基于K-L变换的网络调制识别方法

针对BP网络进行通信信号调制样式识别的场合,在输入层和输出层节点数确定的条件下,提出在网络训练完成后应用K-L变换方法确定网络隐含层的节点数,对网络结构进行优化。利用K-L变换的正交性,去除了网络结构的冗余,给出了该算法的理论推导和具体应用步骤,通过仿真验证了算法的有效性和顽健性。利用BPSK、QPSK、16QAM等数字调制信号,选取了三个特征量,分别用优化前后的网络进行调制识别,实验表明优化前后网络的识别性能基本一致。     

基于支持矢量机和循环累积量的调制识别算法

利用通信信号的循环平稳特性,在循环累积量域内构造信号分类特征矢量,采用支持矢量机将分类特征矢量映射到高维空间并构建最优分类超平面,实现对QAM调制信号的自动识别。该算法解决了样本在低维空间中的不可分问题,具有良好的泛化推广性能,并且可在多种调制信号环境下实现对感兴趣信号类型的识别。理论分析和仿真结果均证明了算法的正确性和有效性。     

基于形状描述直方图的声呐图像目标识别算法

针对水下声呐图像目标检测与识别问题,在图像规格化条件下,定义了几种不同的形状描述子,并统计计算描述子直方图,定义了几种不同的直方图匹配测度函数用以计算直方图间的相似性。分析了算法中关键参数的选取问题。仿真结果表明,基于该算法的识别率可达到98%以上,具有较强的不变性和鲁棒性。通过进一步信息融合算法可快速准确地实现水下声呐图像目标识别,具有较强的应用价值。     

基于区域形状的静脉图像特征提取与匹配

为了准确地对人的身份进行识别,提出了一种基于区域形状的静脉图像特征提取与匹配算法.静脉图像经预处理后得到二值图像,该算法首先对二值图像进行细化处理,得到了静脉的骨架信息;然后,标注4连通区域并寻找到与连通区域相连接的端点与交叉点;再利用最小距离法将连通区域的边缘逼近成若干条线段,将线段角度作为特征;最后,利用改进的最长公共子序列算法,进行了局部区域匹配,并利用改进的豪斯多夫距离算法进行整幅图像的匹配.实验表明,该算法获得的图像特征具有较高的区分度,识别效果受采集静脉图像中信息缺失的影响较小,正确识别率可达到96%以上.     

双辊薄带连铸1.2%Si无取向电工钢组织和析出物

研究了双辊薄带连铸条件下,1.2%Si无取向电工钢初始组织和析出物形貌及分布规律.结果表明,在1 550℃浇注条件下,铸带经过空冷后以粗大的原始铸态铁素体组织为主,也有一部分相变产生的细小晶粒,晶粒尺寸范围为50~400μm.铸带中析出物为AlN和MnS,其中AlN析出分为高温析出和相变析出两种,高温析出AlN尺寸在0.5μm左右,相变析出AlN尺寸则在100 nm左右,二者对再结晶组织影响不大.MnS在铸带成型和成品退火过程中都有析出,尺寸范围为30~40nm.     

基于多级分类器的自由手写数字在线识别

设计了一种用于手写字符在线识别的多级分类器模型。在该模型中,通过对四个独立的分类算法进行集成,将脱机方法与联机方法,神经网络方法与传统方法有机地结合起来构成一个完整的手写字符在线识别系统。理论分析和实验结果表明,该集成系统比单一系统具有明显的优越性。     

基于灰度图像二维Gabor滤波的目标识别

提出了一种基于灰度图像的Gabor滤波器识别方法.该方法首先采用Gabor小波滤波器组处理灰度目标图像,并在此基础上采用主元分析法(PCA)提取图像特征,然后结合支持向量(SVM)方法将区域内图像匹配问题转化为分类问题来识别目标物体.仿真实验结果表明,该算法能使移动机器人达到92%以上的识别率,并可满足约8 fps的实时图像处理要求.     

具有电子注入／传输特性的功能化Ir^Ⅲ配合物磷光材料的合成及电致发光性能的研究

为了提高配合物磷光材料的电致发光性能,本文设计合成了功能化的具有电子注入／传输特性的Ir^Ⅲ配合物磷光电致发光材料。电致发光实验的结果表明：这类功能化的配合物磷光材料表现出优异的电致发光性能,最大外量子效率叩。高达10．7％,最大电流效率玑高达;37．6cdA～,最大功率效率ηp高达26．1lm W^-1,最大亮度Lmax为48567cd m^-2。这一研究结果表明,配合物磷光材料的功能化是设计合成高效电致发光材料的有效途径。     

浅议神经网络在水下目标识别中的应用

本文在现有的人工声纳听音识别技术的基础上,提出了基于神经网络的水下目标识别方法,重点阐述了BP神经网络分类原理以及在目标识别,特别是在水下目标识别时的应用方法。     

苎麻和棉纤维自动识别研究

基于纤维纵向表面条纹的图像处理分析,本文介绍了一种新的方法用于实现苎麻和棉纤维种类识别。首先,利用LoG（Laplacian of Gaussian）和细化算法提取了纤维表面条纹;其次,沿着弯曲的纤维的骨架线将纤维表面条纹进行投影,同时提取6个用于纤维种类识别的特征参数;再次,根据最大概率原理,在特征参数的概率分布曲线基础上建立用于识别的公式;最后,利用自适应识别测试确定识别公式中的权重系数。大量识别试验表明,利用该方法对苎麻和棉纤维的自动识别错误率低于7％。