利用小波变换检测海杂波中信号的一种新方法

当雷达擦地角较小时,由于遮挡等因素的影响,海杂波中会出现所谓的“海尖峰”,对目标检测影响剧烈.文中提出一种新方法先利用小波变换对具有“海尖峰”特性的真实海杂波数据进行奇异性分析,在剔除奇异点后,再通过小波阈值处理进一步抑制杂波,最后基于Wigner-Ville时频分析方法检测信号.仿真结果表明了该方法在海杂波中检测信号的有效性.     

基于小波变换的雷达信号调制类型识别方法

为适应复杂环境下雷达信号脉内分析的需要,提出一种脉内调制类型识别方法。基于Morlet小波变换提取信号小波脊线,根据瞬时频率和最佳尺度的关系得到时频曲线,基于时频曲线的形状识别脉内调制类型。构造时频分辨率调节函数,优化小波脊线提取过程,提出形状识别算法,达到提高识别准确率、降低计算量的目的。仿真结果表明,信噪比为3 dB时,该算法的识别准确率在98%以上,信噪比为1 dB时,识别准确率能达到70%以上。     

基于时频重排和时频脊线的信号脉内特征提取

针对小波脊线法在提取雷达信号脉内特征时信噪比性能较差的缺点,本文基于小波变换谱,将时频重排和时频脊线相结合,提出了一种新的时频联合分析方法.该方法借助于时频重排在改善谱图时频凝聚性方面的优势,使算法的信噪比性能得到有效改善.仿真表明,在低信噪比条件下,该方法仍可得到准确的估计值.     

改进的Morlet小波及其变换

提出了一个改进的Morlet小波,并在此基础上给出了Morlet小波变换的完全重构公式,这个重构公式不需要Morlet小波满足小波容许条件,使得Morlet小波变换在理论上趋于完善。改进后的Morlet小波其尺度参数替换为小波主频参数,参数有明确的物理意义,用它作为核函数的小波变换把时间信号映射到时间-频率域。重构公式的提出可拓宽Morlet小波的应用范围,引进了一个由Morlet小波变换及其逆变换构建的时-频滤波器并将其用于地震信号处理以提高其分辨率。从理论上分析了Morlet小波变换与S变换的区别,并用实际算例验证了分析结果。     

基于多尺度静态小波分解的改进型CFAR船只检测算法

SAR船只目标检测是实现海上安全监测的有效手段。由于在海杂波较为复杂的情况下,传统CFAR算法对于弱小船只检测效果不佳,本文提出了基于多尺度静态小波分解的改进型CFAR检测算法。首先通过实验选出最优小波基及最佳小波分解级数,再利用幂运算对经多尺度乘性增强的小波系数进行优化,以增强船只与海洋背景的对比度,从而运用简单的CFAR算法即可得到较好的检测效果。最后,以新型星载ALOS-PALSAR数据为例,通过与传统CFAR算法的对比实验,验证本文算法的有效性。实验表明,利用Sym2最优小波基的较强边缘检测能力以及小波多尺度乘性增强,双重强化了船只目标的边缘影像特征,并有效抑制了海杂波噪声,使得本文算法在提高检测率与降低虚警率两方面都优于传统CFAR算法,有利于高海杂波下弱小船只的检测。     

小波变换的多频连续波雷达多目标参数估计

在多频连续波雷达多目标参数测量中,目标速度、加速度的准确快速估计对后续测距、测角有重要的意义.小波变换是时频分析的有力工具,能方便、准确和快速分析目标的时频参数.通过检测时频面上的直线,可以准确的得到目标参数.小波变换满足线性叠加,小波变换具有良好的多目标处理性能,对多频连续波雷达多目标信号处理具有良好的适应能力.研究了基于小波变换的雷达多目标速度和加速度估计算法:通过小波变换提取小波脊线,估计出高能量目标参数,然后构造陷波滤波器滤掉该目标信号,通过上述方法逐步估计出剩下目标参数.仿真试验表明了该算法的有效性.     

