共查询到10条相似文献,搜索用时 31 毫秒
1.
在电台识别问题的研究中,电台特征提取是识别中的重要内容,直接影响到分类器的设计和识别效果,如何在低信噪比环境下实现对信号的特征提取成为电台识别的难题.针对上述问题,利用分形维数对噪声不敏感的特性,将信号瞬时频率的分形维数作为个体特征,提出了一种新的电台识别方法.首先利用经验包络法提取信号的瞬时频率,通过盒维数和信息维数定量描述瞬时频率的复杂度,再将两种分形维数构成特征向量,最后利用最邻近分类器实现电台的分类识别.通过对4部同型号的超短波电台信号的特征提取和分类识别实验,结果表明在3dB的信噪比环境下,改进方法进行识别的正确率在96%以上,实验结果验证了所提方法的有效性. 相似文献
2.
3.
为解决同型号电台信号识别问题,针对具有同步头的信号,根据噪声在频域分布于底层的特点,从频域角度出发,建立基于软K段主曲线算法的功率谱骨架模型。将谱骨架作为暂态特征,计算其信息维数和盒维数,将得到的分形维数使用SVM分类器进行训练,实现对不同电台发送的相同数据波形信号的识别。实验结果表明,在信噪比较低的情况下,该方法可以有效识别电台,识别率仍可达到80%以上。 相似文献
4.
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。 相似文献
5.
WorldView-1卫星植被全色图像分形维数的计算方法 总被引:3,自引:0,他引:3
WorldView-1卫星可进行高分辨率的全色段成像和细节化的精确制图,其中植被图像的特征提取对于后续识别、分类等研究,具有重要的应用价值。利用分形理论在图像识别中的优势,结合WorldView-1植被全色图像的特征,提取一定规模的植被图像块,分别以Hausdorff算法、Box-counting算法、Euclidean distance map算法及毯覆盖法进行分形维数提取和比较分析,寻求适合WorldView-1植被全色图像的分形维数计算方法。实验结果表明,毯覆盖法计算维数比另外三种算法稳定,适合求取WorldView-1影像分形维数。 相似文献
6.
针对民航飞机维修中的缺陷检测问题,研究了一种基于分形分数维的腐蚀特征提取算法.分析蒙皮的腐蚀现象在分形维数中的定量表示方法,并通过腐蚀区域的轮廓分形特性来确定边界-质心的距离矢量,同时对此矢量进行拟合.在考虑腐蚀区域收缩时阶梯变化的自相似基础上,修正腐蚀轮廓的距离矢量的拟合特征值.把拟合值作为一种关联维数特征,对飞机蒙皮腐蚀缺陷进行检测识别.实验结果表明,该算法对飞机蒙皮腐蚀的特征提取简单,具有腐蚀识别率高、鲁棒性强等优点,且能够满足蒙皮腐蚀缺陷自动检测实时性的要求. 相似文献
7.
掌纹识别作为一种新兴的生物识别技术近年来得到了广泛研究.鉴于毯子 维(Blanket dimension, BD)的多分辨率特性和掌纹纹理的方向性,本文对比分析了普通毯子维、水平方向扩张 毯子维和垂直方向扩张毯子维对掌纹分形特征的表达性能,提出并研究了一种基于水平扩张 毯子维的掌纹识别新算法.本文算法在香港理工大学掌纹数据库(版本2)进行了实验,实验结 果表明,水平扩张毯子维可以很好地提取掌纹特征,获得的识别率可达99.9%,识别时间 小于287ms,可满足在线掌纹识别. 相似文献
8.
针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题,提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集,然后采用关联信息熵度量特征子集的组合效应,兼顾考虑特征间的关联关系和冗余关系对各个特征进行降序排序。在此基础上,采用最大信息系数度量的近似马尔可夫毯方法删除冗余特征,实现对特征子集进行优化和降维。最后,设计了投票组合分类器实现对4部跳频电台信号的识别。仿真结果表明,本文算法具有更高的分选识别率。 相似文献
9.
针对复杂的自然背景下的运动目标检测,提出了一种基于分形特征的运动目标检测算法;该算法利用目标的分形维数与自然背景分形维数的差异将目标从背景检测出来;首先应用改进的地毯覆盖法快速得到图像的分形维数,然后通过比较邻域之间分形维数的相互关系进行目标检测;实验结果表明,该方法能对复杂背景下的运动目标进行检测,由于采用分块求分形特征的方法,能有效地减少搜索目标所带来的计算量,算法过程简单、检测速度快、检测结果精确,目标与背景对比度的变化对检测结果几乎没有影响,且噪声对该算法的检测结果影响较小;在运动目标实时检测问题上有着很好的实用价值和应用前景。 相似文献
10.
通信电台发射的信号通常表现出一定的细微特征差异,针对这种细微特征差异,提出了基于最大Lyapunov指数和盒维数的跳频电台个体识别方法。基于改进的Prony算法,提取样本信号跳变时刻的瞬时频率,分离并定量计算其最大Lyapunov指数和盒维数等瞬时特征,采用基于构造型神经网络的分类方法实现不同跳频电台的个体识别。实际数据的实验结果验证了算法的有效性。 相似文献