一种基于互信息的波形优化设计方法

将注水法改进成一种适用于杂波背景下的通用注水法,通过最大化目标回波与扩展目标特性之间的互信息降低目标特性的不确定性．然后把这种思想应用于目标识别波形优化问题,从而增加各类目标的可分性．仿真结果证明,相对于线性调频信号和注水信号,该方法优化波形可以得到更大的互信息,并能将目标识别率提高3％左右,在信杂噪比较低的时候提高更加明显．     

舰船水声信号特征提取方法研究

信号特征提取是目标识别的关键技术,为实现水中目标信号的识别,提出一种利用小波库提取水中舰船目标信号波形特征的方法。该方法针对水中舰船目标的水声信号及其频率特性,在满足理想重建条件下,构造正交的小波滤波器,进而构造符合舰船水声频率特性的小波库。利用小波库将信号分解,结合最小二乘法提取舰船信号的波形特征值,并借助Matlab仿真工具进行仿真。结果表明:用小波库方法提取的信号波形特征可降低信号识别维度,在一定的误差范围内识别水中舰船目标信号。     

超声检测信号的特征分析

分析了超声波检测信号的波形特征,提出了利用检测信号的波形特征进行疵病实时检测和识别的方法．实例表明：该方法对于提高检测可靠性是行之有效的．     

针对杂波抑制的超宽带MIMO雷达自适应波形设计

为有效提高复杂环境下的杂波抑制能力,本文提出了一种基于仅发射分集分布式超宽带MIMO雷达体制下的波形自适应优化方法。该方法通过波束形成技术将兴趣目标与杂波目标分离,并通过计算不同目标间互信息值的大小,对下一时刻的发射波形进行优选;最后根据测得目标频域参数信息对发射信号能量进行优化分配。理论分析和仿真结果表明:在多杂波目标干扰的复杂环境下,本文方法可以获取更多的检测目标信息量,进而提高目标的检测性能。     

最大互信息用于语音识别

将最大互信息理论用于语音识别,最大互信息估计作为目标函数。在隐马尔可夫模型参数调整过程中运用了泛化概率下降方法,保证了统计意义上实现目标函数的优化。最大互信息估计用于连接数字语音识别,识别率得到了提高。     

栈式降噪自编码器在波形单元识别中的应用

为提高多功能雷达(Multi-Function Radar,MFR)波形单元的识别准确率和鲁棒性,提出一种栈式降噪自编码器(Stacked Denoising Autoencoders,SDAE)与支持向量机(Support Vector Machine,SVM)相结合的波形单元识别方法.首先摒弃传统依赖脉冲序列分析技术对MFR信号进行处理的方法,通过分析波形单元结构并借助参数间的联合变化特征,提出一种MFR波形单元分段识别模型,将传统对脉冲序列的识别转化为对MFR波形单元的识别;然后在该模型的基础上引入SDAE,对训练样本数据、SDAE隐含层神经元节点进行加噪处理,并利用这些加噪后的样本数据训练优化SDAE网络模型,提取出样本数据的深层稳健特征;最后引入SVM算法,借助SDAE挖掘出的样本深层特征,实现SVM模型的优化,得到最终的波形单元识别模型(SDAE-SVM).仿真实验表明:提出的波形单元识别方法在相同样本数目和测试误差的条件下,与SVM算法相比,能够取得较高的识别准确率,具备更优越的识别效果.证实MFR波形单元识别模型是有效的,且通过SDAE网络的引入,使得SDAE-SVM方法能够自主地挖掘原始信号的深层特征,提高波形单元识别的鲁棒性和准确率.     

基于自适应提升小波包的故障微弱信号特征早期识别

针对齿轮箱故障微弱信号特征识别问题,设计了一种识别该类信号微弱特征的自适应提升小波包方法.该方法以提升方法为基础,构造了提升小波包分解和重构过程算法,并以分解层信号相邻样本点自相关系数的大小作为目标函数,在每个样本点上选择能够自适应匹配信号局部特性的提升小波包算子,将每个分解频带信号进行重构,识别时域故障微弱信号特征.该方法成功地识别出了某齿轮箱发生摩擦故障时隐含在振动信号中的调制波形和周期性冲击脉冲故障微弱特征.结果表明,自适应提升小波包方法对强噪声背景下故障微弱信号特征的识别效果优于经典小波包方法.     

