基于归一化小波分解能量比的雷达有源欺骗干扰识别

结合数字射频存储器(DRFM)欺骗式干扰机的结构特点,通过干扰的作用过程建立针对跟踪雷达的典型拖引欺骗干扰的信号模型.对一个相干处理周期的归一化雷达接收信号进行小波分解,提取各阶分解向量的能量比作为特征参数,研究了基于拖引过程的欺骗干扰类型识别方法,为后续的雷达系统抗干扰方法选取提供了先验信息.仿真实验证明该方法有较高的识别率.     

基于小波变换和奇异值分解的剪纸纹样识别

针对民间传统剪纸艺术的计算机创作问题,在分析剪纸艺术特点的基础上,提出一种基于小波变换和奇异值分解的剪纸纹样识别方法.首先对剪纸纹样图像进行归一化和二值化处理,然后应用小波变换提取剪纸纹样图像的低频分量并进行奇异值分解,最后通过对奇异值进行归一化和降维处理作为最终的特征向量,利用最近邻分类器进行模式识别.实验结果表明,该方法能够有效地去除噪声干扰,较好的识别有一定艺术夸张变形的剪纸纹样.     

基于神经网络和小波分解的目标信号检测方法研究

将小波分解和神经网络相结合，应用于高海况、低信噪比条件下水中目标信号的特征提取中。文中首先对信号进行多尺度小波分解，利用目标信号功率主要集中在低频部分的特点，提取在不同频率带内信号的能量作为特征，然后利用人工神经网络对目标信号进行检测。在此基础上，通过不同浪级情况下海洋水压力场的仿真信号数据，对某型目标舰船的水压力信号进行了检测计算．验证了该方法的有效性，达到了在高海况、低信噪比条件下，目标信号检测率比较高、虚警率比较低的效果。     

基于小波包分解的虹膜识别算法

特征提取是虹膜识别的关键技术;由于虹膜图像具有丰富的纹理,提出了基于小波包分解的虹膜识别算法。小波包分解不仅包含了图像的低频部分而且还保留了高频部分,它能够有效地提取虹膜纹理特征,并按hamming距离对虹膜进行匹配。实验结果表明,该算法具有良好的鲁棒性。     

基于小波和非负稀疏矩阵分解的人脸识别方法

提出了利用小波变换(WT)、非负稀疏矩阵分解(NMFs)和Fisher线性判别(FLD)来进行人脸识别。用小波变换分解人脸图像,选择最低分辨率的子段,既能捕获到人脸的实质特征,又有效地降低了计算复杂性;非负稀疏矩阵分解能显示地控制分解稀疏度和发现人脸图像的局部化表征;Fisher线性判别能在低维子空间中形成良好的分类。实验结果表明,这种方法对光照变化、人脸表情和部分遮挡不敏感,具有良好的健壮性和较高的识别效率。     

基于Radon和平移不变性小波变换的鸟类声音识别

针对低信噪比（SNR）环境下鸟叫声识别率不够高的问题,提出一种对声谱图进行Radon变换（RT）和平移不变性离散小波变换（TIDWT）的抗噪型鸟类声音识别技术。首先,使用改进的多频带谱减法对鸟叫声进行降噪处理;其次,利用短时能量检测降噪后的鸟叫声的静音段,并去除静音段;接着,将去除静音段的声音信号转化为声谱图,并对声谱图进行RT和TIDWT,提取特征值;最后,采用支持向量机（SVM）分类器对提取的特征值进行分类识别。实验结果表明,该方法在信噪比为10dB及以下仍可以达到较好的识别效果。     

基于奇异值分解和小波包分析的液压泵振动信号特征提取方法

针对液压泵故障特征提取问题,提出了一种基于奇异值分解和小波包变换的液压泵振动信号特征提取方法.通过奇异值分解将噪声非均匀分布的液压泵振动信号正交分解为噪声分布相对均匀的分量,对各分量进行小波包阈值去噪,重构去噪后分量,对去噪后信号进行小波包分解,提取各频带能量特征.以齿轮泵为例,将该方法对齿轮泵的气穴故障、齿轮磨损和侧板磨损3种常见故障和正常状态的振动信号进行特征提取分析,结果表明,该方法可有效提取齿轮泵故障特征.     

基于局部小波变换与奇异值分解的虹膜识别算法

虹膜识别以其唯一性、稳定性和非侵犯性等优点成为生物特征识别中极具发展潜力的身份识别技术。文章提出了一种基于局部小波变换和奇异值分解的虹膜识别算法。该算法首先对虹膜图像实行分窗小波分解,并对各窗口的子带图像作筛选处理,然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩,得到虹膜识别特征。最后利用加权欧氏距离分类器进行识别。基于CASIA虹膜数据库的实验结果表明了该算法的有效性,为虹膜识别提供了一种新途径。     

基于小波变换的人车目标特征提取算法

借助小波变换在时频分析上的优点,提取地面运动目标的回波信号特征在目标识别中加以应用.首先对目标的回波信号进行预处理,获取目标的瞬时多普勒频率信号,然后对该信号进行小波分解与重构,通过对特定频段的信号分析就可实现对运动目标周期性特征的提取.以在战场侦察雷达探测的人车目标识别中的应用为例,讲述该算法在人车目标识别中的特征提取过程,采用实际雷达回波数据对该特征提取算法进行验证,并对识别效果作分析.     

基于小波包分解与RVM的声发射信号识别

声发射信号识别目前已经成为检测大型储罐底板缺陷状况的普遍方法之一.针对现有声发射检测技术对原始信号的处理与分析方法的不足,对储罐底板腐蚀程度分类识别方法的不明确,基于小波包分解,对声发射传感器接收到的原始信号进行特征提取,得出了信号的特征向量,通过训练相关向量机,结合相关向量机模型对待测设备进行腐蚀类型归类识别,得出分析结论.应用该方法对大连某企业的储油罐进行实测数据检验,分析结论与储油罐实际状况相同,验证了该方法具有科学性与可行性,能够诊断大型储罐底板腐蚀状况的准确性和可靠性.     

