EEG信号中癫痫棘波的小波变换检测

基于小波变换良好的时频局部化特性,研究了一种利用连续小波变换提取脑电信号中的癫痫棘波的方法,实验结果表明这种方法能够方便而有效地对脑电信号中的癫痫棘波进行检测。     

一种基于小波包的语音信号特征提取方法研究

为了提高语音信号的识别率,提出了一种基于小波包的语音信号特征提取方法。该方法先对语音信号进行适当尺度的分解,求得各尺度的频谱,在此基础上得到各尺度信号能量,再通过DCT变换获得最后的特征参数。通过仿真实验,说明了新特征参数取得了较高的识别率。     

基于CSLBP模糊图像特征提取与检测方法研究

图像作为记录生活和储存信息的重要途径之一,是人对视觉感知的物质的一种再现,同时也是对现实场景的一种真实写照.面对海量的图像数据,如何准确高效的提取图像特征,获取有用信息,将信息转化为所需特征,是需要解决的问题.针对这一问题,本文提出的基于CSLBP模糊图像特征提取与检测方法很好的解决了这一问题.同时结合HOG特征提取与...     

基于马尔可夫模型和小波变换的立体残差图像编码

利用立体图像，三维视觉通信能给人提供一种现场真实感。为了产生一个3D系统，必须同时传送两个图像（左图像和右图像）。因此应当研究一种更有效的编码方案。本文首先研究了立体图像的统计特性和左右图像间的交叉相关性，并在分析了视差和残差图像的统计特性后，提出了一个基于小波变换的视差补偿残差（WDCD）的编码方案。仿真实验结果表明，在比特率为0.23bit/pel时，本文的方案重构的残差图像的信噪比（PSNR）和基于DCT的编码方案相比，要高0.58dB。     

基于小波分析的倒装芯片主动红外缺陷检测

随着微电子技术的需求和发展,倒装芯片技术在高密度微型化封装领域得到了快速发展和广泛应用,而现有的一些倒装芯片检测方法存在一定的不足之处。为此,研究了主动红外的倒装芯片缺陷检测方法。实验中使用激光加热对倒装样片施加非接触热激励,通过红外热像仪获取样片温度分布。采用小波分析方法提取包括小波熵在内的信号特征,采用自组织神经网络对不同类型焊球进行聚类识别。研究表明,通过自组织神经网络可以有效地将不同缺陷焊球与参考焊球通过距离映射法映射到不同区域从而区分开,并且可以将未知焊球信号映射到相应的区域实现聚类识别。因此该方法可以有效实现倒装芯片的缺陷检测。     

基于小波包分解的舰船辐射噪声特征提取方法研究

由于舰船辐射噪声有其自身的非高斯、非线性和非白噪声的非平稳特性,传统时域或频域的信号处理方法不能满足对这类信号的处理.而小波包变换对信号的非平稳特性有适应性.本文通过利用小波包变换分解舰船的辐射噪声,统计噪声在各个频段上的能量分布,将统计的分频段能量作为舰船的目标特征,实现舰船目分类识别标的目的.结合Matlab对舰船辐射噪声进行仿真,提取的目标一和目标二的特征,实现了舰船的分类识别的目的,验证的方法的有效性.     

基于小波脊线-Hough变换的LFM信号检测

线性调频(LFM)信号是现代雷达广泛使用的一种大时宽-带宽积的低截获概率信号,根据线性调频信号的小波变换特性,小波脊线与瞬时频率的对应关系,提出了一种检测线性调频信号的联合小波脊线-Hough变换方法,该方法首先计算信号的小波变换,得到二维时-频能量分布图,采用脊算法提取信号的小波脊线,然后在小波脊线时-频平面上再进行Hough变换,从而检测噪声中的线性调频信号并估计信号参数.仿真结果证明,此方法可有效地对线性调频类信号进行检测,并且有较好的抗噪声性能.     

