扩展稀疏表示稳健HRRP目标特征提取方法

为提高低信噪比下高分辨一维距离像目标识别性能，提出扩展稀疏表示的噪声稳健目标特征提取方法。本方法通过对稀疏表示的扩展，实现对目标高分辨一维距离像局部特征与全局特征的提取。其中，在训练阶段利用支持向量理论与字典学习原理，对特征提取字典进行优化提高特征向量的可分性。在测试阶段，利用因子分析模型匹配方法对去噪声字典进行优化，从而实现对噪声的有效抑制，保证了目标识别系统的噪声稳健性。利用实测数据对本方法性能进行测试，结果表明本方法可在低信噪比条件下有效地恢复目标高分辨一维距离像，并实现较高的识别正确率。     

CEEMD与KSVD字典训练相结合的去噪方法

本文提出一种完备总体经验模态分解（CEEMD）方法与K奇异值分解（KSVD）学习字典算法相结合的地震信号去噪方法。含噪信号通过CEEMD分解得到一系列不同尺度的固有模态函数（IMF）；按频率由高到低依次排列IMF各分量，并做自相关分析，去除噪声主导的IMF分量；将累加的过渡IMF分量叠加重构并做CEEMD二次分解，通过自相关分析再次去除噪声主导的IMF分量；分别叠加二次CEEMD分解剩余的IMF分量和一次剩余的IMF分量，得到两个新的含噪信号，并利用KSVD过完备字典分别稀疏表示该两个新的含噪信号，即由稀疏系数重构去噪后地震信号，进而重构最终去噪结果。实验结果证明：该算法的去噪效果明显优于F-X去噪、小波阈值去噪和KSVD字典稀疏去噪等传统方法。     

基于CAN总线的伺服电机控制系统设计

鉴于交流伺服电机系统参数繁琐、可操作性差、控制线路复杂、可靠性不高、实时性差等，提出了一种基于CANopen协议的CAN总线伺服电机驱动控制设计方法。CAN总线接口技术用于构建硬件平台，CANopen协议栈程序和电机控制程序在CCS 软件开发环境中实现，并利用PC上位机监控。实验结果表明，交流伺服驱动器采用CAN总线与PC上位机通信，控制简便，实时效果好，数据传输速度快。     

基于冗余字典的联合稀疏同步迭代硬阈值算法

为了改进基于压缩感知(CS)的欠Nyquist采样系统在冗余字典条件下信号重构的效果,研究了基于ε-闭包的分块联合稀疏模型的同步迭代硬阈值(SIHT)算法。分析了采样系统基于多测量向量(MMV)的CS合成模型,提出了ε-闭包的分块相干性和约束等距特性(RIP)概念;在迭代过程中根据冗余字典分块相干性,对更新支撑集进行优选从而完成算法改进;给出了迭代收敛常数,并分析了改进型算法的收敛特性。仿真实验结果表明,相比传统算法,改进型算法在采样系统足够的通道数条件下重构成功率可达到100%,噪声抑制能力能够提高7 dB~9 dB,总运算时间可以降低至少37.9%,信号重构收敛速度更快。     

基于ObjectARX的通风设计参数组织方法研究

基于通风设计内容的分析，提出了采用ObjectARX开发通风辅助设计软件的必要性。论述了其中的关键技术，包括：使用ObjectARX中的扩展字典和扩展记录实现井巷特征参数与巷道线的关联；采用自定义实体的方法实现矿井需风量的计算．通过编写程序验证了方法的正确性。并提供了必要的代码．     

一种信号稀疏表示及其在气象传真图增强中的应用

舰艇在进行鱼雷试验和作战使用过程中,需要以气象传真图作为鱼雷航行和作战的水文气象保障,如何使气象传真图更加清晰可读成为急需解决的现实问题。提出了一种基于信号稀疏表示的针对海上气象传真图增强的新方法。该方法以气象传真图底图和固定的气象符号作为字典函数,充分利用气象传真图的稀疏特性,采用匹配追踪算法进行气象传真图稀疏表示,并利用气象传真图的稀疏系数有效分离噪声。试验结果表明,在气象传真图增强中,该方法明显优于目前的图像增强方法。     

基于分层模型和鲁棒字典学习的背景差分炸点检测

针对背景差分炸点检测方法中背景模型难以更新背景估计和运算复杂等问题,提出一种分层模型下基于鲁棒字典学习的背景差分炸点检测方法。为提高运算效率,该方法对图像帧建立3层金字塔分层模型,在每层将图像帧分割为互不重叠块,逐层以图像块为单位通过改进的鲁棒字典学习方法进行背景估计,与当前图像帧作背景差分实现炸点检测。采用炮弹炸点图像序列对所提出的方法进行了实验验证。实验结果表明,与现有炮弹炸点检测方法相比,该方法在准确率、误检率和鲁棒性方面均具有优越性能。     

结合全局和局部稀疏表示的SAR图像目标识别方法

提出结合全局和局部稀疏表示的合成孔径雷达(SAR)目标识别方法。基于全局字典的稀疏表示可以比较各个训练类别对于测试样本的相对表征能力。而基于局部字典的稀疏表示则体现各个类别对于测试样本的绝对描述能力。因此,两者的结果具有良好的互补性,可以为正确决策提供更充分的信息。采用D-S (Dempster-Shafer)证据理论对两者的决策矢量(即重构误差)进行决策融合从而得到更为稳健的识别结果。基于MSTAR数据集进行了目标识别实验并与其他SAR目标识别方法进行了充分对比,实验结果证明了提出方法的有效性。     

基于字典学习的煤岩图像特征提取与识别方法

现今的煤岩图像识别方法取得了一些阶段性的成果,但还无法满足实际需求。为了挖掘新的煤岩图像识别方法,研究了基于字典学习的煤岩图像特征提取与识别技术,提出用字典学习算法提取煤岩图像特征。字典学习算法采用随机选择的方法对字典进行初始化和更新。结合分类算法对煤岩图像进行分类识别,结果表明:通过字典学习,能简单有效表达煤岩图像的特征信息,获得了较高的识别率,且该特征提取方式具有较好的发展前景。研究结果可为煤岩界面的自动识别提供新的思路和方法。     

带标签信息子字典级联学习的复合电能质量扰动识别方法

针对传统字典学习方法的训练样本信号单一、重构效果差等缺点,提出一种带标签信息子字典级联的学习方法,对电能质量扰动信号进行扰动识别。该方法首先对不同类别电能质量扰动测试和训练样本采用主成分分析方法进行降维特征提取,对训练样本添加标签信息,其次对不同类别的电能质量样本训练成冗余子字典并级联成结构化字典,最后将级联的字典优化学习并由冗余误差最小值来判断目标的归属类别。仿真实验结果表明,该方法下的识别效果优于支持向量机(SVM)和稀疏表达分类(SRC),抗噪声鲁棒性更强,在信噪比20 dB以上的环境中电能质量复合扰动识别率达到91.40%以上。