基于Contourlet域SOT结构的SAR图像相干斑抑制算法

把SOT结构引入到能够最优表示图像的Contourlet变换中,结合Contourlet系数域的结构特点和SAR图像相干斑乘性噪声模型提出了一种新的相干斑抑制算法。对基于小波系数域SOT结构的相干斑抑制算法中固定在一个低频尺度中选择根系数的方法进行了改进,根据SAR图像的匀质性条件自适应地在两个不同低频尺度中选择根系数。把该算法应用到实测SAR图像中取得了很好的目视效果,各项指标得到了有效提高。     

基于小波变换的自适应多用户检测算法

在分析传统自适应多用户检测的基础上 ,提出了一种基于小波变换的自适应多用户检测算法。用小波变换进行前处理 ,然后再通过 LMS算法实现自适应多用户检测。与通常的自适应多用户检测算法相比 ,该算法利用了小波变换对小波空间进行了分解 ,信号经小波变换后自相关性会下降 ,收敛速度提高。同时在此分解过程中 ,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明 ,该算法收敛速度较快 ,计算量增加较少 ,易于实时实现 ,而且具有良好性能。同时仿真实验表明 ,收敛速度与小波基选择有关 ,对于同一小波基系列 ,小波基的正则性越好收敛速度越快     

基于小波变换和ICA的卫星测控信号盲识别算法

针对信息对抗中对非合作卫星测控信号识别的问题,提出一种小波变换和独立分量分析相结合的卫星测控信号盲识别算法.首先,基于小波变换去除噪声原理,对混合信号进行去噪处理;然后,采用独立分量分析的方法对去噪后的混合信号进行分离;最后进一步对分离后的测控信号作矢量归一和再去噪处理,得到卫星测控信号的最终估计.Matlab仿真结果表明:该识别算法可以较好地分离卫星测控信号,并且很好地保留了源信号的特征,具有良好的稳定性,收敛速度较快.     

红外与可见光图像的非采样Contourlet变换融合方法

针对传统基于非采样Contourlet变换图像融合技术存在的问题,提出改进的基于图像局部能量的非采样Contourlet变换红外与可见光图像融合方法。首先对待融合图像进行非采样Contourlet变换;然后在图像低频成分采用基于图像局部能量的加权平均融合准则进行图像融合,在图像高频成分采用归一化将高频系数的能量差与设定的融合阈值进行比较,再进行分步融合;最后进行非采样Contourlet变换的重构得出融合图像。实验章节通过合成及真实图像算例证明本文方法相对于传统的图像融合方法具有更好的融合效果及精度。     

一种自适应的DWT域数字视频水印算法

提出一种基于小波变换域的自适应视频水印算法。算法先对视频信息进行场景分割,然后从各场景中选取待插入水印的帧序列,对各帧图象进行3D—DWT,并对低频子带进行小波块的划分,据小波块的分类结果自适应地调整嵌入水印的强度。     

基于二代曲线波变换的红外弱小目标背景抑制

在分析几种常用背景抑制方法的基础上,利用二代曲线波变换具有的优良特性,提出一种基于二代曲线波变换的红外弱小目标背景抑制方法.首先利用曲线渡变换对图像进行分解提取图像的多尺度细节特征;然后对分解后的低、高频子带分别采用变分和模糊非线性变换进行处理来调整目标特征的强度,重构子带获得预测的背景图像;最终将其与原图相减得到背景抑制后的图像.实验结果表明,与几种经典方法相比,该方法在主现视觉和客观评价指标两方面均表现出良好的效果.     

广义镜象变换及其在信号特征分析中的应用

本文首先介绍了镜象变换及其性质,并将其推广到复数空间中去,引出了广义镜象变换。广义镜象变换保留着镜象变换的主要特性。然后利用广义镜象变换提出了一种信号特征分析的新算法,即广义镜象变换-QR算法。它包括两大步骤:(1)利用广义镜象变换将Hermite阵化为实对称三对角阵。(2)利用带位移的QR方法求实对称三对角阵的特征值。文中给出了上述算法的详细流程。该算法具有收敛速度快和数值稳定的优点。我们将上述方法用于噪声中信号个数的估计问题,给出了Monte-Carlo模拟结果,验证了所述算法的有效性。在模拟实验中,假定天线阵为均匀线性阵,信号源为两个独立的等功率源,目标模型为Swerling Ⅱ,噪声为空间白色的和高斯的。干扰协方差阵由参考噪声样本估计得到。     

变分贝叶斯独立分量分析在含噪图像盲分离中的应用研究

传统的独立分量分析不具有抗干扰性,而且需在源个数已知的条件下,才能进行含噪图像盲分离。针对此不足,本研究提出了一种基于变分贝叶斯独立分量分析的含噪图像盲分离方法。所提算法与传统的分离方法相比,可直接有效分离含噪图像,且具有较强的抗干扰性。此外,该算法根据不同模型的信度估计信源数。实验结果表明,提出的方法是非常有效的。     

宽带信号的数字测向算法研究

数字测向是电子侦察领域的一项重要内容。本文介绍了多基线测向算法,时其解模糊原理及范围作了深入分析,并给出了常见宽带信号的数字鉴相算法。该算法时这些宽带信号采用非线性变换,将其变为常规信号后进行处理,估计出该宽带信号的方向。本算法在较低信噪比条件下仍有较高精度。     

