基于压缩感知的循环平稳特征检测方法

在认知无线电中,传统的循环平稳特征检测技术为了达到理想的感知效果,需要大量的数据采样点,导致其感知过程复杂度大,感知时间长.针对此问题,提出了一种基于压缩感知的改进循环平稳特征检测方法,该算法利用信号循环自相关函数(Cyclic Autocorrelation Function,CAF)的稀疏特性,基于分段平均的时变自相关函数估计值,通过压缩感知技术重构二维CAF矩阵,再根据重构结果实现循环平稳特征检测.该方法不仅可有效降低计算复杂度和检测时间,而且提高了二维CAF的估计精度.仿真结果表明该方法的检测性能优于基于经典CAF估计的循环平稳特征检测技术.     

基于压缩感知的通信信号频谱检测方法

频谱感知是无线通信网络中提高频谱利用率的关键。针对现有通信信号频谱检测方法抗噪性低的问题,文中提出一种基于压缩感知的频谱检测方法。该方法首先利用压缩感知理论对通信信号的宽频带进行稀疏采样,其次采用改进的平滑范数重构算法对信号循环谱进行重构,提高了信号循环谱的重构性能,最后在循环谱域实现频谱检测。仿真实验结果表明,改进的平滑范数重构算法对信号的重构精度优于正交匹配追踪算法,压缩感知信号频谱检测算法的抗噪性优于传统能量检测算法。     

基于循环前缀频域自相关的OFDM信号频谱感知

针对无线通信频谱资源有限并且利用率非常低的问题,研究了认知无线电系统中基于信号典型特征的频谱感知策略,并进行动态频谱检测.提出了一种基于循环前缀频域自相关的频谱感知算法,利用正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)信号的循环前缀具有循环平稳特性,在信...     

衰落信道盲接收条件下的调制分类

该文针对衰落信道下调制识别算法预处理要求高的问题,提出了一种基于循环平稳性检测的调制分类算法,提升了盲接收环境下的分类效果。算法以信号的循环频率为特征,结合循环平稳性检测,实现了OFDM, PSK, FSK等常见数字调制信号的区分。算法无需各种参数估计以及同步等预处理过程,理论推导及仿真结果证明,能够实现低信噪比衰落信道条件下信号的有效区分。该算法将有助于提升衰落信道中非合作接收条件下的信号分类能力。     

基于循环平稳PCA和AdaBoost的频谱感知算法

针对无线信道环境中各低信噪比情况下主用户信号检测率较低的问题,提出一种基于循环平稳特征主成分分析和Ada Boost的主用户信号频谱感知算法。该算法首先对信号采用循环平稳PCA算法进行特征参数提取,获取信号主成分,并生成训练样本和待测样本,再采用Ada Boost算法分别对有无主用户情况下的信号进行分类检测。仿真实验表明,与人工神经网络和最大最小特征值算法相比较,所提算法在各低信噪比情况下,具有较高的分类检测性能,有效地实现了对主用户信号的感知。     

基于循环谱对称性的频谱感知算法

针对现有基于循环谱的频谱感知算法的不足,利用改进SSCA算法计算接收信号的循环谱,减少算法的计算量;利用循环谱的对称性,选择非零循环频率处的循环谱抵抗干扰和噪声,结合对称性搜索策略进行频谱感知.分析并仿真了循环谱的参数对频谱感知算法的影响,仿真结果证明了所提出算法克服了传统算法的不足,提高了低信噪比下的正确检测性能.     

