基于小波变换和FRFT的图像加密算法

为了提高图像的安全性,增强图像的加密效果,提出一种基于离散小波和分数阶傅里叶变换（FRFT）的图像加密算法。首先利用离散小波变换使图像信号稀疏化,然后对稀疏化处理后的图像进行离散FRFT处理,得到最终加密图像。MATLAB的仿真结果表明,和单一的小波变换相比,该算法的加密和解密效果较好,能够较好地隐藏图片的信息。     

基于支持向量机的数字调制信号识别

针对神经网络分类器容易陷入局部最小值和不适用于小样本的缺点,提出一种应用零中心瞬时特征提取法提取分类特征,采用支持向量机分类器进行数字调制信号识别的方法。与传统的神经网络方法相比,该方法具有更好的泛化推广能力。实验仿真结果表明,该调制识别方法在小样本下具有较高的识别率。     

基于小波包分解及模糊支持向量机的红虫识别

水源中的红虫随输送管道进入给水系统,其在给水处理系统中繁殖并进入管网,对水质感官指标造成了重要影响。针对红虫特点提出了一种小波包分解与模糊支持向量机相结合的红虫图像识别方法。该方法采用多层小波包分解提取子图像的能量特征,同时结合生物图像颜色特征构造特征向量,然后选择模糊支持向量机作为分类器进行识别。通过对红虫、猛水蚤、剑水蚤等水厂中主要出现的浮游生物样本进行分类实验证明,该方法能够有效地识别红虫,为水厂的红虫防治提供有效依据。     

基于混沌调制DFRFT旋转因子的语音加密

将分数阶傅里叶变换(FRFT)和混沌密码学相结合,提出一种新的变换域加密算法——混沌密钥调制FRFT旋转因子,用于实现语音信号的实时加解密。采用特征分解型离散FRFT算法,使语音实时加密系统在语音信号解密过程中具备良好的还原特性。理论分析和测试结果表明,该算法安全性较高,优于单纯混沌加密或单纯分数阶傅里叶变换的加密方法。     

基于小波分析的RFID信号调制识别

小渡分析提取数字调制信号的调制特征是一种有效的识别方法.本文讨论了在RFID中常用调制制式(2ASK、2FSK、2PSK)的识别问题,研究了小波变换后信噪比增益与载波频率、抽样速率及小波缩放尺度之间的关系,提出了对抽样速率和小波缩放尺度的优化;对高斯白噪声中的通信信号的识别进行了计算机仿真,实验结果表明,用小波分析方法具有较为理想的识别能力.     

Chirp-rate调制的新型解调方法

提出了一种基于分段去斜率的Chirp-rate调制解调方法。根据CRM信号以不同调频斜率的Chirp信号作为调制信号的特点,接收端分为两级解调,第一级解调采用延时混频(去斜率)的方法,把不同调频斜率的Chirp信号转换为MFSK信号,第二级采用非相干方式对MFSK信号解调。最后分析了二进制CRM信号经过高斯信道的性能,在高信噪比情况下略好于基于分数阶傅里叶变换的CRM系统。     

基于小波包和支持向量机的人脸识别

提出了用小波包变换、聚类分析和缩放支持向量机进行人脸识别的方法。首先,用小波包对图象进行2层分解,提取每个子频带的能量组成向量为该图象的特征;其次,对待识别图象进行聚类分析,以减少进入支持向量机的样本数;然后,在特征向量输入支持向量机之前先进行缩放处理,以减少运算量和提高识别准确率;最后,用支持向量集合距离度量进行人脸识别。实验表明：采用本文的方法,识别的正确率可达98％。     

基于小波包与支持向量机的复杂信号模式识别

为很好地识别神经和肌肉的功能状态,针对表面肌电信号的非平稳特性,提出了采用小波包变换的方法对原始肌电信号进行分解,并提取其频段系数的最大奇异值构建特征矢量.利用"一对一"的分类策略和二又树构建多类支持向量机分类器,经训练后可以有效地对前臂8种动作的表面肌电信号进行识别,8种动作的平均识别率达到99.375%.实验结果表明,支持向量机分类器的识别率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且鲁棒性好,并具有良好的泛化推广能力.     

基于小波包变换和支持向量机的虹膜识别方法

提出了一种基于小波包变换和支持向量机的虹膜识别方法.用小波包变换对归一化的虹膜图像进行2层分解,并计算出每个子频带的能量;通过选择具有最大能量值的特征作为小波基特征,以减少进入支持向量机的样本数目和提高识别准确率;最后,用支持向量机对虹膜特征进行模式匹配.实验结果表明,该方法取得了较好的识别效果.     

