基于移位和异或的最佳扩散变换的构造

扩散结构的好坏直接影响了分组密码的扩散速度和安全强度,以分支数尽可能大的线性变换为分组密码算法的扩散结构是设计分组密码的一种重要方法,线性变换的构造可通过可逆矩阵的构造完成.利用高效的算法搜索出几类可逆广义字变换,在此基础上提出一类计算上可行的基于GF(232)上移位和比特异或的最佳扩散变换构造的算法.该变换特别适合硬件实现,广泛用于分组、序列以及HASH等密码算法的设计中.     

面向随机振动功率谱估计的小波变换去噪算法理论分析*

 针对随机振动功率谱通常存突变或间断现象,在小波去噪处理中,软阈值法使得估计信号在间断处较模糊, 且整体误差大,而硬阈值法在信号的间断点附近会产生伪Gibbs现象。通过对随机振动谱的统计模型进行分析,建立了对数域振动谱噪声的统计模型,并理论推导出根据噪声小波变换系数而设置的滤波阈值与小波变换尺度之间的非线性关系,为小波变换自适应阈值去噪提供依据,在此基础上提出了基于小波变换的振动谱估计自适应去噪通用算法,通过仿真对比实验,结果表明理论分析的有效性。     

具有矩阵伸缩的高维正交周期小波包

推广正交周期小波包的概念,引入对应于高维正交周期尺度函数的小波包,给出具有任意矩阵伸缩的高维不可分正交周期小波包的构造方法,并对其性质进行研究,得到高维正交周期小波包的分解公式及其Fourier变换表示,最后给出三元正交周期小波包的例子.     

抑制局部放电混合干扰的浮阈值量化算法

由于局部放电(PD)信号与含有的混合干扰(白噪和窄带)在能量分布频段上存在明显差异,根据小波包变换各节点分解系数能够有效反映被分析信号能量变化的特点,建立一种以反映PD信号分解系数中噪声能量为判据的浮阈值量化算法,使得最优基下各节点阈值随相应节点分解系数中信号噪声强度的变化而变化,自适应地决定各节点最佳阈值选择,以实现对PD信号分解系数更精细划分。通过对含有混合干扰的仿真与实测PD信号的小波包最优分解,分别用传统全局阈值量化算法与笔者建立的浮阈值量化算法进行了干扰抑制效果的对比,结果表明：后者具有更强的抑制混合干扰的能力,且混合干扰抑制前后PD信号波形相似度更高。     

基于临界小波参数和新序列核支持向量机的说话人识别

在研究可再生希尔伯特空间框架的基础之上,构建出一个新的序列核来对语音序列间的相似性进行度量.特征提取部分针对传统语音短时分析技术容易出现丢失信息的现状,提出了一种基于临界带宽的小波包变换算法.用美国国家标准与技术研究所(NIST)2004年评测数据集进行实验,结果表明该方法可以大幅度提高识别率.     

基于小波域相干边沿检测器的脉冲序列检测与定位算法 

摘要：
利用小波变换技术研究了雷达 通信共存系统中脉冲信号的有效检测与定位方法.基于小波变换的能量集中特性和脉冲边沿的小波变换系数在小波滤波器支撑集中高度相关的特性,提出了小波域相干边沿检测器,其判决统计量为小波变换系数在不同时延上的自相关值之和.导出了该判决统计量的统计特性与最优求和长度,并提出了基于小波域相干边沿检测器的脉冲信号的有效检测与定位方法.仿真结果表明了基于小波域相干边沿检测的脉冲信号检测与定位方法优于已有方法.     

一种多尺度数据融合模型的工程实践与相关理论问题

为解决不可重复测量物理量的真值估计问题,提出了一种"多尺度数据融合模型",该模型采用多传感器对同一物理量同时进行测量,对各个传感器的测量结果进行小波变换,并在不同小波尺度域对各个传感器的测量值进行多尺度加权平均,通过逆小波变换得到待测物理量的真值估计。笔者对该模型进行了分析和总结,包括对相关领域研究的评述,在此基础上,给出了数据融合定理及一些重要的推导及结论。     

基于脉冲耦合神经网络的结构损伤检测方法研究

机械结构的损伤发展到一定程度,会对其功能产生严重影响,所以及早检测出损伤非常必要。针对机械结构在损伤发生时其内部能量分布会发生变化的情况,对加速度计测得的结构振动信号进行短时傅立叶变换,获得可以反映能量分布的时频谱图。使用脉冲耦合神经网络提取时频谱图的熵序列特征,很好地识别了结构的损伤。使用上述方法对简支梁的损伤进行了实验研究,验证了其有效性和实用性。     

基于GA-WNN和时空特性的交通数据融合

由于时间序列的交通数据重点关注断面交通流量变化,而空间序列的交通数据主要关注路网交通流分布;本文在综合考虑二者特性的前提下利用遗传算法的群体搜索技术及小波神经网络的较强学习能力,提出了基于遗传-小波神经网络（GA-WNN）的交通数据融合模型,使用MAE、MRE和MSE三个指标对交通数据序列进行优劣对比分析。经实例验证,考虑时空特性的交通数据其数据质量优于单一的时间序列和空间序列。     

基于整数小波及马尔科夫链的图像自适应隐写术

针对目前主流的图像自适应隐写算法假定像素之间彼此独立,但忽略了像素之间的相关性这一问题,在最小化嵌入失真的模型下,提出了一种基于整数小波和马尔科夫链的图像自适应隐写术。首先利用整数小波对图像进行小波变换,然后利用马尔科夫链来表征邻近像素小波系数之间的相关性;并据此设计了新的失真代价函数。最后结合网格码(syndrome trellis code,STC)对秘密信息进行嵌入。实验表明该隐写术能够有效抵抗通用隐写分析,在安全性上相比已有的三种隐写术有明显提升。