会产生严重的误判现象,又提出了一种基于最小斜率的补充准则.基于以上两种模糊解消除准则,可对单通道信号盲分离欠定方程组的模糊解进行合理选择,有效地实现了MSK时频重叠信号的单通道盲分离.仿真结果表明:在信噪比大于5 dB的条件下,该算法对混合信号具有较好的分离效果.并且该算法具有复杂度低、计算量小的优点.     

基于MRF的统计预测提升算子的构造与应用研究

根据图像的统计信息, 在Markov随机场(MRF)的理论基础上, 构造了一种新的非线性算子即统计算子, 提出了基于该算子的一种非线性提升小波分析方法. 并根据MRF的条件概率分布, 在理论上证明了采用基于统计算子的非线性提升小波变换可使图像变换后, 在无量化失真的前提下, 提高高频子带的零高频系数. 将该方法与现有的几种非线性形态学小波分析方法以及S+P变换和JPEG2000采用的5/3和9/7线性提升小波变换进行了不同图像的测试分析, 实验结果显示, 利用这种基于统计算子的提升小波分析方法对医学图像和混合文档图像变换后可取得较低的加权熵.     

基于分段辐射校正的星载TDI-CCD成像数据辐射处理方法

文中在分析现有的相对辐射校正方法的局限性基础上,提出了一种基于分段辐射校正的星载TDI-CCD成像数据辐射处理方法.该方法利用实验室定标数据对探元不同感光范围的光电响应模式采用不同的模型进行拟合,从而提高定标系数或者查找表的拟合精度.文中选取资源1号02BHR光学影像进行实验,实验结果表明文中提出的方法与现有的方法相比有较大提高.     

小波域Copula多维模型纹理检索

提出一种有效的小波域copula多维模型的纹理检索方法.针对小波域上各个子带间独立性建模的不足,方法利用小波分解系数的相关结构设计了树状依赖结构,并在这种依赖结构上实现了copula多维分布模型.树状依赖结构能同时捕获尺度间依赖和邻域依赖,且与邻域依赖结构相比该树状结构具有维数低、需要的copula模型个数少的特点.由于copula多维模型较为复杂,很难计算其Kullback-Leibler距离(KLD),本文提出一种基于copula多维模型的KLD相似度检索方法:Copula模型的KLD由其边缘分布函数的KLD和copula函数的KLD组成.在Vis Tex与Brodatz数据库上的实验表明,本文提出的树状依赖结构和相似度检索方法在小波域相关性建模方面计算效率高,较大地提高了纹理图像的检索率,并且能很好地推广到其他小波域(比如复数小波域、方向小波域等).     

基于小波阀值降噪和BP神经网络的超短期风电功率预测

针对超短期风电功率预测问题,考虑了风电场复杂的噪声背景和风电功率的波动性,提出了一种基于小波阀值降噪-BP神经网络的超短期风电功率预测方法。该方法采用近似对称光滑的紧支撑双正交小波db4（Daubechies函数）作为小波基,通过多分辨分析的Mallat算法对历史时序风电功率数据进行3尺度分解。根据Donoho阀值法对各层小波系数进行软阀值降噪处理,再通过小波逆变换重构历史时序风电功率,由BP神经网络对其进行训练,预测目的风电功率序列。仿真算例将该方法与普通BP神经网络方法进行了对比,比较结果证明其预测精度优于后者,具有很好鲁棒性和降噪性能,适用噪声复杂的风电场超短期风电功率在赣预测．     

信噪分离的频域方法

提出一种信噪分离的新方法。根据采样时间段内信号及其导数的特点定义频率,由此构造一种双正交基,使信号可以精确地表示为低频双正交基的线性组合。在时频结合的基础上,导出了信噪分离的高精度方法,设计了配套算法,分析了这种方法的有效性。此方法精度较高,便于综合应用时域和频域上的信号特征,可以处理多频段的信噪分离问题。     

基于时空光滑约束的总变分最小化视频去隔行算法

从隔行视频序列获得高质量图像需要进行去隔行处理．文中针对这一问题提出了一种基于时空光滑约束的总变分最小化视频去隔行算法．它首先应用Bayes公式将去隔行问题转化为一类最优化问题，然后应用图像随机场模型结合时空光滑约束导出优化问题的代价函数，通过变分法得到Euler-Lagrange方程，最后应用凸半二次规整化方法求得最优解．实验结果表明，文中的方法优于一般的去隔行算法．同时提出了两个去隔行方法的评价标准，它们可以定量检验去隔行方法的效果．     