简化的混合估计算法及其在GPS／SINS深组合中的应用

为解决GPS/SINS深组合导航系统滤波的非线性和噪声的不确定性的问题,针对深组合模型特点,设计了一种简化的基于U滤波的多模型混合估计滤波器。根据系统模型中状态方程是线性方程、观测方程是非线性方程的特点,提出了一种简化的U滤波算法(Ultra tight coupling unscented Kalman filter,UTCUKF),然后针对噪声变化建立了非线性模型,多模型混合估计滤波器的输出为各滤波器的概率加权融合,因此模型概率是根据噪声变化而调整的,从而也使系统输出对噪声变化具有一定自适应能力。最后进行了仿真,并与基于普通U滤波的多模型混合估计算法进行了比较。结果表明,本文算法的解算时间短,模型切换速度更快,而估计的精确度与同条件下的基于普通U滤波的多模型混合估计算法相当,更符合深组合系统高动态的要求。     

Edge Detection of River in SAR Image Based on Contourlet Modulus Maxima and Improved Mathematical Morphology

To cope with the problems that edge detection operators are liable to make the detected edges too blurry for synthetic aperture radar(SAR)images,an edge detection method for detecting river in SAR images is proposed based on contourlet modulus maxima and improved mathematical morphology.The SAR image is firstly transformed to a contourlet domain.According to the directional information and gradient information of directional subband of contourlet transform,the modulus maximum and the improved mathematical morphology are used to detect high frequency and low frequency sub-image edges,respectively.Subsequently,the edges of river in SAR image are obtained after fusing the high frequency sub-image and the low frequency sub-image.Experimental results demonstrate that the proposed edge detection method can obtain more accurate edge location and reduce false edges,compared with the Canny method,the method based on wavelet and Canny,the method based on contourlet modulus maxima,and the method based on improved(ROEWA).The obtained river edges are complete and clear.     

基于小波分解的模极大值算法在钛合金超声检测信号去噪中的应用

本文针对钛合金超声检测信号中普遍存在的噪声过大、信噪比过低的现象，结合钛合金超声检测信号与材料散射噪声信号的产生特点，构造了一组数学模型，并提出了基于小波分解的一种改进的模极大值去噪算法。该算法利用小波分解中的低频系数来确定信号位置，在高频各尺度系数的对应位置寻找相应的频率信息。以达到提取信号去除噪声的目的。实例分析表明：该模型能基本反映超声检测信号的特点，而且此算法对钛合金超声检测信号去噪效果比较理想。     

基于二进小波变换的磁共振图像去噪新算法

针对传统去噪方法在降低噪声的同时会模糊图像边缘的缺点,提出了一种基于二进小波变换的噪声抑制新算法.利用小波系数的区域相关性,将要处理的小波系数置于由它周围的系数组成的可变窗口内,由窗口内所有小波系数的值来决定该系数的处理方式.由于离散小波是非平移不变的,因而重构过程中会出现人工噪声.为了避免这个问题,本文采用了具有平移不变性的二进小渡变换.实验结果表明,该方法较之传统去噪方法有更高的去噪精度,可以有效降低噪声,同时较好地保持图像细节和边缘信息.     

应用小波分析方法处理非平稳信号的研究

本文综述小波分析这一前沿领域的发展现状，介绍了小波变换及其Mallat快速小波算法，对比分析了小波变换与短时傅里叶变换之间的差异，指出这种基于多分辨方法的小波变换特别适合于非平衡信号的分析与处理，并且应用该方法对实测信号进行了有效的时频分析。     

子波变换在实验流体力学中的应用

介绍了子波分析的历史、基本知识以及在实验流体力学方面的应用。讨论了子波变换在客观辨识湍流边界层相干结构方面的应用。作者用子波变换的方法提出了确定湍流边界层相干结构挥发时间尺度的能量最大准则，提取了相干结构对应的速度信号波形。用于波变换研究了湍流边界层脉动速度信号的局部奇异性行为，发现相干结构发生处脉动速度信号的局部奇异性指数为负值。     

Compressive Sensing Sparse Sampling Method for Composite Material Based on Principal Component Analysis

Signals can be sampled by compressive sensing theory with a much less rate than those by traditional Nyquist sampling theorem,and reconstructed with high probability,only when signals are sparse in the time domain or a transform domain.Most signals are not sparse in real world,but can be expressed in sparse form by some kind of sparse transformation.Commonly used sparse transformations will lose some information,because their transform bases are generally fixed.In this paper,we use principal component analysis for data reduction,and select new variable with low dimension and linearly correlated to the original variable,instead of the original variable with high dimension,thus the useful data of the original signals can be included in the sparse signals after dimensionality reduction with maximize portability.Therefore,the loss of data can be reduced as much as possible,and the efficiency of signal reconstruction can be improved.Finally,the composite material plate is used for the experimental verification.The experimental result shows that the sparse representation of signals based on principal component analysis can reduce signal distortion and improve signal reconstruction efficiency.     

基于树形小波变换的断口图像识别

断口图像的识别是进行失效分析的一个重要组成部分,本文提出一种基于小波的断口识别方法,该方法采用树形小波对金属断口图像进行二级小波变换,剔除近似分量,对其余的各个频带输出的标准差作为断口识别的特征,并采用最小距离分类法进行分类,实验证明,此方法对细节丰富的断口的识别率很高。     

一种新的航空发动机气路监测方法

分析了气路中颗粒物的产生以及颗粒荷电的机理、气路静电监测方法的原理,并通过模拟实验对该方法进行了初步的研究.实验监测信号表明,气路中异常颗粒产生的感应信号幅值随着粒径的增加而增加,通过小波分析的方法将信号进行分解到不同的频段并获得相应的能量分布.结果表明异常颗粒产生的信号的能量分布集中在低频部分,为判断异常颗粒提供了依据.实验结果表明了基于颗粒静电监测方法能够有效地监测到异常颗粒,证明了该方法的可行性.