实现分离神经间信号再生和功能重建用的微电子神经桥

根据神经信号的特性设计了微电子神经桥。微电子神经桥包括神经信号探测电极、功能电激励电极和神经信号放大、处理及功能电激励驱动电路,其核心电路采用集成电路0.5μm CMOS工艺实现,已经通过电学测试并应用于动物实验。文中设计了一个特别的实验方案以验证微电子神经桥的可行性。在微电子神经桥辅助下,脊蟾蜍的缩腿反射可以在另外一只脊蟾蜍对应腿上重建。经过相关性分析,受控脊蟾蜍的坐骨神经信号相对于信源脊蟾蜍的坐骨神经信号延迟0.72ms,而且互相干函数值达到0.73,所以受控坐骨神经信号与信源坐骨神经信号显著相关,与反射相关的神经功能得到再生。实验证明微电子神经桥可以在异体神经间实现功能重建。     

利用脊的特征进行信号盲分离

本文研究了一种新的盲信号分离方法,利用信号在时频变换域上的一些形态特征进行信号分量的分离和重构.稳定位相法的理论表明,渐近信号在连续小波变换域上的分布呈现明显的脊的形态,脊上的数据表现出和原信号最相似的特性,各个信号分量的主要参数均可以从各自对应的脊上的信息中提取出来,并且完全重构信号.本文利用这一特点对由多个非平稳信号混合而成的源信号进行盲分离,并给出了仿真实验的结果.     

基于Ridgelet变换的图像融合

文章介绍了小波变换和脊波变换在表达信号特征上的区别、脊波变换的实现方式,讨论了基于脊波变换的图像融合思想。通过一系列图像融合实验,研究了脊波变换中图像子块的大小对融合图像的质量的影响,重点说明了脊波变换在保持融合图像的空间细节信息上的能力。     

用于压缩感知信号重建的正则化自适应匹配追踪算法

压缩感知理论是一种充分利用信号稀疏性或者可压缩性的全新的信号采样理论。该理论表明,通过采集少量的信号值就可实现稀疏或可压缩信号的精确重建。该文在研究和总结已有重建算法的基础上,提出了一种新的基于正则化的自适应匹配追踪算法(Regularized Adaptive Matching Pursuit,RAMP)用于压缩感知信号的重建。该算法可在信号稀疏度未知的情况下,通过自适应过程自动调节候选集原子的个数,利用正则化过程实现支撑集的二次筛选,最终实现了信号的精确重建。实验结果表明,在相同测试条件下,该算法的重建效果无论从主观视觉上还是客观数据上均优于其它同类方法。     

利用小波脊线实现数字调制信号的自动识别

针对含基带脉冲成形滤波的数字调制信号的自动识别,研究了小波脊理论在其中的应用.理论分析表明,不同调制类型的数字信号经过连续小波变换后,会在时频平面上呈现出不同的脊线特征,利用这些特征能够有效识别信号调制类型.在小波脊原理的基础上,还进一步推导出选择Morlet小波参数的标准以及信号的规格要求.实际信号的测试证明了该方法的有效性和可行性.     

基于小波和脊波变换的探地雷达信号杂波抑制

针对如何有效去除探地雷达信号的干扰噪声问题,提出了一种基于小波和脊波变换的杂波抑制方法。小波能有效地描述图像的点奇异性,而脊波能有效地描述图像的线奇异性。首先结合小波和脊波的特点,对探地雷达回波信号进行自适应阈值去噪,然后利用脊波的方向敏感性在脊波域去除直达波信号,最终通过处理实际探底雷达数据,验证算法的有效性。     

一种改进的小波脊提取算法

针对基于模极大值和基于相位信息的小波脊提取算法的缺点,提出了一个改进的小波脊提取算法。该算法利用小波系数的相位信息提取所有可能的脊点,利用小波系数模的最大值以及脊线的连续光滑性甄别出信号的脊点,排除掉噪声的脊点,从而加快了脊点的搜索速度,提高了脊点提取的有效性。相比于基于模极大值和基于相位信息的小波脊提取算法而言,该算法更适用于低噪声信号的小波脊线的提取。     