基于循环谱能量的自适应频谱检测算法

根据信号循环平稳谱的特征,研究在低信噪比环境下的频谱检测问题,提出一种基于循环谱能量的自适应判决门限频谱检测算法。该算法融合能量检测与循环平稳特征检测的机理,以信号的循环谱能量为检测统计量,加权合并虚警率与检测率,准确估计循环谱特征值,构建了具有噪声自适应能力的频谱检测判决门限。仿真结果表明,该算法可以在低信噪比环境下有效地完成频谱检测,克服了噪声波动对频谱检测性能的影响,对不同调制主信号的感知具有稳健性。与最大—最小特征值算法和盲检测算法相比,该算法分别改善了信噪比4dB和8dB。     

基于循环平稳ANN的主用户频谱感知算法研究

针对无线信道环境中,信道多径衰落和噪声不确定性等低信噪比情况下主用户信号检测性能较低的问题,提出一种基于循环平稳人工神经网络(ANN)的主用户信号频谱感知算法。该算法首先对信号特征参数进行提取,作为训练样本和待测样本,再采用ANN算法分别对有无主用户情况下的信号进行分类检测。仿真实验表明,与能量检测法(ED)和循环平稳特征检测法(CD)相比较,所提算法可在低信噪比情况下,不受噪声不确定性等因素影响,具有较高的分类检测性能,有效地实现了对主用户信号的感知。     

联合循环平稳特征PCA与RVM的频谱感知

针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于循环平稳特征主成分分析(PCA)与相关向量机(RVM)的认知网络频谱感知算法。该算法结合了主成分分析算法与相关向量机分类方法,应用于解决认知网络频谱感知问题。首先对信号循环平稳特征参数进行特征提取,通过主成分分析进行降维提取信号主成分,生成训练样本和待测样本,并完成对相关向量机的训练,再采用训练完成的相关向量机算法分别对有无主用户情况下的信号进行分类检测,最后获得主用户信号存在性的感知判断。仿真实验表明,与人工神经网络、支持向量机和最大最小特征值算法相比较,所提算法在低信噪比情况下具有较高的分类检测性能,检测率最大可提高61.6%,有效地实现了对主用户信号的感知。     

IEEE 802.22授权频带多周期循环检测性能分析

认知无线电使用动态频率接入,应具备自动检测无线电频谱空洞功能。基于多周期循环检测算法,研究了IEEE802.22WRAN授权用户频带的特征感知方案。其基本思想是利用周期平稳信号的自相关函数以及协方差函数特性,计算自相关值的协方差,比较估计值与门限值,判决原信号是否具有循环平稳性,从而识别出各种信号类型。仿真利用两类授权用户信号特点进行精细感知,并着重分析了循环周期长度和延时等参数对检测性能的影响。结果表明增加计算自相关函数时的循环周期长度或采样点数,降低延时,都有利于信号检测,从而验证了该算法的优良性。     

基于阵列探测技术的激光测距数据预处理方法

阵列探测技术对回波信号及其微弱的空间碎片激光测距系统具有重要意义,可提高探测成功概率。针对这一崭新的激光测距技术,文中研究了基于阵列探测技术的激光测距数据预处理方法。在常规卫星激光测距数据预处理方法基础上,针对阵列超导探测器特点,结合地靶测量方法和多高斯拟合及互相关分析方法,实现了多通道激光测距数据的通道间的时间偏差修正;利用泊松统计分析、循环拟合滤波等方法,实现了多通道激光测距数据的自动识别、数据拟合等。目前该方法已经成功应用于中国科学院云南天文台4×4阵列激光测距试验平台试验中,并获得良好的效果。     

基于带参考信号独立分量分析的高光谱图像目标探测

提出了一种用于高光谱图像目标探测的预处理方法,目的是提高目标光谱的准确性,进而提高有监督目标探测算法的精度.该方法将实验室或野外获取的目标光谱作为参考信号,利用带参考信号的独立分量分析方法,从图像中提取出与参考信号相关性最大的独立分量作为新的目标光谱.仿真和实际高光谱数据的实验结果表明,所提出的方法能较大提高目标光谱的准确性,从而较大提高目标探测算法的精度.     