采用DSP与小波变换实现声信号单目标识别

采用TMS320F2812数字信号处理器作为系统核心处理器件,辅以必要的外围电路实现声信号的采集、处理、特征提取及目标识别。根据典型目标声信号的特性,运用小波变换理论对其进行阈值滤波处理;利用小波分析能够反映信号时域和频域局部特性的优点,采用小波变换实现子空间能量特征提取;实现了声信号的快速处理与识别。将此系统应用于典型的车辆目标进行识别,取得了满意的识别效果。     

基于层次隐马尔科夫模型和变长语义模式的入侵检测方法

分析了定长系统调用短序列在入侵检测系统应用中的不足,利用进程堆栈中的函数调用返回地址信息,提出了一种变长短序列的语义模式切分方法,并根据这种变长语义模式之间的层次关系和状态转移特性提出了基于层次隐马尔科夫模型的入侵检测方法.实验结果表明,与传统的隐马尔科夫模型相比,基于层次隐马尔科夫模型的入侵检测方法具有更好的检测效果.     

基于部分标记数据进行人脸图像特征提取

针对无监督特征提取的识别率低与监督特征提取需要大量标记的问题,提出一种基于部分标记数据的半监督判别分析(SSDPA)特征提取法。本文方法能实现图像数据降维,避免线性判别分析(LDA)存在的小样本问题,达到提高识别率的目的。算法对图像进行离散余弦变换(DCT)变换;根据DCT图像的频率分布,利用部分标记数据计算SSDP;优先搜索SSDP高的DCT图像信息。将本文方法与其它方法进行组合,在不同人脸数据库上进行了实验。实验证明了本文方法的有效性,用较低的代价获得了优于传统方法的识别率。     

Adaptive multiscale edge detection based on vision feature of edge and wavelet transform

A new rnultiscale edge detection method is presented, which is based on an effective edge measure. The effective edge measure, used to adaptively adjust the scales of wavelet transform, is defined using the novel features of image edge obtained from human being vision characteristics. Finally, two experiments show that the proposed algorithm appears to work well.     

基于DSP和小波变换的电压暂态扰动在线监测方法研究

设计了一款基于DSP2812的电压暂态扰动在线检测装置,研究了基于DSP和小波变换的电压暂态扰动在线检测方法。该装置通过霍尔传感器和模数转换芯片采集电信号,以高性能数字信号处理芯片TMS320F2812为核心信息处理单元,完成了DSP及其外围电路设计。采用小波变换在线检测电压暂态扰动,并在DSP中实现了小波算法,软件还包括主程序模块、A/D采集模块、中断模块、上位机处理模块和通讯模块等设计。实验首先在Matlab中进行了仿真实验,选取合适的小波函数,利用Matlab中的DB4小波对扰动进行定位;然后再利用信号发生器产生包含暂态扰动的信号,采用该文研制的装置进行了在线扰动定位。利用DSP 强大的运算性能和高效的小波算法,能实现电量采集和电压暂态扰动的实时分析同步进行。实验表明：该装置精度高,数据处理速度快,可实现电压暂态扰动的实时检测。     

Automated detection of panic disorder based on multimodal physiological signals using machine learning

We tested the feasibility of automated discrimination of patients with panic disorder (PD) from healthy controls (HCs) based on multimodal physiological responses using machine learning. Electrocardiogram (ECG), electrodermal activity (EDA), respiration (RESP), and peripheral temperature (PT) of the participants were measured during three experimental phases: rest, stress, and recovery. Eleven physiological features were extracted from each phase and used as input data. Logistic regression (LoR), k-nearest neighbor (KNN), support vector machine (SVM), random forest (RF), and multilayer perceptron (MLP) algorithms were implemented with nested cross-validation. Linear regression analysis showed that ECG and PT features obtained in the stress and recovery phases were significant predictors of PD. We achieved the highest accuracy (75.61%) with MLP using all 33 features. With the exception of MLP, applying the significant predictors led to a higher accuracy than using 24 ECG features. These results suggest that combining multimodal physiological signals measured during various states of autonomic arousal has the potential to differentiate patients with PD from HCs.     

基于离散傅里叶变换的高动态突发信号检测及频率估计

针对高动态突发通信应用环境,提出了一种新的基于频率域的突发信号检测及载波频偏估计算法,通过一次离散傅里叶变换( DFT)实现突发信号存在性检测及频率估计,并与经典Power-Law算法进行了比较。仿真结果表明：在低信噪比条件下,新算法检测信噪比门限改善超过1 dB,频率估计均方根误差小于符号率的1‰,并且对载波频偏及信号电平动态不敏感,实现结构简单,适合实时处理及工程应用。     

基于提升小波和形态学融合的图像边缘检测

针对传统边缘检测方法边缘定位不精确的缺点,结合提升小波变换和数学形态学的优势,提出了一种融合提升小波和多尺度形态学的边缘检测方法.首先,对原始图像进行提升小波变换;再用小波变换和多尺度形态学算子分别对低频图像进行边缘检测,根据异或原则融合成低频边缘;然后,用小波变换检测高频图像边缘;最后,通过提升小波反变换得到边缘图像.实验结果表明,与传统或其他的形态学边缘检测方法相比,该算法在保持图像边缘清晰的同时,具有很强的边缘定位能力.     