基于广义S变换的水下目标特征提取

针对水下目标识别中特征矢量难以准确提取的问题,提出了基于广义S变换模时频矩阵奇异值的水下目标特征提取方法。首先对目标信号进行广义S变换,然后提取广义S变换模时频矩阵奇异值作为目标识别特征矢量,最后利用概率神经网络实现目标识别。广义S变换在S变换的基础上,通过改变窗宽因子可提高信号分析的频率分辨率或时间分辨率,从而可根据信号分析需求实现水下目标非平稳非线性信号的时频分析。实验结果表明提取广义S变换模时频矩阵的奇异值作为目标识别特征矢量能够有效区分各类目标,且选取不同的窗宽因子具有不同的识别结果。     

一种基于小波分解的新型海杂波抑制方法

针对不同分布海杂波的抑制及目标检测问题,首次将自适应噪声对消器应用在海杂波的处理中,并且将此对消器与小波分解理论相结合来抑制海杂波,提取出目标。首先,对含有目标的海杂波信号进行小波分解。然后,类比自适应噪声对消器模型,设计一种自适应杂波对消器。将经小波分解后的信号作为自适应杂波对消器的输入信号,经过自适应杂波对消器输出的信号即为杂波抑制的结果。最后,通过MATLAB仿真,分析采用不同的小波基函数和不同的分解层数的杂波抑制效果,验证此种算法对于海杂波抑制的有效性。     

基于多尺度几何分析的图像编码研究进展

近10年来,在小波变换的理论基础之上,产生了一系列新的能够更加有效地表示和处理高维数据奇异的数学变换,统称为"多尺度几何分析".它们不仅具有多分辨率特性、时频局部性、多方向性和各向异性,而且克服了小波变换表示边缘、轮廓等高维奇异时存在的局限性.目前,有关多尺度几何分析的理论和应用方法的研究已经成为一个新的热点.首先探讨了小波变换的方向特性及其局限性;其次,以多尺度几何分析的发展为主线,对基于各种多尺度几何分析工具的静态图像编码算法进行概述阐述和比较研究,同时分析和讨论了各类算法的优势和不足;最后,对基于多尺度几何分析的图像编码算法的未来发展进行展望.     

基于小波变换的雷达回波信号去噪方法研究

为了准确识别雷达回波信号中的目标信号,木文将小波变换引入到雷达回波信号处理,对回波信号进行分解、重构以及滤波器设计,去除雷达信号中的噪声,采用MATLAB软件进行系统仿真,结果表明,采用小波变换mallat算法对探地雷达回波信号进行目标识别具有较好的时频分辨率,且可抑制杂波,去除噪声,能很好的识别目标信号,具有很好的应用前景。     

A reassigned bilinear transformation and Gaussian kernel function-based approach for detecting weak targets in sea clutter

This article proposes an efficient approach for weak target detection in sea clutter by using reassigned bilinear transformation based on the Gaussian kernel function (KF). This approach, which makes no assumptions on the sea clutter, mainly incorporates three steps: time-frequency analysis, feature extraction, and pattern classification. Bilinear transformation is utilized to transform sea clutter data into a time-frequency image, and the suitable Gaussian KF is applied to restrain the cross-term interference. Subsequently, to obtain a better performance in focus-ability, readability, and time-frequency resolution, we reassign the time-frequency distribution. In addition, we employ its marginal distribution of frequency (MARF) as classification feature vectors to decrease the dimensions of time-frequency features. Finally, a multilayered feed-forward neural network (NN) is selected as a classifier in the pattern classification process. Detection performances using the IPIX radar experimental sea clutter data are compared among the proposed method, the method based on continuous wavelet transform, and the conventional constant false alarm rate (CFAR) method based on spectral properties. A comparison of the results shows that the proposed method is more effective and efficient than the other two methods for weak target detection in sea clutter.     

