基于小波变换的被动声目标识别的研究

首先简单介绍了小波变换,然后针对被动声信号,利用小波变换来完成信号的预处理和滤波,在小波变换后信号某子空间上再进行频域变换(FFT)提取目标的能量特征参数,并以卡车、小轿车和人的脚步为例建立了目标小波变换声信号特征矢量库.     

基于小波变换和神经网络的毫米波一维距离像识别

将小波和神经网络理论结合，并将小波神经网络用于毫米波频率步进雷达目标一维距离像识别，提出了基于小波分析的能量特征矢量法，分类识别效果有了很大的提高．     

基于小波变换的遗传算法在红外图像目标识别中的应用

针对目标识别技术研究现状,提出了基于小波变换的遗传算法在红外图像目标识别中的应用问题.其中简要介绍了小波的特点,重点描述了基于小波变换的遗传算法在目标识别中的应用原理、应用方法,并给出了相应的应用实例,为解决目标识别问题提供了一种新的思路.     

基于小波变换的混凝土压缩损伤模式识别

为了实时获取混凝土中微裂纹扩展演化的物理信息,对实验采集的每一个声发射信号作小波变换,识别出3种典型模式的声发射信号;根据声发射信号的事件密度变化规律和脆性材料断裂理论,将混凝土压缩破坏过程分为微孔洞压缩闭合、裂纹萌生、裂纹生长和裂纹汇合4个阶段。根据混凝土材料中声发射信号频率与裂纹源尺寸呈反比例关系以及声发射信号在4个破坏阶段中的分布特征,将3种模式的声发射信号分别对应于裂纹萌生、裂纹生长和微孔洞压缩闭合、裂纹汇合。实验结果表明,裂纹萌生、裂纹生长和微孔洞压缩闭合、裂纹汇合对应的声发射信号的上升时间依次增长、频率逐渐降低,与应变能释放理论相符合。     

基于残余模态力的装备悬臂梁结构损伤诊断

针对装备悬臂梁结构损伤诊断问题,提出基于残余模态力的结构损伤诊断方法。定义残余模态力(残余模 态力向量)和结构单元损伤因子(结构单元损伤因子向量)的概念,分别应用于判断装备结构是否存在损伤以及指示损 伤单元的位置和程度,并分别进行3 种状态的仿真实验。实验结果证明：该方法可有效地识别装备悬臂梁结构的损 伤类型及其位置和程度等信息,对于装备悬臂梁结构诊断是科学有效的。     

基于小波变换的图像压缩

给出了使用二维小波变换进行图像压缩的原理和实例，提出了结合小波变换零树压缩和量化编码的新方法，小波分解后，仅保留图像最有用的部分，即低频成分，对三个高频部分强制为0，然后再对低频部分量化编码。该方法简便易行，压缩比高，效果极显著。     

基于小波变换的直升机声目标特征提取

简要地介绍了小波变换的原理和性质以及它在直升机声目标特征提取当中的应用。主要论述了利用小波变换进行信号分解与滤波、目标特征提取等方面的应用,最后给出了计算机模拟仿真结果,结果表明,利用本文所提出的信噪分离方法和目标特征提取方法可以在低信噪比情况下准确识别目标。     

基于小波变换的无线电引信目标识别研究

根据无线电引信回波多普勒信号功率主要集中在低频部分的特点,对淹没在噪声中的无线电引信回波信号进行小波分解,提取低频段不同频带内信号能量作为特征,用Fisher判别方法对目标进行检测.针对不同信噪比,对某典型无线电引信回波信号进行定量研究,实验结果表明该方法是有效的.     

基于小波和神经网络的红外目标特征提取与识别

研究了小波和神经网络相结合进行目标识别的方法.利用目标信息主要集中在低频部分的特点,对信号进行小波分解,提取在不同频带信号的多尺度空间能量和不变矩作为特征量,再用BP神经网络进行识别.实验结果表明,该方法具有很高的识别率,充分说明了红外图像信号在小波子带上的不变矩及能量分布具有表征目标类别的信息.该方法对于精确制导武器的目标识别研究具有一定的实用价值.     

