基于小波域软阈值的指纹分割方法研究

鉴于指纹图像的质量对于其后续识别步骤具有非常重要的影响,因而需要对采集的指纹图像进行增强处理.提出了一种新的基于小波域软阈值Contourlet变换的指纹图像分割算法.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.实验结果表明,该算法能够有效提升指纹图像的质量,提高指纹纹线谷脊清晰度,且具有较好的连续性.     

MR64QAM/OFDM传输系统中的非线性分析

研究了固态功率放大器（ＳＳＰＡ）非线性失真对正交频分多路复用（ＯＦＤＭ）数字高清晰度电视（ＨＤＴＶ）传输系统性能的影响．采用预失真法改善ＳＳＰＡ的非线性失真,并将ＳＳＰＡ等效为一个软限幅器．计算了在加性噪音和软限幅影响下多分辨率调制（ＭＲ）６４ＱＡＭ（正交幅度调制）／ＯＦＤＭ的传输系统误比特性能．结果表明,０．１％的限幅概率对ＭＲ６４ＱＡＭ／ＯＦＤＭ传输系统所造成的信噪比损伤可忽略不计,产生的邻频道干扰为－４９．２ｄＢ;１％的限幅概率对ＭＲ６４ＱＡＭ／ＯＦＤＭ传输系统在最重要比特误比特率为１０－１０时所造成的信噪比损伤为１．９ｄＢ,产生的邻频道干扰为－３７ｄＢ．     

深孔加工过程油压监测信号消噪技术研究

针对深孔加工过程油压监测信号含有大量脉冲干扰和随机非平稳噪声的特点,提出了一种基于小波包的防脉冲干扰滑动平均滤波方法,该方法首先对油压信号进行小波包消噪,再对小波包处理后的结果进行防脉冲滑动平均处理.实验结果表明,利用小波包技术和防脉冲干扰滑动平均算法相结合的滤波方法,对油压监测信号具有很好的滤波效果,从消噪油压信号中提取的变化率特征可有效实现对深孔加工过程中堵屑故障的监测.     

利用粒子滤波原理求解函数优化问题

针对多维函数优化容易陷入局部极小值问题,提出一种基于粒子滤波原理的优化算法.首先简要地介绍粒子滤波算法的基本原理;再针对函数优化问题,阐述利用粒子滤波实现优化算法的基本思想,并介绍了其具体的实现步骤,同时为了丰富粒子的多样性,引入了遗传算法的交叉和变异操作;最后为了验证新算法的有效性,采用30维的Benchmark函数进行仿真实验.仿真实验结果表明:基于粒子滤波的优化算法在解决多维函数优化问题方面较其他优化算法具有更强的全局搜索能力和求解精度,这也为优化算法的研究提供一种新的途径和手段.     

基于神经网络的自适应滤波研究

自适应信号处理在信号处理中占据主要地位,自适应滤波又是自适应信号处理中的主要应用.目前对自适应滤波的研究主要集中在算法上,但很难在收敛速度、稳定性和跟踪性能上同时取得最佳性能.综合考虑自适应滤波的各种性能,研究基于神经网络的自适应滤波方法,并通过实例应用来证明了该方法的有效性.该研究对拓展自适应滤波方法和神经网络的应用都具有重要的参考价值.     

基于BP神经网络的焦平面阵列的非均匀性校正

传统的基于BP神经网络的非均匀性校正算法由于采用了四邻域均值代替期望值,使得图像呈现低通的特性.本文针对红外焦平面阵列成像系统,对传统的神经网络算法进行了改进,将加权中值滤波处理后的结果作为期望输出,并在神经网络算法中权值修正时加入了动量项,加快了算法的收敛速度.通过仿真实验,与传统的神经网络相对比,校正效果得到明显的改善.     

一种改进的雾化图像快速复原算法

基于暗通道理论,提出一种改进的单幅图像去雾算法,对雾化图像快速去雾.改进算法采用自适应中值滤波与双边滤波相结合的方法,计算边缘细致清晰的暗通道,根据雾天成像的物理模型估算透射图.与传统算法相比,估算出的透射图细致清晰,无需优化,克服了传统算法用大量时间优化透射图的缺点,大幅降低了算法的复杂度.试验结果表明,该算法可以实现对单幅图像的高质量快速去雾.     

基于EKF的多MEMS传感器姿态测量系统

姿态信息是飞行控制中最关键的参数之一,因此姿态测量成为飞行控制系统首要解决的问题。利用多M EM S传感器研制了一种微型姿态测量系统。利用三轴M EM S加速度计和三轴M EM S陀螺数据,由方向余弦矩阵的姿态表示形式推导了扩展K a lm an滤波方程,解算出飞行器的俯仰角和横滚角;设计专家系统判断飞行器的运动状态,并根据该状态调整滤波算法中的测量噪声矩阵,使系统可同时满足静态情况和动态情况的使用;利用空速和高度数据对俯仰角进行修正,利用GPS解算航向角。将实验结果与国外最新的商用自动驾驶仪的姿态结果进行了比较,二者在静态情况下非常吻合,在动态情况下基本吻合。     

多小波二阶平衡的预滤波处理

针对多小波在应用过程中出现的不平衡现象展开了讨论 ,给出了 2元多小波p阶平衡的新定义 .在此定义下 ,能方便地计算出常用GHM多小波的二阶非正交平衡器 ,并由此证明GHM不存在二阶正交平衡器 ;为了达到二阶平衡 ,将二阶非正交平衡器转换成预滤波处理 ,取得了满意的效果 .     

一种基于扩展Kalman滤波器的神经网络学习算法

为了解决前馈神经网络BP算法在处理非线性对象时，收敛速度慢，易陷入局部极值，需调节参数多等的缺陷，提出将扩展卡尔曼滤波(EKF)算法引入神经网络的学习中．把前馈网络的所有权值、阈值作为EKF算法的状态，网络输出作为EKF的观测．同时为了防止滤波发散，对算法做了改进．仿真结果表明，该算法比BP算法在收敛速度、抗噪能力方面都有明显提高，同时还保证了一定的泛化能力．