基于网络舆情倾向性分析的机器学习方法研究

本文重点是对网络用户中的网络舆情倾向性进行分析,构建一种准确率更高的模型来实现情感倾向判断.网络舆情倾向性分析主要是通过机器学习的方法和制定部分规则的方法,从而能够更加准确地判断出句子的情感倾向性,进而能在实际生活中进行有针对性地积极引导调控.基于此,提出一个设想,对于机器学习的方法之间的结合与本身的改进,再加入规则的制定,能够提高机器对情感句子的分析准确率.对于模型应用之前的特征提取的方法进行比较选取,通过特定的特征选取方式使得构造向量空间更加准确,再通过比较不同分类算法进行比较选取.     

基于聚类和特征检测的焊缝和钨针定位方法

钢管氩弧焊接过程中需要实时判断钨针针尖与钢管焊缝中心线是否对齐,以控制焊接质量。用肉眼判断误差较大,且效率较低。为此,提出一种基于聚类和特征检测的氩弧焊图像中焊缝中心线坐标和钨针针尖坐标位置计算方法。该方法利用幂次变换的方法增强图像对比度,用直觉模糊C均值聚类方法对图像进行二值化,用Canny算子边缘检测的方法提取图像特征,检测出钢管氩弧焊图像中的熔池、焊缝中心线以及钨针针尖位置。实验结果表明,该方法能够快速准确地定位焊缝中心线和钨针针尖位置。     

基于信息分存的整数小波大容量数据隐藏方法

针对基于变换域的数据隐藏算法容量较小、提取时需要原始图像的问题,提出一种小波域的大容量隐藏盲提取算法。利用混沌序列和分组异或对隐秘信息加密,进而将隐秘信息分解为不完全商和余数,然后将不完全商和余数分存于载体图像的低频和高频系数中,并对溢出进行处理。实验表明:在灰度图像中数据隐藏量(SHR)达到37.5%,峰值信噪比(PSNR)可保持在39 dB以上,直方图无异常;通过混沌加密,使得隐秘信息具有较好的伪随机特征,安全性好。     

基于特征提取与认证的彩色图像人脸检测

在深入的对频谱脸法和Fisherface方法进行研究后,综合这两种方法的优点,提出了一种基于频谱脸和Fisher-face的人脸识别新方法。频谱脸方法主要是采用二维小波变换和傅立叶变换。因为人脸图像的低频部分对人脸的表情变化是不敏感的,所以对人脸图像使用二维小波变换,提取人脸图像的低频部分。对人脸图像的低频部分使用傅立叶变换,从而获得原人像的一个低维空间的表达。但是频谱脸特征维数仍然较高,所以在频谱脸法的基础上继续提取人脸频谱图像的Fisherface特征,降低特征的维数,提高识别效率。利用人脸面部构造产生的灰度特性提取眼睛,利用嘴唇的色度特征分割出嘴巴,进而根据眼睛和嘴巴构成三角形模板的特性,精确定位人脸在图像中的位置。实验结果表明,这种结合肤色和面部特征的算法,能够对人脸进行较快速、准确的定位,而且结果比较稳定可靠。     

结合方向边缘检测的红外与可见光图像融合算法

针对现有红外与可见光融合算法中存在边缘模糊与目标不清晰等问题,通过对红外图像与可见光图像的研究,提出一种基于方向边缘检测的红外与可见光的图像融合算法。通过在传统的边缘检测算法基础上,引入一个方向因子,提出了一种新的方向边缘检测算法;并根据高频子带与低频子带中小波系数的不同特性,分别对其采用了不同的融合规则。实验结果表明,该算法能够有效的提取图像中的边缘信息与目标信号,具有可靠性高、清晰度高的市场优势。