一种基于ST-RFT算法的数字调制信号识别方法

将短时拉曼努金傅里叶变换(ST-RFT)应用于数字调制信号识别的研究中,以寻求提高低SNR条件下数字调制信号识别率的新方法。通过归一化ST-RFT谱图计算、特征参量提取以及阈值判别来实现调制信号的识别。针对5种常见的数字调制信号进行仿真分析,结果表明,在SNR=0 dB的信噪比条件下,基于ST-RFT算法的数字调制信号识别方法的平均识别率可以达到90%,比基于谱图时频分析法的识别率提高了10.4%;特别是相比于基于瞬时幅度和瞬时频率的特征方法,4FSK调制信号的识别率可提高9%。基于ST-RFT算法的数字调制信号识别方法能够 在低SNR条件下有效识别数字调制信号,具有良好的工作性能。     

基于小波包分析的数字信号处理

小波包分析具有优良的时频特性,可以有效地用于数字信号的消噪处理和对信号进行特征提取。小波包分析可以对电机振动故障进行诊断,以便随时排除故障。同时,给出并分析了试验结果。     

基于小波包变换的脑电波信号降噪及特征提取

针对原始脑电波信号存在非平稳性且非常容易受到各种信号干扰等特点,对基于小波变换和小波包变换的脑电波信号的滤波降噪方法,和基于小波包变换的脑电波信号特征提取方法进行了研究。首先利用MindSet采集到原始脑电波数据,然后分别应用小波变换和小波包变换对其进行降噪处理,比较了两种方法的性能,验证了基于小波包变换的降噪方法的优越性和特征提取方法的有效性。     

基于小波包变换多载波调制通信系统的均衡算法

对于在复杂的移动传输环境中传送高速的数据流,小波包多载波调制通信系统在数据传输过程中仍然不可避免地存在着由于多径效应引起的符号间干扰。在对多径瑞利信道的建模基础上分析了小波包多载波调制系统在瑞利信道下的系统性能。同时,通过引入强迫归零方法,提出一种对时域信道冲激响应估计下的强迫归零均衡算法。该算法简单且易于实现,不增加任何系统复杂度。仿真结果表明系统在多径瑞利信道下的性能得到了有效提高,证明了该方案的可行性和在高速数据传输领域及未来移动通信中具有良好的应用前景。     

基于表面肌电信号小波包熵的情感识别

情感识别是情感计算的一个关键问题。针对表面肌电信号（EMG）的非平稳性,根据小波包变换在不同时频段均能精确的刻画信号,并提供丰富模式信息的特点,提出利用小波包熵方法对不同情感状态下的表面肌电信号进行分析。实验表明,该方法对情感的唤醒度识别效果较好。     

基于小波包分解的版权保护算法

提出一个基于小波包分解的数字图像版权保护算法.利用小波系数的特征对宿主图像进行预处理,并选择其中具有相似纹理特征的图像子块进行组合构成相应的子图像.基于块处理与像素调制相结合的空频域联合的水印算法,在纹理活动区域采用小波包变换的系数量化方法嵌入水印,不仅保证了在不损失图像质量的条件下大容量鲁棒信息的隐藏,也保证了水印的盲提取,从而有效地增加了鲁棒水印信息的嵌入量及抗攻击能力.实验结果表明该算法较传统方法而言达到了鲁棒性与容量的最佳结合.     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

基于小波包分解的 SAR图像压缩 *

针对 SAR图像含有丰富的中、高频信息 ,而基于小波变换的图像压缩方法会丢失高频细节信息 ,提出了基于小波包分解的 SAR图像编码算法。小波包变换对 SAR图像进行完全分解 ,再用与后续编码器相关联的代价函数进行最佳基搜索 ,然后根据各子带小波包系数的重要性进行加权 ,采用多级树集合分裂算法 ( SPIHT)编码。实验结果表明 ,该算法更好地保留了 SAR图像的细节信息 ,获得了同压缩比下优于传统 SPIHT算法的编码性能 ,更有利于后续图像处理。     

基于小波包能量谱的钢轨扣件松脱检测研究

提出了基于小波包能量谱的钢轨扣件松脱识别方法,对获得的振动信号进行小波包分解,结合扣件松脱前后振动信号频域内能量变化,构造损伤指标(DI).在此基础上,开展了5种工况下的轨道结构动力响应测试,进行了轨道结构状态识别分析.实验结果表明:DI能够有效地识别轨道结构状态,且随着松脱程度的增加而增加;同一工况下得到的损伤指标DI变化波动均在±0.5以内,验证了该方法具有很好的鲁棒性和抗干扰能力.     

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。