由时频分布引导的四参数子空间匹配追踪算法

为了克服四参数匹配追踪计算量巨大的缺点,本文提出了一种由时频分布引导的四参数子空间匹配追踪算法.该算法由引导时频分布确定chirp原子的时频中心,然后用模板匹配方法搜索原子的尺度和调频率(chirp rate).这样,一个高计算复杂度的四维搜索问题被转化为两个相对简单的二维搜索问题.为有效利用时频分布,每次搜索多个时频原子,这些原子不再相互正交.为此,我们利用最小二乘方法计算信号(或残差信号)在相应子空间上的正交投影.同快速脊追踪算法相比,四参数子空间匹配追踪需要更少的原子逼近信号,对实测语音信号的数值计算也证实了这点.     

交替使用小波去噪和全变差正则化的盲图像恢复算法

盲图像恢复就是在点扩散函数未知情况下从降质观测图像恢复出原图像.该文提出了一种交替使用小波去噪和全变差正则化的盲图像恢复算法.观测模型首先被分解成两个相互关联的子模型,这种分解转化盲恢复问题成为图像去噪和图像恢复两个问题,可以交替采用图像去噪和图像恢复算法求解.模糊辨识阶段,使用全变差正则化算法估计点扩散函数;图像恢复阶段,使用小波去噪和全变差正则化相结合的算法恢复图像.实验结果和与其它方法的比较表明该文算法能够获得更好的恢复效果.     

宽带信号距离和速度分辨率的研究

本文中，首先分析了已有宽带模糊函数体积定义的不足之处，在此基础上给出了改进体积的定义其次在宽带信号分辨率的研究中采用了时间一尺度和频率．尺度变换[1]的概念并证明了宽带信号的距离和速度分辨率分别取决于信号的频谱结构和尺度谱结构最后用本文方法分析了几类信号的分辨率这为宽带信号处理提供了一个有力的理论分析工具。     

基于多谱图叠加阈值的抑制WVD交叉项的新方法

水文提出了一种抑制Wigner-Ville分布（WVD）交叉项的新方法。首先对多幅具有不同时-频分辨率的谱图进行叠加，然后对叠加结果进行阈值处理，确定WVD自项在时频平面的支撑区域。最后，用该区域的示性函数乘以WVD得到一个新的时频分布。不同于传统的抑制交又项的核函数方法，该方法抑制交叉项的同时，保持WVD了高时频聚集性。实验结果表明，该方法对由多个LFM信号构成的多分量信号和非线性调频信号都非常有效。     

一种基于子波神经网络的多尺度差分方程求解新方法

多尺度方程的求解是子波与多分辨分析的基础，本文提出了用Ｍ－带子波神经网络求解多尺度差分方程（Ｍｕｌｔｉｓｃａｌｅ Ｄｉｆｆｅｒｅｎｅ Ｅｑｕａｔｉｏｎ，ＭＳＤＥ）的新方法。该方法与以前方法相比，具有很多优点并且求解方程的范围更为广泛。     

一种加窗的双重局部维纳滤波图像去噪算法——基于SWT和DTCWT

提出了一种基于静态小波变换和对偶树复小波变换的加窗的双重局部维纳滤波图像去噪算法。在第一次局部维纳滤波中,用静态小波变换对含噪图像进行分解,然后利用椭圆方向窗来估计不同方向子带的各点信号的方差;在第二次的局部维纳滤波中,第一次局部维纳滤波恢复后的图像被对偶数复小波变换分解后,利用由子带能量自相关函数确定的自适应窗来估计不同方向子带的各点信号的方差,然后利用逆对偶数复小波变换对图像进行恢复。实验结果及分析表明了该去噪算法的有效性。     

基于时频形态学滤波的能量积累检测

许多实际应用中,强噪声背景下信号能量的长时间积累是有效检测的关键.该文利用信号在时频平面上的能量聚集特性,提出基于时频域形态学滤波的能量积累检测方法.首先确定时频分布的最优核,计算观测序列的时频分布;然后用阈值处理和形态学滤波估计时频分布的高能量支撑区域;最后累加这些区域的时频能量作为统计量进行检测.仿真结果表明,这种方法在低信噪比下可以有效工作.     

具有紧支撑对偶的内插子波

本文构造了具有紧支撑对偶的内插子波,与民的内插子波相比,它可以通过ＦＩＲ滤波器组进行快速分解和重构,并且设计上具更大的灵活性,最后,实验结果表明它还具有良好的去噪性能。     

天波超视距雷达瞬态干扰抑制方法

瞬态干扰是影响天波超视距雷达检测性能的主要因素之一,因此必须对瞬态干扰进行抑制.提出了一种改进复经验模式分解方法以抑制天波超视距雷达中的瞬态干扰.该方法利用小波包分解将回波信号先分解成一系列窄带信号,再对每一个窄带信号进行复经验模式分解,然后对各个固有模态函数进行归一化相关性筛选处理,最后对剩余信号进行瞬态干扰检测和剔除.该方法的主要优点是无须杂波抑制和数据预测重构.实测数据处理结果表明该方法能有效地检测和抑制瞬态干扰.     

一种基于AOS格式的多相水平集快速分割方法

采用迎风格式的水平集算法实现需要在曲线演化过程中重新初始化水平集函数的要求,为保证算法的稳定,时间步长选取较小值,算法运行速度较慢。文中基于无须重新初始化的水平集方法,在算法数值实现中引入AOS半隐格式,对基于不同统计模型的水平集分割算法给出统一的数值实现。以二相水平集分割算法为基础提出一种新的多相水平集分割方法。该方法采用一个水平集函数进行多次演化实现多区域分割,其优点包括：1)采用AOS半隐格式,该格式无条件稳定,可采用较大的时间步长;2)对多个统计模型进行统一处理;3)采用单一的水平集函数进行演化,减少水平集演化方程的数量,算法更加灵活。实验结果表明,该方法具有较快的分割速度,对具有多个区域的图像能够进行较准确的分割。