结合小波变换与数学形态学的电缆局放信号识别与降噪方法

针对大部分电缆局放(PD)信号识别方法在噪声影响下的识别准确率低、波形失真等问题,提出了一种基于小波变换与数学形态学的电缆PD信号识别及降噪方法。该方法利用最大重叠离散小波变换提取PD信号的高频和低频特征,结合重构和数学形态法滤除噪声。利用自适应神经网络学习小波变换后的特征,最终完成PD信号的识别分类。基于某变电站实测PD信号波形对所提方法进行实验分析结果表明,信号降噪处理后的信噪比与均方误差分别为5.439 dB、0.251,且整体的识别准确率超过了88%,均优于其他对比方法,具有良好的应用前景。     

基于小波降噪的短波通信信号协议识别特征提取算法

利用特征波形匹配来识别短波通信信号协议是简单有效的方法,但易受噪声干扰,影响其有效性.而低信噪比是短波信道特征之一,为此引入小波降噪来构造具有优良抗噪声干扰性能的协议识别特征,以减小噪声对特征波形匹配度的影响.文章提出了一种新的协议识别特征提取算法,该算法通过统计不同信噪比条件下小波系数的波动性,实现了特征波形与待识别信号波形小波系数的合理取舍,并采用取舍后小波系数的匹配度作为识别特征.仿真结果表明,该识别特征能有效减小噪声干扰影响,在低信噪比条件下优势突出.     

ESPRIT-Based Feature Extraction of Helicopter Acoustic Signal

目的提取直升机声信号谐波频率作为特征用以识别直升机．方法用旋转不变技术估计信号参数法（ＥＳＰＲＩＴ）从实测的直升机声信号中提取谐波频率,算法采用ＳＶＤＴＬＳ．结果ＥＳＰＲＩＴ方法在直升机不同的飞行条件下,用有限长度的数据准确地提取了声信号的谐波频率．结论用ＥＳＰＲＩＴ方法提取直升机声信号谐波频率是十分有效的,将谐波频率作为目标特征用以识别直升机是完全可行的．     

A bidirectional feature selection method based on mutual information and redundancy-synergy coefficient

Featuresubsetselection(FSS)istoselectrele vantfeaturesandcastawayirrelevantandredundantfeaturesfromtheoriginalfeaturesetaccordingtoaFSSmeasure[1].IfafeaturesubsetsatisfiestheFSSmeas ureandhastheminimumsize,itisconsideredapartoftheoptimalfeaturesubset.Comp…     

齿轮裂纹程度识别的有序分类算法

为识别齿轮裂纹的严重程度信息,提出一种基于有序分类的故障严重程度识别方法.将故障严重程度识别问题视为不同严重程度之间存在序结构,并且部分特征和故障严重程度之间存在单调依赖关系的有序分类问题,从有序分类出发,建立有序分类的故障严重程度识别模型.研究故障严重程度识别中的特征评价和特征选择问题,利用排序互信息指标区分原始特征集中的单调特征和非单调特征,提出单调特征和非单调特征混合存在情况下的有序分类特征选择算法.齿轮裂纹程度识别实验结果表明:提出的有序分类特征选择算法可以降低特征空间维数,能选择出分类能力强的故障特征子集,提高了故障严重程度识别的准确性.     

