基于小波脊频级联特征的雷达辐射源信号识别

为识别复杂体制雷达辐射源信号,提出了一种基于小波脊频级联特征提取的信号识别方法.该方法采用新的小波原子和脊线检测策略提取信号的脊频特征,并提取其级联特征作为信号识别向量.仿真结果表明,采用级联特征能有效地识别辐射源信号,当信噪比为5 dB时,识别率达95%以上.与传统小波和现有方法相比,所提出的方法具有更好的信号识别效果.     

基于SVM和小波边缘检测的车型图像识别

在基于小波边缘检测和SMO算法的基础上进行车型图像识别,首先将待识别目标进行二维小波分解,获取不同尺度下的小波系数,然后对其进行主元分析,得到的主元作为支持向量机的特征量输入.实验结果表明,该方法具有良好的分类性能.     

基于复Morlet小波变换的车体模态参数识别

详细推导了基于复Morlet小波变换的车体模态参数识别过程.对国内某高速动车组纯车体进行多点激励正弦扫频,利用随机减量法对车体振动响应信号进行随机减量处理,获取自由振动信号,首次运用小波理论对高速动车进行模态参数识别.同时也运用最小二乘法识别各阶振型.识别结果与商用软件Test.Lab对比,频率误差小于2％,说明小波分析适合用于高速车体这样复杂系统的参数识别.     

基于小波分析和神经网络的异步电机早期故障诊断

针对异步电机早期定子故障诊断,根据电机定子故障的特点,采用小波变换极大模分析法检测故障信号突变点的位置;利用小波包各个频带能量的变化完成能最特征提取,采用BP神经网络故障识别算法识别电机的各种运行状态来诊断电机早期故障.仿真实验结果表明,小波分析和神经网络算法的结合能有效定位并检测异步电机的早期故障.     

远场弱磁信号的小波域自适应检测研究

探讨了基于Mallat算法的自适应小波阈值消噪在复杂磁环境下运动目标磁场弱信号检测方面的应用.阈值的选取是算法的关键,基于对目标磁场频谱分析,采用与尺度相关的自适应ARMA模型的阈值算法,改进在不同的小波分解层阈值滤波的性能.对实测数据进行算法仿真,并与Donoho阈值算法检测效果对比表明,自适应ARMA模型阈值滤波算法显著提高对目标磁场弱信号的检测和提取能力.     

城市路网交通状态的小波分析检测方法

选取交叉口进口饱和度和路段平均行程速度作为路网状态检测的基本参数,采用小波包变换的时频高分辨率特性,以能量分析方法识别进口饱和度和路段平均行程速度的突变与异常状况,并定义了交通状态系数来定量描述交通状态变化,设计了基于小波分析的交通状态检测算法,并采用贝叶斯算法对交通状态进行预测。仿真分析结果表明:小波包变换可有效识别节点能量分布的突变区间,据此可准确判别交通状态发生变化的时段;当采样数据的模极大值点为200～243时,此段节点能量变化比较剧烈,信号在此出现突变,由较平稳向非平稳状态变化,对应的路段交通状态系数大于0.300h.km-1,为拥挤状态。该方法原理简单,检测响应时间短,检测结果可靠。     

自行车流视频识别判断方法研究

考虑算法的实时性,交通流个体识别往往采用轮廓特征来描述。由于自行车与行人的很多轮廓特征值相近,在复杂城市交通环境中,从慢行交通流中准确地识别出自行车是目前采用视频检测交通流的难点之一。通过现场视频检测获取足够的样本外轮廓数据,分析检测目标轮廓的高、宽、高宽比、面积等典型轮廓特征,发现目标轮廓高宽比特征能较好地识别出行人、自行车等慢行交通,并给出合适的取值范围。研究表明自行车高宽比能够较好地成为视频识别的依据,为自行车视频识别提供数据。     

һ�����͵��˶�Ŀ��ʶ��������㷨�о�

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法。针对帧间差分提取运动目标的缺陷与不足,提出了一种基于冗余小波变换的运动目标识别算法,即直接在冗余小波变换域提取运动区域,从而检测出运动目标。对于检测出来的运动目标,本文对mean-shift算法进行了改进,采用自适应mean-shift算法,对目标进行跟踪。实验结果表明,本文提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确的提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响。本算法具较高的实用价值和应用前景。     

