基于小波分解的融合图像评价方法

本文提出了一种新的基于小波多尺度分解的图像质量评价方法,其基本思想是首先对源图像和融合图像进行小波多尺度分解;其次,在小波域计算源图像与融合图像的相关性;最后根据小波系数的重要性进行加权得出评价指数。仿真表明:该方法的算法简单,计算量小,评价结果符合人眼的视觉特性,可用于多传感器图像融合效果评价。     

基于非线性调频信号的多相序列设计

用相位逗留原理，给出非线性调频信号的设计方法，对其进行相位离散化，产生多相离散相位序列P（n，k），其中n和k为频域窗函数的参数。P（n，k）随着窗函数的不同，具有不同的主副瓣比PSR。对n=2和4，长度为100的P（n，k）信号进行优化设计，给出具有近似最优的PSR的P（n，k）信号。对主瓣宽度进行理论分析，给出理论上的主瓣宽度的计算方法。P4码信号作为P（n，1）信号，虽然具有最窄的主瓣，但具有较高的距离旁瓣。计算机仿真表明：P（n，k）信号具有比P4信号更强的多普勒鲁棒特性。与前两者比较，FRANK码的多普勒性能最差。     

合成孔径雷达中匹配滤波与解调频压缩方法的性能分析

匹配滤波与解调频脉压是合成孔径雷达中常用的两种处理方法,理论上这两种方法在获得的信噪比和分辨能力上是相同的,但实际应用中却存在差异。本文首先从理论上分析了当回波存在多普勒偏移以及调频率存在误差时,这两种压缩方法对测距精度与距离分辨率产生的影响。接着重点讨论了两种压缩方法的抗噪声性能,在假设同波中存在白噪声时,对输出结果的信噪比进行了分析。理论分析和仿真结果表明,匹配滤波方法比解调频方法的抗噪性更好,解调频方法的抗干扰能力低于匹配滤波方法。本文结论对SAR系统的设计具有一定的参考价值。     

时空DOA矩阵方法

本文提出了一种新的基于信号空时特征结构的高分辨二维DOA估计方法-时空DOA矩阵方法.该方法在保持原DOA矩阵方法无需二维谱峰搜索和参数配对等优点的基础上,利用阵元输出之间的互相关关系将空域的阵列观测数据变换到时空域,通过空时二维处理在时空域中衍生出大量虚拟阵元,从而大大减弱了传统方法中对阵列结构、排布方式和阵元一致性的约束,不需要匹配子阵,无冗余阵元与孔径损失,并适用于阵元排列不规则的阵列.仿真结果证明了该方法的有效性.     

用于信号逼近和分类的自适应周期小波神经网络

小波神经网络是一种新的信号逼近和分类工具.对小波基函数的选取、参数初值确定、参数的计算方法以及在信号逼近和分类中的应用等问题已经有大量研究.小波神经网络应用于信号分类仍有不少具体问题.本文针对模板和样本信号周期不同时网络参数差异较大的问题,对网络结构进行了修正,提出了自适应周期小波神经网络(APWNN,AdaptivePeriodWaveletNeuralNetwork),给出了计算方法.以特定人元音识别试验为例,给出了APWNN在信号分类中的具体应用.     

基于离散小波标架的信号降噪

本文提出了基于小波标架的软门限压缩降噪方法,它是根据小波标架表示系数在不同的尺度有不同的方差,在各尺度分别模拟理想选择估计器来选择门限对小波系数进行压缩。该方法能有效地减少［３,４］中基于小波基方法的振荡效应,并对仿真结果作了理论分析。     

先验概率和代价函数均模糊时基于贝叶斯最小风险准则的分布式决策融合

当先验概率和代价函数均为梯形模糊数时,在贝叶斯最小风险准则意义下,研究了在融合中心对多个独立传感器的决策进行最优融合的问题,给出了四种决策融合算法,通过仿真和比较这四种融合算法的结果,找到了一种最适用于这种场合的最优决策融合算法。结果表明,在先验概率和代价函数均为梯形模糊情况下所导出的最优决策融合规则是各检测器决策的加权和与一门限之比较,权重是各检测器检测概率和虚警概率的函数,门限除与最优融合准则     

采用脉冲调制和循环前缀的超宽带无线通信系统

该文提出一种采用循环前缀和脉冲调制的超宽带无线通信系统(UWB-CP/PM),以及相应的信号处理算法.借鉴采用循环前缀的单载波通信系统(SC-CP)的基本思想,UWB-CP/PM系统通过变换域均衡可以很好地抑制多径干扰.借助脉冲调制,UWB-CP/PM系统可以大大简化收发器件.利用脉冲重复周期大于脉冲宽度的特点,UWB-CP/PM系统不仅可以通过多支路接收和并行处理降低系统对基带处理速度的要求,还可以通过变换域信号处理有效地抑制衰落、多用户干扰和窄带干扰.仿真结果验证了上述性能.     

一种基于IMM的非迭代式自适应变数据率算法

本文提出了一种新的自适应调节跟踪数据率的方法。这种算法利用了跟踪帧周期与滤波精度和滤波器模型参数之间的解析关系,解决了自适应调节数据率时确定调节量的问题。仿真结果表明,这种算法不仅保留了多模型变数据率方法的主要优点,而且克服了现有多模型变数据率方法计算量太大的缺点。