频带有限信号非一致采样重建的谱方法

本文研究带限信号的非一致采样重建问题。我们利用信号频带分割方法,导出带限信号周期非一致采样情 况下的具体重建公式,并由此给出带限信号有限采样在区间上的插值公式并对它进行了数值实验。最后利用频谱分割方法, 讨论了多带限信号一些采样策略。     

指纹的脊频率估计

本文提出了一种新的指纹图像脊频率的估计方法。该方法通过给定的模板对指纹采样信号卷积，增强了信号峰值，抑制了噪声，从而还原出指纹的脊谷结构，提高了指纹脊频率估计的精确性，有利于指纹识别时的其他后续操作。实验结果表明，与以往的一些脊频率估计算法相比，在精确性和及时性方面，本文所提出的方法用来估计脊频率有明显的优势，更适合于在线指纹识别系统。     

基于时域平滑约束的脑磁时序信号逆问题求解方法

由脑磁时序信号重建脑内时序神经信号时,除了要保证重建信号位置和强度的准确性,还要避免重建源信号在时域上瞬变.针对这一问题,提出了一种基于时域平滑约束的脑磁时序信号逆问题求解方法.该方法不同于传统最小范数估计算法（Minimum Norm Estimate,MNE）,通过引入时域平滑正则算子构造双参数混合正则化,根据广义交叉验证（Generalized Cross-Validation,GCV）原则选取双正则化参数后,根据单正则项的解在源信号中的权重将其进行线性组合估算出源信号.仿真数据实验表明,本文方法比传统MNE方法的总体均方误差小,且各时刻均方误差基本稳定在同一水平;同时本文方法重建的源信号与仿真源信号变化趋势基本一致.真实数据实验发现,本文方法重建结果的曲率变化率为0.0640,而传统MNE方法重建结果的曲率变化率为0.1646.实验结果证明本文方法能重建出空域准确且时域平滑的脑内神经信号.     

Multiridge detection and time-frequency reconstruction

The ridges of the wavelet transform, the Gabor transform, or any time-frequency representation of a signal contain crucial information on the characteristics of the signal. Indeed, they mark the regions of the time-frequency plane where the signal concentrates most of its energy. We introduce a new algorithm to detect and identify these ridges. The procedure is based on an original form of Markov chain Monte Carlo algorithm especially adapted to the present situation. We show that this detection algorithm is especially useful for noisy signals with multiridge transforms. It is a common practice among practitioners to reconstruct a signal from the skeleton of a transform of the signal (i.e., the restriction of the transform to the ridges). After reviewing several known procedures, we introduce a new reconstruction algorithm, and we illustrate its efficiency on speech signals and its robustness and stability on chirps perturbed by synthetic noise at different SNRs     

Characterization of signals by the ridges of their wavelettransforms

The characterization and the separation of amplitude and frequency modulated signals is a classical problem of signal analysis and signal processing. We present a couple of new algorithmic procedures for the detection of ridges in the modulus of the (continuous) wavelet transform of one-dimensional (1-D) signals. These detection procedures are shown to be robust to additive white noise. We also derive and test a new reconstruction procedure. The latter uses only information from the restriction of the wavelet transform to a sample of points from the ridge. This provides a very efficient way to code the information contained in the signal     

The system modelling and circuit implementation from time–frequency domain signal specifications

The system modelling and the circuit implementation of the nonlinear circuits using the wavelet domain techniques has been accomplished in this study. When the time–frequency domain specifications have been given as the wavelet ridges, the signal with the given ridges has been synthesized. Then, the dynamical wavelet network has been trained for the synthesized signal. The circuit of the wavelet network has been designed and simulated.     