基于反馈背景模型的城市道路交叉口前景目标检测

为准确检测城市道路交叉口监控视频中缓慢行驶或短时停留的前景目标,提出了一种基于前景目标反馈的背景模型检测方法.首先基于观测样本的像素值构建背景模型,利用计数器观测像素点检测为前景或背景的次数并描述当前场景的交通状态和稳定性,其次根据场景自适应阈值判断当前像素点为前景点或背景点,最终通过交通状态和场景的稳定性更新背景模型.采用基于真实的交叉口视频场景对算法的有效性进行了定性与定量分析.实验结果表明,该算法在复杂的城市道路交叉口场景中检测出缓慢行驶或短时停留车辆的性能优于其他方法,同时能够满足城市道路交叉口智能视频监控实时性和准确性的要求,为交叉口前景目标的行为分析奠定了基础.     

一种新的复杂细胞启发下的特征提取方法

鉴于V1区复杂细胞具有提取外界刺激不变本质的能力,设计了一个提取目标图像局部不变特征的方法.该方法首先使用提出的无监督算法（PCICA）,从图像中学习出类似于复杂细胞感受野的滤波器集合.然后利用这些滤波器组成的复杂细胞描述子,提取目标图像各个位置的不变特征.最后对图像特征图进行分块统计,将各区域的直方图序列作为图像的最终描述.测试结果表明,PCICA具有类似于快速独立分量分析算法（FastICA）三阶收敛的特点,从图像中学习出的滤波器集合,表现出复杂细胞感受野的拓扑结构.这些滤波器对于局部图像的微小变化并不敏感,对于检测不变特征十分有利,并在MNIST手写体数据库上取得0.84%的识别错误率.     

OTHR海杂波抑制典型方法综合性能评估

为在实际工程中实现海杂波抑制、发展新的OTHR海杂波抑制方法和提升短相干积累时间条件下OTHR舰船目标检测性能,建立了典型海杂波抑制方法统一模型及其与谱分析的关系,并对典型OTHR海杂波抑制方法进行了综合评估．主要从实现方式、输出信杂噪比（SCNR）、抑制与目标多普勒频率接近杂波能力、海杂波相关性要求、运算量与实现复杂度、应用限制等方面进行了比较与分析,为实际工程提供参考．     

一种杂波环境下的多传感器多目标数据关联算法

研究了多传感器多目标的数据关联问题，提出了杂波环境下多传感器多目标跟踪的极大似然关联算法．算法中考虑了传感器对目标的漏检情况，在各个观测站传感器的观测数据不完备的情况下，建立了传感器测量与目标的可行关联分配模型，并综合采用了假点的后验概率比模型，提高了多传感器对同一目标测量的互补性和对弱信号目标的跟踪精度．理论分析和仿真实验结果表明，所提出的算法可实现杂波环境下对弱目标的持续跟踪，并且在确保航迹关联性能和较好跟踪效果的基础上，降低了算法的运算量．     

基于小波和SVR的红外弱小目标检测方法

在分析红外图像弱小目标特征和背景特征的基础上,提出了基于小波变换和支持向量回归（SVR）的自适应滤波的检测方法．该方法首先采用小波变换抑制大部分背景杂波;然后用基于SVR的自适应滤波器（SVRBAF）对高频小波系数进行处理,大大提高了图像的信噪比;最后,基于目标的连续性和运动轨迹的一致性,采用流水线结构的序列处理方法进一步提高检测性能．仿真结果表明：该方法可显著提高红外目标的检测概率,实现较远距离弱小目标的检测．     

一种多阶段处理的红外小目标检测方法

提出了一种二阶段红外图像序列小目标检测方法.该方法由2个相序的处理阶段组成,即目标的预侦测阶段和目标的确认阶段.在处理的第一阶段,通过快速扫描输入图像,根据视觉特征的显著性抽取潜在的目标集合.这些潜在的目标在第二个处理阶段通过双均值滤波方法被进一步地识别,判断出真目标,剔除假目标.统计分析在理论上证实了这种算法结构的高效和合理性.实验结果表明该方法在运算速度上有显著的优势.     