基于小波变换和NMF的人脸识别方法的研究

为了克服PCA、ICA等传统方法在人脸图像特征抽取时存在速度慢、识别率低的缺点,该文提出了一种将非负矩分解思想应用于人脸特征提取的算法。利用小波变换对人脸图像进行分解,对其中包含主要信息的低频子带运用NMF构造特征子空间,在子空间内实现识别。实验结果表明,该方法实用、有效,减少了计算量,提高了系统的识别率,使识别率达到90％以上,有着广泛的研究价值和应用 前景。     

基于小波多尺度分解子带主成份的特征提取

该文在研究了目标图像多尺度小波分解特性的基础上,提出了提取多个子带变换域中的主成份来构成目标综合特征的方法,这种特征不但包含了目标的部分边缘特性和一些局部灰度分布特性,也包含目标的一些结构特性。这种具有综合特性的特征能更加全面的反映图像所包含的信息,如果能较好的提取出来,将对图像信息描述产生很大的影响。文中算法兼顾特征提取的质量和算法的复杂度,算法所涉及的思想有进一步研究的价值。实验结果证明这种特征可有效地用于目标匹配。     

基于小波变换和快速聚类方法的目标检测与识别

针对显微图像中的微目标检测与识别,提出了一类基于三次B样条函数多尺度小波变换,该变换通过零交叉或模极值检测图像的边缘,在分解和重建时采用一种基于滤波器系数特征的离散快速算法。为除去由噪声引起的虚假边缘,建立了边缘点检测的自适应阈值方法。为实现微目标的识别,采用了一类简单有效的快速聚类算法。最后采用含随机噪声的模拟图像和显微图像进行算法比较与验证,实验结果证明了这些算法的有效性。     

Bark子波变换的改进及其在水声目标分类中的应用

该文在Bark子波的构造的基础上,提出一种改进的子波变换。该子波变换在Bark子波变换的非线性映射中引入伸缩尺度参数,以及改变Bark子波母函数的相关参数,实现了更为灵活的频域划分。然后基于改进的子波变换进行水声目标特征提取,及分类实验。实验表明,改进的子波变换提取特征的可分性优于Bark子波变换。     

小波分析和支持向量机相融合的语音端点检测算法

为了提高语音端点检测的适应性和鲁棒性,提出一种基于小波分析和支持向量机的语音端点检测算法。首先利用小波变换提取语音信号的特征量,然后将这些特征量作为支持向量机的输入进行训练和建模,最后判断出该信号的类别。仿真实验表明,相对于传统的语音端点检测算法,小波分析和支持向量机的检测算法提高了语音端点检测的正确率,有效降低了虚检率和漏检率,具有更好的适应性和鲁棒性,对不同信噪比的信号都有较好的检测能力。     

无线电引信动态场景回波仿真器的构造及其实现

通过分析无线电引信的弹目交会过程,给出了探测器的收发信号模型,并结合三维建模软件构建的场景,实现了无线电引探测器动态场景的回波仿真器。该仿真器实现了场景建模、运动姿态和仿真算法之间的互相独立分工,具有较好的通用性和扩展性,可实现多种引信工作体制和任意复杂度场景下的时间波形仿真。同时,将其构造成一个独立的回波仿真模块,它可与常用系统仿真平台无缝集成,具有与三维建模软件导出数据的接口。仿真实例表明,仿真的回波波形可有效性地反映弹目交会中的波形变化。     

利用小变换和特征加权进行纹理分割

为了提高纹理图象分割的边缘准确性和区域一致性以及降低分割错误率,提出了一种基于小波变换的利用特征加权来进行纹理分割的方法。该方法包括特征提取、预分割和后分割3个阶段,其中,特征提取在金字塔结构小小以变换的基础上进行;预分割利用均人矣类算法来对原始图象进行初步的分割;后分割则根据预分割的结果对特征进行加权,然后利用最小距离分类器来实现图象的最后分割。与传统的方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善。     

边界探测的小波变换方法

根据Ｍａｌｌａｔ的多尺度边界探测的思想,实现了连续小波变换的多尺度边界探测,并用Ｆｏｕｒｉｅｒ变换作为工具,进行连续小波变换的计算,在计算任意方向的模值时,了使用加权平均的方法。给出了算例。     

基于小波的车牌汉字特征提取

车牌识别系统是智能交通不可或缺的一部分.在车牌识别系统中,车牌首位汉字的特征提取和识别是一个难点.为此,将小波的多分辨率特性应用于车牌汉字特征的提取,提出了一种直接从灰度图象提取车牌汉字特征的提取方法.该方法首先提取图象的小波矩和基于小波分解的区域密度特征,然后以识别率好坏为最优依据,进行特征分量排序和选择,最后把特征矢量送入BP神经网络进行字符识别.该方法避免了一些传统汉字特征提取方法需要对图象进行二值化操作而造成的汉字字符结构信息丢失.提取的特征有效地反映了车牌汉字的局部和全局特征.实验结果表明该特征提取方法可以得到比较好的识别效果.     

基于小波多尺度分析的图像匹配

提出一种基于小波的多尺度分析的图像特征点提取方法,给出了一种多分辨率分块特征点匹配的图像检索方法,多分辨率的分块策略使得相关反馈的自适应性得到了更好的保证,从而实现图像的快速、准确匹配。实验表明该方法在计算时间和精度上都是十分有效的。