面向内容的语音信号压缩感知研究

压缩感知理论依据信号的稀疏性质进行压缩测量,将信号的获取方式从对信号的采样上升为对信息的感知,是信号处理领域的一场革命。本文提出一种基于非确定基字典（Uncertainty Basis Dictionary, UBD）对语音信号进行稀疏表示的方法,将压缩感知理论应用于对语音信号稀疏表示的压缩,并提出了基于求解线性规划问题的方法重构语音信号的算法。通过语音识别、话者识别和情感识别实验,从面向内容分析的角度,研究这种基于压缩感知理论的信息感知方法是否保留了语音信号的主要内容。实验结果表明,语音识别、话者识别和情感识别的准确率,与目前这些领域研究方法得到的结果基本一致,说明基于压缩感知理论的信息感知方法能够很好地获取语音信号的语义、话者和情感方面的信息。      

Determination of Wavelet Ridges of Nonstationary Signals by Singular Value Decomposition

The ridges obtained from chaotic signals can give the relevant information about the phase structures of the dynamical systems. Therefore, a new wavelet ridge determination method for the noisy signals and nonstationary signals, which is based on the singular value decomposition (SVD) has been proposed in this paper. The proposed method has been compared with Carmona method for monocomponent signals, and multicomponent signals. The proposed method is computationally more effective than the Carmona method to determine the actual ridges. Also, the ridges of the periodic limit cycles and chaotic attractors have been determined by using the SVD-based method to find the degree of chaoticity.     

关于电子与信息工程专业信号与信息处理类课程体系设置的研究

信息技术革命推动了电信技术的更新换代,面对电信技术及理论的快速发展,合理设置信号与信息处理类课程体系,是电子与信息专业教学改革中急需迫切解决的问题。文章提出信号与信息处理类课程是电子与信息工程专业的核心课程,提出了由信号与系统理论的基本概念和基本分析方法、信息的传输与通信、信息处理的专业核心、信息处理的应用及信息处理的实现五个部分组成的课程结构体系。     

基于时频分析的高频雷达目标检测与定向

针对宽波束高频雷达对非平稳目标探测的问题,提出了一种新的基于线性时频分析的目标检测与定向方法,即先从时频面上检测出目标的时频脊,然后沿脊线对线性时频表示采样形成阵列快拍,进行空间谱估计.分析了目标横向运动对空间谱估计的影响,提出了横向运动补偿及目标时变方位和横向速度估计的方法.雷达实测数据处理表明,本文方法能有效地应用于宽波束高频雷达对非平稳目标的探测中.     

基于互信息的雷达通信频谱复用方法

针对雷达通信一体化的应用需求,本文提出了基于互信息的雷达通信频谱复用方法。首先,建立了雷达通信一体化系统的信号模型;其次,构建了基于互信息的雷达性能评价指标,并在此基础上以通信率为通信性能评价指标,建立了基于信息论相关理论基础的雷达通信一体化系统性能评价模型;接着,根据雷达接收信号与通信接收信号的频带复用程度将频谱分配模式分为传统频谱非复用和两种频谱复用模式,推导了雷达通信一体化系统在三种模式下的性能内界;最后,通过对三种模式下的系统性能及频谱资源需求量进行定量仿真评估,对比了频谱复用模式相对于传统频谱非复用模式的系统效能得益,验证了所提方法的有效性。      

基于Pearson相关性的雷达交叠信号识别

针对复杂电磁环境下多部雷达同时到达信号频域交叠时难以分选识别的问题,分析了信号交叠对于雷达信号识别模块性能的影响;在此基础上面向识别需求,基于Pearson算法研究了交叠信号分选的处理方法。从信息论视角来说,两个信号脉冲波形相关性越弱,则其所表达的信息量越大,特征相关度越低。在信号脉冲数一定时,基于Pearson算法可以选择相关性较弱的信号脉冲载波,以削弱同时信号交叠的影响。通过实验,发现利用选择后的弱相关信号脉冲载波特征来表达信号特性,能有效降低数据维度,尽可能减少信息丢失,有利于达到鲁棒的识别效果,因此该方法可为同时到达信号交叠下的信号识别提供有效途径参考。