基于稀疏分解的水下目标回波信号处理方法

针对超低信噪比的水下弱信号处理问题,基于稀疏分解理论,重点关注入射信号和回波模型等先验信息如何融入稀疏字典（过完备原子库）的构造,并结合匹配追踪方法,提出基于稀疏分解的水下回波信号处理方法。首先建立水下回波信号亮点模型,得到回波模型和入射 信号的关系,对已知的发射信号进行离散化、能量归一化以及移位处理,构造适合回波信号自身特性的过完备原子库;然后基于匹配追踪算法实现水下回波信号的稀疏分解,并将处理结果与常用的匹配滤波方法进行对比分析。仿真结果表明,本文方法不仅能精确重构出原始回波信号,而且在处理超低信噪比水下回波信号时较匹配滤波方法具有明显的优势。     

数据挖掘中适用于分类的时序数据特征提取方法

特征提取在提高分类的准确性中起着非常关键的作用.对时序特征提取的方法进行归纳分类,将有利于对特征提取整体性,全面性的认识.回顾现有的时间序列中特征提取的方法,将其总结为四大类,它们分别是基于基本统计方法的特征提取、基于模型的特征提取、基于变换的特征提取、基于分形维数的特征提取.针对每一类的特征提取方法,进一步研究了它相应的分类方法和它在时间序列数据中的应用邻域.     

基于分形布朗运动和Ada Boosting的多类音频例子识别

提出了一种基于分形布朗运动的音频特征提取和识别方法．这种方法使用分形布朗运动模型计算出音频例子的分形维数，并作为其分形特征．针对音频分形特征符合高斯分布的特点，使用Ada Boosting算法进行特征约减．然后分别使用Ada-加权高斯分类器和支持向量机对约减特征后的音频分类，并在两类分类的基础上构造多类分类的模型．实验表明，经过特征约减后的音频分形特征在音乐和语音的分类中都优于其他音频特征．     

基于支持向量机的复杂地质分形特征自动提取

为了提升勘探工作效率,准确提取复杂地质分形特征,提出一种支持向量机的复杂地质分形特征自动提取方法。在两种线性可分情况下,将最佳的分类面简化为最佳分类直线,获得最佳分类平面;考虑噪声及其它干扰因素造成线性不可分的状况,得到广义的最佳分类面;基于两点可以得出支持向量机内积;通过抽取异常重磁分维数的频率域角度获得分维值,反映出不同频率能量关系,计算地质图像内的方差、均值、相关性、对比度以及角二阶矩,即可完成地质分形特征自动提取。实验结果表明,所提方法能够很好区分各类泥岩样本,特征提取效果准确。     

一种基于粗糙约简的分形几何容错故障诊断方法

针对故障诊断中计算量大,模式分类复杂的问题,提出了一种基于粗糙集的分形容错故障诊断方法。首先对可能的诊断属性用粗糙集约简的方法进行故障特征提取;然后计算所采集的故障数据的分形维数,并用回归辨识方法得到维数序列的数学模型;利用所建立的数学模型可完成对故障的分类和故障程度的辨识。仿真结果表明了该方法的有效性。该方法解决了单独利用分形几何方法无法对故障程度进行辨识的问题,简化了计算,并为高可靠性设备的故障诊断提供了新的思路。     

基于分形缝隙的短波突发信号暂态特征提取

对信号的暂态特征提取有利于通信电台的个体识别。针对分形维数在特征提取中存在的非普适性问题,提出了基于分形缝隙的短波突发信号暂态特征提取方法,该方法以幅度值为尺度计算缝隙值作为暂态特征,与分形维数相比,可以更有效地描述信号的暂态特性。在高斯白噪声和短波信道下进行了仿真分析,实验结果验证了缝隙值作为暂态特征的有效性。     

