P-Fibonacci变换在水印技术中的应用

根据数字水印技术的需要,对水印图像进行置乱。本文提出的P-fibonacci变换简单易实现。根据水印的图像信息自适应的提取P值;满足对任意大小的图像进行置乱,变换后水印信息分布均匀;其图像的还原过程采用矩阵求逆,简单易实现。并给出了Matlab上的实现算法。     

RBF网络和小波相结合的数字音频零水印算法

利用RBF网络结构简单、非线性逼近能力强、收敛速度快的特点,提出一种RBF网络和小波变换相结合的数字音频零水印算法。本算法利用RBF网络,将原始音频信号小波低频系数作为RBF网络的输入,将水印信号作为目标,建立原始音频信号与水印信号的对应关系。该方法不改变原始音频信号感知质量,在抵抗各种常见攻击时所得归一化相关系数有较好的稳定性。     

基于小波的图像去斑点噪声方法的研究

根据超声图像斑点噪声统计模型的特性,通过对超声图像进行连续小波变换、分形插值小波变换等变换方法以及小波分析的软阈值滤波方法,提出了结合小波软阈值与中值滤波去噪的方法,在不同尺度对信号小波系数进行处理,达到降噪目的.     

基于HHT的雅鲁藏布江径流变化周期及趋势分析

 采用Hilbert Huang变换对雅鲁藏布江干支流上的10个水文站1956-2000年天然径流资料进行分析,探讨了雅鲁藏布江流域年径流变化的近似周期及其演变趋势。研究结果表明,雅鲁藏布江全流域范围内存在约3、6~8、9、11~13、16~17及22~24 a的近似周期。同时研究还发现,雅鲁藏布江干支流在20世纪60年代左右径流量较大,但在进入60年代中后期之后,年径流量呈逐渐减小的趋势,这种趋势在80年代附近达到极小值,此后径流量逐渐回升,并在90年代后逐渐进入相对丰水期。     

变系数非线性Schrdinger方程的辛Runge-Kutta谱方法

用辛Runge-Kutta谱方法研究变系数非线性Schr(o)dinger方程.我们在空间方向用快速Fourier变换方法来离散二阶导数项,在时间方向用2级4阶隐式辛Runge-Kutta方法来离散一阶导数项,给出了变系数的非线性Schr(o)dinger方程的数值解法.数值结果显示该算法行之有效,它可以保持系统模方守恒和能量守恒的性质.     

基于分数阶傅里叶变换的直扩通信快速线性调频干扰抑制

针对直接序列扩频系统中的线性调频干扰,将短时傅里叶变换和分数阶傅里叶变换相结合,提出了在短时傅里叶域进行线性调频干扰参数粗估计而在分数阶傅里叶域进行精确估计,并根据线性调频干扰在分数阶傅里叶域形成的脉冲位置和强度自适应选择消波区间达到抑制线性调频干扰的目的。仿真实验表明,所提出的干扰抑制方法在干信比JSR40情况下,对线性调频干扰有很好的抑制作用,位错误率BER性能可改善103倍。     

基于小波降噪与贝叶斯神经网络联合模型的短时交通流量预测

在短时间内准确、稳定地预测出交通流量,是实现智能交通控制系统的重要环节,对于交叉口信号控制方案的实时调整具有重要意义。鉴于此,提出一种 联合模型的预测方式,引入 和 作为模型评价指标,从精度和稳定性两个方面对模型进行评价。结果表明,在 、 、 等不同的时间预测尺度下, 联合模型的 和 均小于小波网络、贝叶斯网络、 网络等方法,短时交通流量预测结果的精度和稳定性得到了不同程度的提高。     

利用Relief特征加权进行基于小波变换的纹理分割

在利用小波进行纹理分割的相关研究中,通常小波分解的四个子带对分类的贡献是均匀的。为了考虑不同子带对图像分割的不同影响,提出了一种利用Relief算法对小波分解的子带特征进行加权的算法。首先对纹理图像进行标准金字塔结构小波变换,对小波变换后的各层四个子带进行特征提取作为纹理图像的四维特征;从粗尺度开始对纹理图像进行K均值分割,得到初步分割结果;然后把初步分割结果扩展到下一尺度,根据扩展后的分割标记图对相应尺度的纹理特征进行基于Relief的特征加权,得到加权后的四维特征;再进行K均值分割,经过多层迭代后,得到原纹理图像的分割结果。实验结果表明,与未加权的传统分割方法比较,该方法在分割错误率、边缘准确性以及区域一致性上都有明显改善。     

基于Haar小波的虹膜特征提取算法

虹膜特征提取算法的优劣决定了虹膜识别系统的性能,经典小波变换算法在特征提取上存在不足,提出一种利用二维Haar小波提取虹膜特征的算法。算法在虹膜预处理的基础上,利用2D Haar小波对虹膜特征提取区域分解,对第三层小波分解高频系数编码生成375bits虹膜编码,利用相似度作为特征匹配关系。在中国科学院虹膜数据库[CASIA(1.0)]上的实验结果表明,算法在认证模式(Verification)与识别模式(Identification)下,性能均优于Boles的算法和Wildes的算法,仅次于Daugman的算法;但本算法虹膜码长度仅为Daugman的1/5,更节省储存空间,正确识别率为99.16%,等错率达到0.54%。     

基于希尔伯特-黄变换的小鼠脑电信号相关性分析

研究了小鼠脑电信号的分离问题。由于小鼠脑电信号是由多种不同波段的信号混迭而成的,且不同波段的信号是非平稳、能量差距很大的随机信号,因此对这些脑电信号的分离非常困难。先使用主成分分析(PCA)方法将信号的主要成分提取出来,然后再使用独立成分分析(ICA)在频域上对脑电信号进行分离。接着对分离的脑电信号δ波进行希尔伯特-黄变换。利用希尔伯特谱得到信号的瞬时频率信息,发现δ波的瞬时频率在某些时刻相对于其他时刻非常大。将这些瞬时频率出现异常的时刻,与呼吸信号的波峰出现的时刻进行相关性分析,得出呼吸信号与脑电信号中的δ波显著相关。