SDUV方法中组织振动信号提取算法比较

组织振动信号的提取是剪切波频散超声振动成像技术(SDUV)方法中的重要步骤.目前,SDUV方法中有两种常用的组织振动信号提取算法,正交解调法(QDM)和互功率谱法(CSM),但是未见比较这两种算法提取质量差异的相关研究.因此,构造了不同信噪比(SNR_U)的参数化仿真超声回波信号模型,分别使用QDM和CSM从超声回波信号中提取组织振动信号,比较了两种方法的提取效果与计算效率.实验结果表明,当SNR_U≥35 dB,两种算法在相同信噪比下提取出的信号所分离出的振动相位结果相近,标准差均小于1°,对于剪切波波速的计算结果没有太大影响.CSM的计算效率低于QDM的计算效率.因此,当SNR_U<35 dB,为了减小振动信号初始相位的提取误差,应该使用CSM提取组织的振动信号.当SNR_U≥35 dB,应该选择QDM提取组织的振动信号,以减少信号处理时间.本研究的发现有助于提高SDUV方法的检测效率.     

基于改进核聚类算法的空间目标识别方法

根据目标区域的矩特征,几何特征以及灰度特征,提取出目标的特征向量,并通过聚类算法对空间目标进行识别,提出了一种基于Voronoi距离的核聚类算法（KFCM）。该算法通过引入一种新的距离度量,使得隶属度函数更加的明晰,改善了核聚类算法极易陷入最小值的问题。运用改进的核聚类算法对3类空间目标进行识别,试验结果验证了算法的正确性和有效性。     

基于粗糙核Fisher鉴别分析的特征提取及其在发动机故障诊断中的应用

将粗糙集理论的属性约简与核Fisher鉴别分析方法结合起来,提出一种基于粗糙核Fisher鉴别分析的故障特征提取方法.首先采用粗糙集理论的属性约简删除与分类无关或关系不大的特征,降低输入特征维数,排除干扰特征的影响,减小了特征提取计算量;再采用核Fisher鉴别分析方法进一步提取非线性特征;最后将该方法应用于航空发动机滑油系统故障特征提取及故障识别中.结果表明:该方法获取的特征在提高分类正确率的同时,还有效地降低了输入特征维数,提高了分类效率,并且对分类器具有较强的适应性和鲁棒性.      

一种虹膜特征提取与匹配方法

人眼虹膜尺寸很小,并且容易受到干扰,如果不能有效地提取出稳定的虹膜特征进行模式匹配,将严重影响虹膜识别的准确性和鲁棒性。本文提出一种稳定的虹膜特征提取与匹配方法,在虹膜注册端通过构建强特征分类器获得增强型特征模板,在虹膜识别端通过多样本特征映射融合提取稳定的特征样本,并根据风险预测自适应地确定分类阈值,然后进行特征匹配与虹膜分类,从而有效提高虹膜识别的准确性和鲁棒性。     

基于卷积神经网络的遥感图像舰船目标检测

针对遥感图像背景复杂、受环境因素影响大的问题,提出一种将卷积神经网络(CNN)与支持向量机(SVM)相结合的舰船目标检测方法,利用卷积神经网络可自主提取图像特征并进行学习的优点,避免了复杂的特征选择和提取过程,在复杂海况背景图像的处理中体现出较优的性能;同时,由于军舰样本获取难度大,应用迁移学习的概念,利用大量民船样本辅助军舰目标的检测,取得较好的效果。通过参数调整与实验验证,此方法在自行建立的测试集上检测率达到90.59%,对光照、环境等外界因素具有一定程度的鲁棒性。     

基于数据挖掘和决策树的测试用例重用技术研究

通过应用数据挖掘和决策树算法,将测试专家分类重用测试用例的思想固化,并可以根据新采集的可重用的测试用例,不断扩充分类规则,使测试用例重用库具有不断自扩充和自完善的能力。通过使用测试用例重用库中可重用的测试用例和测试思想,可以提高测试人员对被测软件需求规格说明中功能和性能等指标的测试全面性和有效性,提高工作效率,减少工作量,并提高测试质量。     

基于控制系统工作原理的视线角速度获取方法

针对红外成像导引头弹目视线角速度获取精度较差,无法满足导弹制导指标要求的问题,根据红外导引头角跟踪原理,比较研究了直接微分法、基于马尔科夫模型的方法和基于控制系统工作原理的方法3种弹目视线角速度提取方案。利用试验数据进行了仿真分析。仿真结果表明:直接微分法和基于马尔科夫模型的方法均不适用于红外成像导引头弹目视线角速度提取。将控制系统设计为二阶无静差系统,并以此建立了基于控制系统工作原理的弹目视线角速度提取模型。仿真分析表明:该方法适用于红外导引头弹目视线角速度提取。     

基于小波相邻系数降噪的滚动轴承早期微弱故障时频特征提取

将小波相邻系数降噪与时频小波切片变换（FSWT）相结合用于滚动轴承的早期微弱故障时频特征提取,通过对滚动轴承加速疲劳试验早期微弱故障振动数据进行分析,结果表明:小波相邻系数可以有效降低淹没滚动轴承早期微弱故障特征的背景噪声;时频小波切片变换方法能有效提取出经小波相邻系数降噪后振动信号的时频特征,即滚动轴承发生故障时的特征频率及其谐频成分,验证了所述方法的有效性.此外,通过与谱峭度时频分析结果的对比,证明所述方法更能准确扑捉到滚动轴承发生早期微弱故障时的时频特性,突出了所述方法的优越性.      

一种基于Star算法的多路视频稳像方法研究

目前,基于特征点匹配的稳像算法中存在特征点提取速度慢、误匹配率高,以及多目相机的多路视频稳像太过耗时、实时性不好的问题,提出了一种基于Star特征点提取算法的多路视频快速稳像方法。首先采用Star算法提取视频当前帧特征点,然后采用光流法结合当前帧特征点信息跟踪预测下一帧对应的特征点,以加快特征点提取速度,同时减少所提取的特征点错误匹配率。通过对匹配的特征点求取相应的仿射变换矩阵获取帧间运动矢量,进而采用卡尔曼滤波器对帧间运动矢量进行滤波处理,以滤除其中的相机随机抖动矢量并保留相机的主观运动矢量。最后依据滤波后的运动矢量进行图像补偿得到稳定的图像序列。针对复眼导引头存在的多路视频抖动情况,基于OpenMP并行开发库,利用多核处理器的优势,实现了多路抖动视频的并行实时稳像。所设计的数字稳像算法在PC平台下对4路抖动视频（OTB100的BlurCar系列视频,分辨率为640×480,帧率为30 FPS）并行稳像的结果参数为：峰值信噪比（Peak Signal-to-Noise Ratio,PPSNR）平均提升了4.62 dB,单帧耗时平均为14.51 ms。经仿真实验证实,算法的计算效率和特...     

采用非线性网络实现清浊音判决

语音清浊音判决的实质是一个非线性分类问题,可以用神经网络的方法来实现。本文提出了一种用非线性网络实现清浊音判决的算法。该算法用一个特征矢量Ｘ＝（ＬＢＥ,Ｚｃ,ＲＣ１,Ｑｓ,ＲＣ２）表示语音的清浊音特性,用训练得到的非线性网络实现语音清浊音判决。文中详细讨论了计算机模拟等内容,计算机模拟结果显示,这种方法的清浊音判决准确率达９７．８％,优于传统的清浊音判决算法。