基于毯子维和缺项的虹膜特征提取算法

虹膜特征提取是虹膜识别的一个关键环节。文中提出一种毯子维和缺项相结合的虹膜特征提取算法。利用虹膜纹理的自相似和丰富的变化细节所具有的分形几何特性,采用纵向扩展毯子维表达不同分辨能力下虹膜纹理的变化及其辐射排列特点。通过引入缺项进一步提取不同纹理和分形表现却具有相同分形维数的虹膜特征。两者的结合能够更加全面地反映虹膜纹理的细腻变化。将归一化虹膜图像灰度值的毯子维及缺项用于虹膜分类,提高对虹膜的分类能力。针对CASIA-IrisV3-Interval数据库的仿真结果表明,纵向扩展毯子维结合缺项能够有效、快速提取虹膜的纹理信息,所获得的特征具有高的虹膜识别性能。     

基于分形维数的白细胞图像特征提取研究

为了开发骨髓细胞涂片中白细胞的自动分类及计算机辅助诊断系统,基于分形理论提取了不同类型白细胞的分形维数.首先通过计算原始图像和特征灰度图像的分形维数实现第一次的粗分类提取,然后采用多重分形奇异谱方法进一步完成了细分.识别结果表明,经过两次分类提取获得了较准确的白细胞分类信息,该方法是有效的、可行的.     

基于复杂度特征的数字调制模式识别

为了提高数字信号调制模式识别在低信噪比下的正确率,在对复杂度理论加以分析的基础上,提出了一种新的特征提取方法。该方法首先引入希尔伯特-黄变换求得样本的边际谱,然后利用分形和Lempel-Ziv复杂度的方法提取用于调制识别的特征参数,最后利用RBF神经网络分类器进行数字信号调制模式的分类识别。仿真结果表明该算法具有较好性能。     

基于径向基概率神经网络的植物叶片自动识别方法

提出一种将Gabor小波和神经网络相结合应用于植物叶片自动识别的方法.该方法对活体植物图像进行多尺度Gabor纹理特征提取,再使用一种径向基概率神经网络模型进行分类识别.实验结果验证该方法的有效性.     

基于分形理论的声纳图像人造目标检测算法

声纳图像中人造目标的自动检测是当前水下探测领域需要重点解决的问题之一。传统的基于目标回波信号强度的检测方法在海底存在岩石等类似于水雷等人造目标的情况下,常会导致较高的虚警率。由于人造目标和自然背景之间的纹理特性的不同,自然背景一般具有较复杂的纹理,而人造目标形状规则、表面光滑、纹理简单。利用分形模型中分形维数特征、截距特征、分形拟合误差特征以及多尺度分形特征进行声纳图像人造目标检测,仿真实验表明基于分形的检测算法可较好地实现人造目标和自然背景的分离,从而为成像声纳水下探测技术的进一步发展奠定了基础。     

声诱饵回波模拟器仿真研究

随着水声技术的发展，水下武器对抗也日趋复杂。能够模拟目标回波的主动式声诱饵的出现，为对抗主动自导鱼雷及主动声纳提供了非常重要的帮助。着重对声诱饵的回波模拟器的作用机理进行了分析，然后给出了脉冲宽度、多普勒频移、时延与展宽、目标强度：最大回波强度等回波特征参数的估计方法，并对可以同时对抗声自导鱼雷和主动声纳的某声诱饵回波模拟器进行了仿真研究，并给出了仿真结果，对水声对抗技术研究有着重要的参考价值。     

分数阶Fourier域低分辨雷达飞机回波的分形特性分析与目标分类

常规低分辨雷达体制下的目标分类与辨识是雷达目标识别领域的一个研究难点。研究表明,地、海、空等雷达杂波具有分形特性,不同类型目标会对回波分形特性产生不同的影响,但在强杂波背景下,回波的分形特性更多地表现为杂波的特性。作为一种非平稳信号分析工具,分数阶Fourier变换可以有效地获取目标回波信号的细节特征并充分抑制杂波,且具有快速算法。为此,论文立足于分形及其相关理论,拟从分数阶Fourier域对常规雷达飞机目标回波的分形特性进行分析,估计和分析其分形参数,并对分数阶Fourier域回波分形特征在飞机目标分类中的应用进行探讨。研究结果表明,在最优变换阶数下,分数阶Fourier域飞机目标回波具有显著的分形特性,且充分反映了目标的特性,分形测度分析可以揭示回波的动力学演化机制,且最优变换域回波分形特征可以有效用于飞机目标的分类和识别。     

