短时分数阶傅里叶变换的基本性质

作为一种不会对信号时频结构在解线调时产生压缩扭曲的线性时频分析工具,短时分数阶傅里叶变换(STFrFT)相比于分数阶傅里叶变换更适于处理多项式相位信号.证明了短时分数阶傅里叶变换的一些基本性质,例如:重构条件和帕塞瓦尔定理等.以chirp信号为例给出了STFrFT的窗函数和窗口参数的选择依据.本文结论为短时分数阶傅里叶变换的应用提供参考.     

傅里叶变换的多视角步态识别

步态识别作为一种全新的生物特征识别技术,通过人走路的姿势实现对个人身份的识别和认证。步态能量图将一个周期的步态组合在一起,增强了各帧的相关性,减少了噪声的干扰。对步态能量图进行傅里叶变换,利用傅里叶变换的低频分量对多个视角的步态进行识别。在CASIA数据库中进行实验,结果表明算法简单快速,取得了较好的识别效果。     

基于双分支时空步态特征融合的深度学习步态识别

针对现有步态识别方法易受拍摄视角、着装变化影响的问题,提出一种融合二维无肩姿态拓扑能量图(shoulderless pose topological energy maps, SPTEM)和三维局部骨骼步态特征(local skeleton gait features, LSGF)的深度学习步态识别方法.首先,利用轻量级BlazePose姿态估计算法提取步态视频序列中的人体姿态拓扑图以生成SPTEM,在提高检测速度的同时减弱衣物变化带来的影响;然后,引入LSGF以弥补单一能量图特征在多变视角情况下识别准确率较低的不足;最后,提出结合注意力机制的时空特征提取网络模型,并在全连接层将双流特征进行一致融合.在CASIA-B数据集上对所提出方法进行验证,并与当前主流的步态识别方法进行比较,结果表明,所提出方法在跨视角和穿大衣/棉衣条件下的步态识别率都有明显提升.     

基于分数阶傅里叶变换的LMS自适应滤波

分数阶傅里叶变换是一种线性变换,在多分量情况下不像Wigner-Ville分布那样受到交叉项的影响。但是当信号的信噪比比较小时,检测的效果就比较差,文中提出了一种基于分数阶傅里叶变换的LMS自适应滤波算法。实验结果表明,这种方法在低信噪比的情况下能够有效地检测出信号。另外,如果在自适应过程中采用变步长,可以加快收敛速度,可以显著地减少运算量。     

基于稀疏PCA的多阶次分数阶傅里叶变换域特征人脸识别

文章提出基于稀疏PCA的多阶次分数阶傅里叶变换(fractional Fourier features,Frft)特征的人脸识别(Multiple Order discrete fractional Fourier Features ,MOFF). 鉴于分数阶傅里叶变换对光照、表情的鲁棒性, 并已在图像处理领域得到应用,首先,Frft幅度随阶次的变换呈现压缩性,而SPCA提取其主要信息将且分为主要信息域和次要信息域,融合二者的互补信息组成混合幅度特征,然后融合混合幅度特征、实部特征和虚部特征,最后融合不同阶次下Frft域特征。此外该文提出基于贪婪算法的分数阶阶次选择算法和基于Fisherfaces的权重方法。ORL 和AR人脸数据库上的仿真证明了本算法的有效性。     

基于分数阶傅里叶变换的语音消噪

傅里叶变换是语音信号处理的常用方法,但其存在窗口分辨率的问题,当窗口值大,语音信号的全局特性方便获取,局部信息不精细,当窗口值小,局部信息精度高,全局特性无法完全获取,这是傅里叶变换固有的矛盾.本文采用了分数阶傅里叶变换方法,对有噪音的语音信号先经小波局部消噪处理,利用分数阶傅里叶变换对语音进行了全局消噪,并与循环神经...     

基于分数阶傅里叶变换的两步运动补偿CS算法

针对传统的基于傅里叶变换的两步运动补偿SAR成像算法在处理非平稳运动误差时效果不显著的问题,提出了基于分数阶傅里叶变换(Fr FT)的两步运动补偿CS算法,以期消除距离向运动误差的影响,从而获得高质量的SAR图像。仿真结果和基于实测SAR数据的成像结果都表明,所提算法能很好地消除距离向运动误差的影响。     

基于分数阶傅里叶变换的ISAR横向定标

逆合成孔径雷达的横向定标是确定横向像素代表的真实尺寸、进行目标几何特征提取的前提。本文研究了一种基于分数阶傅里叶变换（Fractional Fourier transform,FrFT）的横向定标方法,利用回波信号在慢时间域为线性调频信号的特性,使用FrFT方法得到信号在不同分数阶傅里叶域的能量聚集性,估计目标回波信号多普勒调频率,求得转动角速度,进而完成横向定标。仿真实验验证了算法的有效性和准确性。     

基于提升静态小波-分数阶傅里叶变换的LFM识别

提出了一种基于提升静态小波(SWT)-分数阶傅里叶变换(FRFT)的识别算法。该算法提高了FRFT的精确定位能力,并且在建立滤波前后小波系数非线性关系的基础上,提出了软硬阈值折中消噪法。算法首先找出每个分数阶次对应的最大值点,将这些最大值组成曲线的模通过提升SWT变换转换到小波域;利用折中消噪法消去其低频系数噪声,从而估计出信号的低频部分在时间平移轴上的大概位置;然后对各层高频系数进行初滤波,剔除带外噪声,并采用折中消噪法进行二次滤波;最后重构信号并根据曲线峰值对其精确定位以识别各个参数。仿真结果验证了算法的有效性。     

一种基于混沌和分数阶傅里叶变换的图像加密算法

基于混沌及分数阶傅里叶变换,提出一种对灰度图像的加密算法,并对算法进行仿真实现,结果表明该加密算法加密速度快,效果良好,密钥空间大,具有较强的实用性.     

双视角下多特征信息融合的步态识别

针对步态识别研究中单视角识别率低、多视角算法复杂等问题,开展了双视角下的步态识别研究.考察正面视角人体的轮廓特征和侧面视角人体行走的动态特征,利用多视角步态信息互补性强的特点,分别从正面视角和侧面视角获取步态序列,预处理得到单连通人体轮廓图形,然后对正面视角提取Procrustes均值形状,侧面视角计算动作能量图(AEI)并经二维局部保留映射(2D LPP)降维,最后将2个视角下的识别结果进行融合从而获得最终的识别结果.在中科院自动化所的DatasetB数据库上进行了实验,获得了较高的识别率,达到了预期的识别效果.