小波变换在光学相关目标识别中的应用

光电混合实时联合变换相关器能够实现目标的自动探测、识别和定位,但由于实际中从图像传感器采集到的目标图像对比度较低且存在大量背景噪音,因而目标识别率低且识别效果不佳。基于小波变换的多分辨率分析特点能够更大程度上体现图像的特征信息,将其应用于光学相关目标的自动探测与识别中。将小波变换与联合变换相关器结合起来,通过研究物面的小波图像增强来获取更加尖锐的相关峰,解决复杂背景、低对比度目标的识别问题,取得良好的实验结果,证实小波变换在光学相关领域中具有一定的优越性和良好的应用前景。     

毫米波敏感器基于小波变换的目标识别

以毫米波敏感器在军事中的应用为背景,对毫米波敏感器信号的波形特征进行分析,采用小波变换进行目标信息的特征提取。完成了特征提取算法在′C54×定点DSP芯片中的实现。     

基于小波变换和同态滤波的内窥图像增强算法

由于受照明条件的限制,工业内窥镜图像存在比较严重的由光照不均引起的图像降质.在分析工业内窥镜图像特点的基础上,研究了使用基于照明反射模型的同态滤波方法增强内窥镜图像的方法.从空频分析的角度出发,提出一种基于小波变换的同态滤波方法,采用快速小波变换代替传统傅立叶变换,在变换域中对不同尺度上小波系数进行非线性增强,实现图像的对比度增强.实验结果表明,该方法可以有效消除由光照不均匀引起的图像亮度不均匀,增强图像对比度的同时不改变图像的原始面貌,其效果优于传统的同态滤波方法.     

基于小波变换的数字视频多分辨率编/解码及图像轮廓识别

基于小波变换和Mallat算法的数字视频编/解码及图像轮廓识别,编码端用小波变换将二维图像信号子带分解成1个低频分量和3个高频分量,并结合可编程量化和Huffman编码获得较大压缩比信号的数据比特流,实现数字视频编码.在接收端,用小波逆变换对4个子带信号重构,恢复出原始二维图像信号,实现视频解码.用小波变换的分辨率特性和二维子带谱分析法实现图像轮廓识别.     

基于小波神经网络的信号识别

信号的分选和识别技术在当今信号处理的系统中占有相当重要的地位.小波分析和神经网络是近年来兴起的一种分析信号方法.文中对二者的结合问题进行了研究.小波空间可以作为信号分类的特征空间,进而可以通过神经网络对信号进行特征识别.小波神经网络是基于小波分析而构造的神经网络模型.在信号调制类型识别中,利用小波伸缩平移把信号分解到不同频道上进行特征提取;把提取的特征信息输入神经网络进行分类.仿真结果表明,利用此方法可以较好的对信号进行分选和识别.     

基于小波变换的小目标检测

利用小波分析的多分辨率特性和时频局部窗特性能够克服传统方法的局限,实现小目标的精确定位检测.基于小波变换的小目标检测,先利用改进的小波变换选择合理的小波基和小波变换窗口对小目标图像滤波,后结合直方图阈值分割法分割阈值.实验结果表明该方法不仅能很好保存小目标的形状特征,还能将背景几乎完全消除.     

基于双曲调频小波变换的水下运动目标参数估计

为了精确估计水下运动目标的运动参数，选择双曲调频小波作为发射信号，对其自小波变换进行了分析。对于参数未知的运动目标，给出了利用该小波变换消除尺度和时延耦合的方法。仿真结果表明，该方法能在低信噪比下估计运动目标的参数，验证了方法的有效性。     

基于图像矩和小波能量的红外目标特征提取

特征提取是目标分类和识别的基础。图像矩反映了物体灰度相对于质心的统计分布情况。目标的红外图像信息在小波域主要集中在低频部分。文章中提出了一种提取红外目标不变特征的新方法,利用该方法提取的特征向量,对红外目标图像进行了分类识别。实验结果表明:这种方法对精确制导武器的目标识别具有较高的实用价值。     

基于小波变换和零树编码的无人机图像压缩

针对傅里叶变换的不足，介绍了小波变换，详细分析了嵌入式零树小波编码方法。采用bior3．7对图像woman进行单层分解，将原始图像与分解后低频和高频信息图像进行对比，清晰地看出图像的能量主要集中于低频系数，而高频系数主要是图像的细节信息。     

基于小波变换和形态学的目标图像增强算法

基于图像视觉信息的目标检测与识别一直是研究的重点和难点,针对复杂坏境的图像呈现出对比度低,强噪声干扰,灰度集中的特点,提出了一种基于小波变换理论和数学形态学的目标图像增强方法;首先对图像进行了小波变换,提取高频分量系数,其次利用阈值算法对图像进行降噪处理,最后对图像进行形态学交替滤波得到增强后的图像;实验表明:该检测算法对提高信噪比,增强目标有很好的效果,适合与目标检测与识别,算法在性能上优于传统的单一算法。     

基于小波变换的光测数字图像增强

针对光测数字图像，提出基于方向小波变换的图像增强方法，分析了方向小波变换的数学原理及其与图像边缘梯度信息的内在联系，给出了小波变换图像增强的步骤和实际光测图像的增强效果，实验结果表明，所提出的增强算法优于直方图均衡方法，有利于目标特征的提取和分析。