多Agent系统协作求解的粒子模型方法

讨论了多Agent系统分布协作求解和粒子协作之间的关系,提出了一种多Agent系统协作求解粒子模型方法,将任务资源规划协作求解过程转化为多粒子共同寻优的过程.引入了协作程度变化参数,建立了需求强度计算公式和效益目标函数,并构造了适合求解的粒子群算法.通过算法的寻优计算,得到了任务资源规划协作求解的最优解.仿真实验结果表明,对于复杂的任务资源规划问题,该方法能描述和处理Agent本身自组织现象和社会交互行为的随机性和并发性,并具有良好的收敛性和有效性.     

Wavelet moment invariants extraction of underwater laser vision image

Wavelet moment invariants are constructed for object recognition based on the global feature and local feature of target, which are brought for the simple background of the underwater objects, complex structure, similar form etc. These invariant features realize the multi-dimension feature extraction of local topology and invariant transform. Considering translation and scale invariant characteristics were ignored by conventional wavelet moments, some improvements were done in this paper. The cubic B-spline wavelets which are optimally localized in space-frequency and close to the forms of Li＇s （or Zernike＇s） polynomial moments were applied for calculating the wavelet moments. To testify superiority of the wavelet moments mentioned in this paper, generalized regression neural network （GRNN） was used to calculate the recognition rates based on wavelet invariant moments and conventional invariant moments respectively. Wavelet moments obtained 100% recognition rate for every object and the conventional moments obtained less classification rate. The result shows that wavelet moment has the ability to identify many types of objects and is suitable for laser image recognition.     

基于提升小波变换的医学图像融合算法

图像融合是将多幅图像的信息综合到一幅图像的技术,它使得融合后的图像包含更为准确、更为全面可靠的图像描述。为了改善传统医学图像融合算法对细节信息的丢失,采用提升小波的方式将源医学图像进行分解,并分别对高低频采用不同的融合规则,最后经小波逆变换得到目标图像。仿真实验结果表明,该算法是有效可行的。     

浅海低频点声源作用下海底地震波的数值模拟

建立了点声源作用下海底地震波的时域数值计算模型.利用该模型,对二维半无限空间简单海洋模型的低频点声源海底地震波问题进行了数值模拟,得到了海底表面处的加速度和声压值.结果表明,浅海低频点声源的大部分能量耦合到海底基岩中以地震波的形式向远处传播.声源频率、海底吸声系数和海底基岩阻尼系数对舰船海底地震波信号均有影响.     

空中交通流非线性分形特征

为了给空中交通流建模与预测提供科学依据,建立4种时间尺度的时间序列,采用替代数据法进行了非线性检验,确定5 min尺度的时间序列作为后续研究对象;应用小波分解方法研究了时间序列的自相似性特征,通过R/S方法计算了全局和局部Hurst指数,研究了时间序列的长相关性特征;应用关联积分的二阶差分法计算了时间序列的无标度性区间;采用多重分形谱方法研究了时间序列的多重分形特征,应用Grassbeger-Procaccia （GP）算法计算了时间序列的关联维数. 研究结果表明:5 min时间尺度的时间序列具有非线性因素的概率为99.2%,其他3种时间序列的非线性尚不明确;从小波分解图可定性观察出时间序列具有较强的自相似性;全局Hurst指数为0.756 5,局部Hurst指数均大于0.5,表明时间序列具有长相关性;关联积分二阶差分法能够有效识别出无标度区间,说明时间序列具有无标度性,不同嵌入维数对应的无标度区间是不同的;多重分形谱图呈现钟型,说明具有多重分形特征;关联维数为6.89,表明至少需要7个变量才能清晰描述本时间序列对应的空中交通流.      

Feature Extraction of Bearing Vibration Signals Using Second Generation Wavelet and Spline-Based Local Mean Decomposition

In order to extract the fault feature frequency of weak bearing signals,we put forward a local mean decomposition(LMD)method combining with the second generation wavelet transform.After performing the second generation wavelet denoising,the spline-based LMD is used to decompose the high-frequency detail signals of the second generation wavelet signals into a number of production functions(PFs).Power spectrum analysis is applied to the PFs to detect bearing fault information and identify the fault patterns.Application in inner and outer race fault diagnosis of rolling bearing shows that the method can extract the vibration features of rolling bearing fault.This method is suitable for extracting the fault characteristics of the weak fault signals in strong noise.