基于QR分解和提升小波变换的鲁棒音频水印方法

利用QR分解的稳定性以及提升小波计算速度快的优良特性,给出一种基于QR分解和提升小波变换的盲鲁棒数字音频水印方法.为了保护原始二值水印图像的安全,利用混沌序列对其进行扩频,生成了待嵌入的水印信号.将原始宿主音频信号升维后进行QR分解,根据R分量是上三角矩阵且第一行为非零元素的特点,选定R分量的第一行,对其进行提升小波变换,得到了待嵌入的小波系数,利用线性瞬时混合模型将其与待嵌入的水印信号进行混合,得到隐秘音频信号.水印提取时,利用独立分量分析算法从待检测的隐秘音频信号中提取嵌入水印信号,获得嵌入水印信号的估计,经过后处理即可获得水印图像.实验结果表明,该方法可以实现水印的盲提取,并且具有良好的透明性和鲁棒性.     

由激光辐照固体表面引起的非Fourier三维传热问题的解析解

针对激光束瞬间加热物体表面时,材料表面附近温度场变化的问题,建立了基于非傅里叶热传导理论的三维热传导数学模型. 考虑了激光束的聚焦特征,即热量或高温主要集中在光束中心附近的局部区域,且沿材料表面切向呈非均匀分布. 利用积分变换技巧,得到了问题Laplace逆变换的解析形式,从而给出了新的温度场解析解,并据此分析了传热过程中固体内部的温度场演化规律及特征. 数值计算结果显示,该问题的温度场呈现出明显的非傅里叶传热特征,与经典的热传导的扩散形式不同,它是以波的形式进行传热的.      

采用小波变换和双向长短期记忆网络的脑电睡眠分期模型

针对睡眠生理信号采集难度大、睡眠分期精度低的问题,提出一种采用小波变换和双向长短期记忆网络的脑电睡眠分期模型。首先使用连续小波变换提取睡眠脑电的时频图;然后使用卷积神经网络从脑电信号的时频图中提取睡眠相关的脑电特征,作为单个睡眠片段的分期依据,再使用双向长短期记忆网络进一步提取睡眠片段之间的状态转换规则;最后利用深度学习方法建立特征、规则与睡眠阶段的映射,使用数据扩充和两步训练法训练模型,削弱数据不均衡的影响,完成连续片段的睡眠分期。采用SHHS公开数据库的5 793名被试者的睡眠脑电数据对该模型进行验证,实验结果表明,睡眠分期准确率达到85.82%,整体F1达到78.39,Kappa系数达到0.799,和现有方法相比性能明显提升。     

高斯光束通过离焦望远镜系统的变换

文章应用复参数表示和ABCD定律,讨论高斯光束通过离焦望远镜系统的变换问题,其结论对实际操作有指导意义。     

M带尺度相似变换

对M带多尺度函数的逼近阶的提升,需要引入M带尺度相似变换(MST).通过研究MST的性质及与M带多尺度函数的逼近阶的关系,利用MST可以对M带多尺度函数的逼近阶进行提升.     

一种基于特征值分解的信道估计算法

信道估计是OFDM系统中的一项关键技术.传统的LMMSE算法涉及到自相关矩阵的逆运算,算法复杂度较高,时间开销较大.本文提出的算法首先对信道频率响应的自相关矩阵进行降维,再进行特征值分解,避免了求解逆矩阵,算法复杂度较低.仿真实验对信噪比、均方误差、误码率性能进行了分析,结果表明提出的算法在保证了系统良好性能的基础上,有效地降低了运算的复杂度.     

基于稳健独立分量分析的转子故障信息增强方法

针对实际转子振动信号中信源相互叠加干扰、故障信息微弱的问题,提出一种基于稳健独立分量分析(RICA)的转子故障信息增强方法。首先引入双树复小波变换,对信号进行降噪预处理,降低分离算法对噪声的敏感程度。再用稳健独立分量分析对降噪后信号进行分离和信息增强。并对比其他2种经典的盲源分离算法,通过数值仿真比较它们的分离效果。结果表明:新方法通过优化步长因子得到全局最优值,采用代数方法得到最优步长参数,实现简单,并且避免了预白化处理,使得算法运算量降低;对小数据量信号,算法收敛速度快、信号分离质量高。此方法可以更有效地分离故障源及提取信号的本质故障特征。     

基于Rijndael算法的研究和应用

Rijndael作为下一代分组密码算法标准,是一种最新流行的加密算法。本文对这一算法进行了较深入地研究和分析,阐述了该算法的实现原理和过程,并给出了Rijndael算法在文件加解密过程实现的关键代码。     

基于快速小波变换和FLD的人脸识别算法

针对快速性和识别率要求较高的人脸识别应用场合,提出了一种基于快速小波变换(FWT)和Fisher线性鉴别(FLD)的人脸识别算法.首先用Haar小波对标准人脸图像分别进行1尺度和2尺度分解,然后用Fisher线性鉴别法对原始图像、1尺度和2尺度分解图像提取特征,最后利用最近邻法对提取到的特征进行识别.利用ORL标准人脸图像库对算法进行了仿真,结果表明,此算法取得了较快的识别速度和较高的识别率.     

一种改进的CT胸部图像肺组织分割方法

为了对病变肺部图像进行准确分割,对通常的肺组织分割算法进行了分析和改进,将小波变换与数学形态学引入肺分割算法.通过小波变换对图像进行分解,再运用数学形态学对分解后的各个分量执行不同的修补方法:对低频分量作形态学闭运算,对高频分量作形态学开运算;从而在适当的尺度修正图像的基本特征而不影响细节特征,在重构之后获得理想的肺区域.利用改进后的算法,对医院的36组临床HRCT数据进行分割,并与手工分割结果和通常算法的分割结果进行了比较.结果表明,该方法分割结果准确,能有效提高肺组织分割的平均敏感性.