基于小波域奇异值分解的图像压缩算法

提出了基于小波域奇异值分解（SVD）的图像压缩算法,该算法通过对小波分解系数进行奇异值分解,进而对小波系数进行压缩,实现图像压缩。将该算法与图像奇异值分解直接压缩的算法进行了实验比较,实验结果表明,该算法较图像奇异值分解直接压缩的算法具有更好的性能,在同样压缩比的情况下能获得更高的信噪比。     

基于SVD和FRFT的音频信息隐藏算法

在分析分数阶傅里叶变换（FRFT）的基础上,利用FRFT的时频特性、奇异特征值的稳定性及幂函数的缩放特性,提出了一种基于SVD和FRFT的音频信息隐藏算法。实验结果表明,该算法具有很好的不可感知性,且对加噪、重采样、重量化、MP3压缩及频域恶意攻击具有很强的鲁棒性。     

基于DWT和SVD相结合的图像水印算法

以多级小波变换,奇异值分解为基础,一种新的可以同时抵抗几何变换及噪声攻击的图像数字水印算法被提出.首先对水印图像先做加密处理,将原始图像进行多级小波分解,然后对其低频部分进行奇异值分解,并把已加密的水印信息嵌入其中.实验结论和攻击测试表明:该算法不仅具有较好的不可感性,而且与相近算法相比,该方法可以同时抗击几何变换,如旋转、剪切、镜像,及叠加噪声如椒盐、高斯噪声等外界攻击,并具有很好的鲁棒性.     

A robust color image watermarking with Singular Value Decomposition method

The performance of a watermarking method based on Singular Value Decomposition (SVD) has been improved for color image in this paper. One of the common methods used for hiding information on image files is Singular Value Decomposition method which used in the frequency domain. In Singular Value Decomposition based watermarking techniques; watermark embedding can usually be achieved by modifying the least significant bits of the singular value matrix. This paper gives application results which show the watermarking security of using this algorithm for the watermarking and demonstrate the accuracy of these methods. The performance comparison of the algorithms was also realized.     

基于奇异值分解的宽带频谱感知改进算法

对认知无线电中宽带频谱感知的信号检测问题进行研究,在信道位置和带宽随机分布的条件下,提出一种基于Hankel矩阵奇异值分解的改进算法完成宽带频谱的频率点奇异性检测并获得各子频段的起始频率和带宽,有效实现盲宽带频谱感知,同时利用提出的三种性能评价参数对该算法与多尺度小波变换算法进行了性能对比。通过实际接收微波信号及仿真OFDM信号感知实验验证,该算法有效抑制了噪声不确定性,滤除了伪奇异点,提高了宽带频谱感知性能。     

基于分块小波变换与奇异值阈值压缩的人脸特征提取与识别算法

提出了一种基于分块小波变换与奇异值阈值压缩的人脸特征提取与识别算法.该方法首先对人脸图像进行分块小波变换,并根据图像块的位置分布选取不同的频率分量,然后对该分量进行奇异值阈值压缩与特征融合,最后在ORL人脸库上利用最近邻分类器对该特征进行分类识别,验证了算法的有效性.     

Artificial Bee Colony-based satellite image contrast and brightness enhancement technique using DWT-SVD

In this article, a new contrast enhancement approach is presented for quality enhancement of low-contrast satellite images. The proposed technique is based on the Artificial Bee Colony (ABC) algorithm using Discrete Wavelet Transform and Singular Value Decomposition (DWT-SVD). The method employs the ABC technique to learn the parameters of the adaptive thresholding function required for optimum enhancement. In this approach, the input image is primarily decomposed into four sub-bands through DWT, and then each sub-band of DWT is optimized through the ABC algorithm. After that, a singular value matrix of the low–low thresholded sub-band image is estimated and, finally, the enhanced image is constructed by applying inverse DWT. The results obtained through this method reveal that the proposed methodology gives better performance in terms of peak signal-to-noise ratio (PSNR), mean square error (MSE), and mean and standard deviation as compared to General Histogram Equalization (GHE), Discrete Cosine Transform and Singular Value Decomposition (DCT-SVD), DWT-SVD, Particle Swarm Optimization (PSO), and modified versions of the PSO-based enhancement approach.