水下目标多亮点回波仿真及应用研究

水下目标回波的亮点结构是重要的目标特征,因此,水下目标亮点特征的提取也是主动探测系统进行目标识别与跟踪的主要内容.该文研究了水下目标亮点的结构模型及亮点回波信号模型,重点分析了窄带系统中目标亮点回波信号的幅度、时延、频移以及相位的仿真计算方法.配合波束形成、参数估计及弹道逻辑,实现了对水下目标进行动态跟踪的仿真弹道,并给出了仿真实例.该仿真方法已经在水下武器仿真系统中得到了很好的应用,具有重要的使用价值.     

水下弹性球壳回波特性的仿真研究

水下弹性球壳回波特性的研究对水下目标特征提取和识别具有重要意义.利用弹性理论和分离变量法导出弹性球壳散射声场的Bayleigh简正级数解,得到其反向散射波形态函数.由形态函数计算了高斯脉冲入射到弹性球壳的回波波形,并建立了水下弹性球壳回波特性的数学模型.通过对弹性球壳形态函数和回波结构的仿真,分析比较了不同材料和不同厚度的弹性球壳形态函数和回波特性,并讨论了水下弹性球壳回波特性的影响因素.结果表明,水下弹性球壳的回波特性与球壳材料、球壳厚度和入射信号等因素有关.     

基于板块元法的水下目标回波亮点仿真

针对传统亮点模型模拟水下目标回波亮点精确度不高的问题,给出了一种运用板块元法仿真实现目标回波亮点的方法。采用建模软件对潜艇模型进行精确几何建模,运用板块元法计算了潜艇目标的高频回波数据。仿真结果表明：该方法可以更真实地反应水下目标的回波亮点特性,为水下目标的探测与识别提供数据支持。     

基于改进CNN-RANSAC的水下图像特征配准方法

水对光的吸收和散射效应降低了水下图像的质量,水下图像的可视范围受到限制,复杂水下场景下的鲁棒性和精确性问题使得特征提取与匹配成为一项具有挑战性的任务。为了更好地配准水下图像,提出了一种改进CNN-RANSAC的水下图像特征配准方法,首先通过基于深度卷积神经网络的水下图像增强方法对水下图像进行增强预处理,通过水下图像分类数据集迁移学习训练VGGNet-16网络框架,利用修改后的网络框架进行特征提取,生成鲁棒的多尺度特征描述符与特征点,经过特征粗匹配与动态内点选择,使用改进的RANSAC方法剔除误匹配点。在大量水下图像数据集上进行了充分的特征提取和特征匹配实验,与基于SIFT和SURF的配准方法相比,该方法能够检测到更多的特征点,实现了匹配正确率的大幅度提高。     

基于分形和邻接空间密度变化的属性选择方法

属性选择通常作为一个主要的预处理步骤,在机器学习和数据挖掘领域有着广泛的应用。选择出能够表征数据集分形特征的属性子集,对研究数据集的分形规律具有重要的价值。根据数据集的分形特征,引入了密度分析方法,指出了当前基于分形维数的属性选择方法的不足,提出了一种基于分形和邻接空间密度变化的属性选择方法。为了分析实验结果的有效性,利用SVM分类算法和K-fold交叉验证相结合的方法对3个数据集属性选择前后的分类性能进行了测试。实验证明该方法在属性选择方面有较好的性能,能够得到较优的属性子集。     

基于Walsh谱统计分布特征的水下入侵目标分类

提出一种利用目标回波Walsh统计分布特征识别水下入侵目标方法,文中探讨水下入侵目标回波的Walsh谱统计分布特征,提取其统计分布特征量,均值、标准差、偏度系数、峰度系数和波动系数构建特征空间,降低了直接用Walsh谱识别的特征维数。针对采集对应三种入侵目标的回波信号提取其Walsh谱统计分布特征量并进行分类识别实验,并给出了BP神经网络的分类结果。