交叉敏感情况下多传感器系统的动态特性研究

讨论了具有交叉敏感的传感器组成的多传感器系统的动态特性及其对系统检测精度的影响. 提出了将该多传感器系统看作一个线性滤波器与一个无记忆非线性函数的串联系统, 即Wiener系统, 把后续的信息融合系统看作一个无记忆非线性函数与一个线性滤波器的串连, 即Hammerstein系统. 在静态标定的基础上, 用盲解卷积技术求得Hammerstein的线性滤波器系数矩阵. 针对盲解卷积技术复现信号幅值不确定性的缺点, 提出了一种根据逆滤波器系数矩阵与静态标定的线性矩阵的同一性校正滤波器系数矩阵的方法, 以获得多传感器系统的近似逆向动态模型, 提高了多传感器系统在实际检测过程中的检测精度, 降低了动态检测结果失真度, 满足了实际情况的需要. 最后的仿真结果表明, 输入信号频率接近采样频率1/10时, 用盲解卷积技术获得的幅值复现误差是未经过动态补偿的幅值复现误差的1/20, 是各传感器单独动态补偿后幅值复现误差的1/2, 快速性提高了2倍. 金属氧化物半导体甲烷传感器的动态补偿结果表明, 在温度阶跃响应下, 补偿后的甲烷检测误差小于补偿前的1/2, 因此这种方法拓宽了多传感器系统的带宽.     

一种基于谱相减法的声信号时延估计

利用信号增强算法,结合广义互相关时延估计原理,提出一种声信号时延估计算法。在噪声背景下先采用谱相减法从带噪信号中估计出原始声信号,提高信噪比,利用四元立体传声器阵列和广义互相关算法原理,对相关数据进行加权处理得到较高精度的时廷估计值。该算法可以有效抑制空间加性噪声,得到有效声信号准确的时延估计。实验仿真结果表明了该算法的可行性,在信噪比较低的情况下,与单一使用广义互相关函数相比,极大地提高了时延估计算法的准确程度。     

基于反馈机制的抗混合噪声的盲图像源分离方案

针对基于稀疏成分分析的盲图像源分离算法无法解决混合噪声问题,本文提出一种采用反馈机制的盲源分离算法.通过小波域稀疏成分分析和置零反馈的方法,逐次分离出各支路信号.实验结果表明,该方法无需大量的迭代运算,与传统稀疏成分分析法相比,能有效地分离高斯白噪声参与的混合图像,与经典快速独立成分分析法相比,取得了更高的分离精度.     

一种有效的超分辨空间谱估计方法--虚拟阵列变换法

提出了一种有效的超分辨谱估计方法－虚拟阵列变换法,该方法通过对任意阵列实施变换,有效地增加了阵元数目（实为虚拟阵元）。该方法不仅可以克服任意阵列稀面时的信号模糊问题,而且增加了可检测的信号源数及提高了阵列的解相干能力。通过理论分析与仿真实验进一步证实了该方法的有效性,。     

基于有限反馈的协作多小区分布式预编码

多小区协作需要基站间交换大量的信息.为了降低无线回传开销和反馈开销,采用基于信漏噪比最大化的分布式预编码方法,该方法仅需共享干扰信道的信道状态信息,不需要共享数据,与特征值波束成形和小区间干扰清零两种极端的方法相比取得了性能提高.其次,为了更加有效利用反馈资源,推导了速率损耗公式,利用穷尽搜索得到使其最小化的最优解,得出比特自适应分配规律.仿真表明,根据期望信号和干扰信号强度自适应的分配反馈比特能进一步提高系统速率.     

一种改进拉氏算子的四阶偏微分方程图像去噪方法

建立了一种描述图像平滑度的泛函,并推导出新的四阶偏微分方程图像去噪模型,在有效去噪的同时,较好地保持了图像的特征。由于该方法得到的图像是分段线性图像,避免了二阶偏微分方程处理图像常出现的"阶梯"效应,同时,和同类的四阶偏微分方程去噪模型相比,其处理结果不会出现"斑"点,因此视觉效果更加理想。最后通过实验证明了该方法的有效性。