Feature selection algorithm for text classification based on improved mutual information

In order to solve the poor performance in text classification when using traditional formula of mutual information (MI),a feature selection algorithm were proposed based on improved mutual information.The improved mutual information algorithm,which is on the basis of traditional improved mutual information methods that enhance the MI value of negative characteristics and feature’s frequency,supports the concept of concentration degree and dispersion degree.In accordance with the concept of concentration degree and dispersion degree,formulas which embody concentration degree and dispersion degree were constructed and the improved mutual information was implemented based on these.In this paper,the feature selection algorithm was applied based on improved mutual information to a text classifier based on Biomimetic Pattern Recognition and it was compared with several other feature selection methods.The experimental results showed that the improved mutual information feature selection method greatly enhances the performance compared with traditional mutual information feature selection methods and the performance is better than that of information gain.Through the introduction of the concept of concentration degree and dispersion degree,the improved mutual information feature selection method greatly improves the performance of text classification system.     

MIMO radar waveform design in the presence of clutter and colored noise

The existing MIMO radar waveform design methods only deal with the optimization of radar waveform with the presence of clutter or colored noise, and unfortunately can not get the optimal waveform with the scenario when the clutter and colored noise coexist, which is more realistic in practical applications. To address this problem, a novel MIMO radar waveform design method based on mutual information in the presence of clutter and colored noise is proposed. The proposed scheme considers the influence of the target's response, clutter and colored noise on the optimization of the radar waveform. The mathematical expression for the transmit waveform matrix is achieved by theoretical derivation. What is more important, an optimal pairing of the eigenvectors of the target, clutter and colored noise is given and the power allocation for each antenna is optimized by the water-filling method. Simulation results show that when the total transmit power is 10dB, the proposed method's MI is 8bit and 4bit more than that of the general water-filling method and the method which only considers the pairing of the target's response and noise, respectively.     

一种采用冗余性动态权重的特征选择算法

由于候选特征与类标签间的相关性,候选特征、已选特征与类标签间的交互性以及特征间的冗余性是特征选择算法应考虑的重要因素,而一些基于互信息和三维互信息的特征选择算法没有同时考虑相关性、交互性和冗余性信息,这影响了它们的性能。针对该问题,提出一种采用冗余性动态权重的特征选择算法,将对称不确定性和三路交互信息作为评价指标,采用一种动态更新特征权重的方法使目标函数在考虑相关性、交互性的基础上,同时考虑特征间的冗余性。在10种数据集上利用3种分类器与典型的基于互信息的特征选择算法做了对比实验,结果表明所提算法具有更好的特征选择性能。     

基于最大互信息方法的机械零件图像识别

提出了应用最大互信息方法进行零件图像识别的方法,它利用图像的信息熵描述图像的特征,结合图像的颜色信息及局部形状信息,以互信息作为衡量两幅图像相似性的测度函数进行图像识别,弥补了直方图表达空间信息的不足。该方法既满足位置不变性,又能避免进行图像分割,从而避免了因图像分割引起的复杂计算,使算法容易实现。实验结果表明,该方法提高了零件图像识别的精度、稳定性和可靠性。     

结合互信息最大化的文本到图像生成方法

在堆叠式文本到图像生成模型的基础上,针对其生成样本分布不均匀导致多样性不足的问题,提出了一种结合局部-全局互信息最大化的堆叠式文本到图像的生成对抗网络模型。首先利用生成模型将全局向量解耦得到不同尺度特征图;然后通过最大化特征图与全局向量间的互信息,对图像全局特征与文本描述的相关性进行增强;最后,将特征图提取为局部位置特征向量,通过最大化局部位置特征向量与全局向量之间的平均互信息,加强局部位置特征与文本描述的相关性,得到更紧密的文本到图像的映射关系。在CUB数据集上的实验验证了该方法能有效地提高生成样本的多样性,同时在主观评价上能生成语义精确度更高的样本,更接近自然图像。     

基于加权准则的雷达博弈波形设计

在复杂的实战环境中,雷达的先验信息具有很大的不确定性,且由于干扰更加智能化,导致实战中雷达的探测性能再度降低。为提高电子战雷达的探测性能,提出了一种基于互信息与信干噪比加权准则的雷达博弈波形设计方法。首先建立了互信息和信干噪比的加权准则,然后设计相应的雷达与干扰博弈模型,最后提出最大边缘重分配算法以解决重复博弈困境,精炼纳什均衡。仿真实验验证了该方法的有效性。