基于红外背景复杂程度描述的小目标检测算法

提出了关于红外“背景复杂程度”的基本概念,发现并论述了一种有效的红外背景复杂程度定量描述方法。此外,提出了一种基于红外背景复杂程度描述的自适应Butterworth高通滤波方法,实现了具备一定普适性的红外图像预处理。在小目标检测问题的研究中,构造并实现了一种更具实用性的先检测后跟踪小目标检测算法,此算法在一个完整的框架下实现了红外图像预处理过程和小目标检测过程的自适应统一。     

一种基于循环谱的直扩信号参数估计方法

分析BPSK调制的直扩信号循环谱密度函数特征,提出一种直扩信号参数估计方法。从循环谱物理意义入手,计算谱密度,通过时域预处理,可以减少DFT要求的数据量,提高运算效率,使循环谱实时处理成为可能,同时可以准确分辨出循环频率方向和谱频率方向的谱峰;在非零循环频率上搜索特征谱线,可以在较低信噪比环境下完成直扩信号载波频率和PN码速率的估计,并通过仿真确定了该方法的信噪比容限。     

多模型预处理和关联度融合检测红外目标

基于对红外检测系统及识别方法的详细分析,研究了用于红外目标检测的算法多模型数据融合技术,设计了一种新的基于灰色关联度数据融合模型。该方法将多种目标检测算法结合起来,利用有限的预处理目标信息,依托n维空间中目标函数曲线之间的灰色空间距离关系来判断目标之间发展过程的相近性和相似性;从关联度分析出发,实现数据融合及红外目标的检测。该方法可以有效的提高红外目标的检测概率、降低虚警率和漏警率。它是以增加检测系统硬件复杂程度为代价,换取红外图像实时检测的可靠性和可信性的。     

水下电视图像预处理方法研究

分析了水下图像特性,对比了迭代阈值法、减去固定背景法、减去当前背景法、数学形态学方法4种常用方法的预处理结果,指出了它们的不足,并提出了基于小波边缘检测的水下图像预处理算法.实际应用表明,新算法处理效果很好,能够满足水下智能监控系统的要求.     

一种新的虹膜图像预处理方法

为了实现具有高准确性的非侵犯性虹膜识别,讨论了人眼图像中存在的由于虹膜识别的非侵犯性所造成的一些问题,提出了一种新的虹膜图像预处理方法.该方法包括内边界定位、眼睑检测、眼毛检测、外边界定位、虹膜归一化等操作.经该方法预处理得到的虹膜图像不包含眼睑和眼毛等干扰,使虹膜特征提取和匹配等过程不会受到各种干扰的影响,从而保证虹膜识别方法的健壮性.在多种图像库中的人眼图像上进行实验的结果证明,该方法能够有效地解决人眼图像中存存的问题,具有理想的准确性和较快的执行速度.     

低信噪比下周期平稳信号的稳健检测算法

本文提出了一种新的对周期平稳信号进行检测以及对二阶周期循环频率进行估计的算法。该算法利用信号的递归性质构造高阶自相关矩阵,并通过利用周期平稳信号与自相关矩阵特征值和特征向量的关系,对其进行检测以及对循环频率进行估计。传统检测周期平稳信号的算法是通过计算其循环自相关函数或循环谱实现,相比传统算法而言,本算法由于利用到了信号更多的先验信息,因而在较低信噪比以及较低快拍数下对周期平稳信号均能有较好的检测性能。文中仿真实验表明,本文所提算法估计出的伪循环谱相比传统方法估计出的循环谱更为平滑,在相同快拍和信噪比条件下,检测概率均高于传统方法,特别在低信噪比下对检测概率的改善更为明显。      

Computer Aided Segmentation of Blockages in Coronary Heart Images Using Canfis Classifier

Coronary vessel blockage segmentation is the fundamental component which extracts significant features from angiogram images to detect heart disease. This paper proposes an automated method of blockage segmentation from coronary angiogram images using coactive adaptive neuro fuzzy inference system (CANFIS) classifier. The proposed method consists of preprocessing, feature extraction and classification. The vessels in the coronary image are enhanced using preprocessing technique and then features are extracted from these images which are given to the CANFIS classifier. This classifier classifies the given test coronary image into either normal or abnormal. Further, the blockage is detected and segmented if the proposed system classifies the test image as abnormal. The proposed method achieves 99.76% sensitivity, 99.9% specificity and 99.9% accuracy for blockage vessel pixel detection.